CN110088699A - 信息处理方法、信息处理系统以及信息处理装置 - Google Patents

信息处理方法、信息处理系统以及信息处理装置 Download PDF

Info

Publication number
CN110088699A
CN110088699A CN201780075823.2A CN201780075823A CN110088699A CN 110088699 A CN110088699 A CN 110088699A CN 201780075823 A CN201780075823 A CN 201780075823A CN 110088699 A CN110088699 A CN 110088699A
Authority
CN
China
Prior art keywords
lathe
information
information processing
sensor
component
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
CN201780075823.2A
Other languages
English (en)
Other versions
CN110088699B (zh
Inventor
森田康彦
高桥雅史
宫本敏
清田纯洋
高山正和
大野胜彦
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.)
DMG Mori Co Ltd
Original Assignee
Mori Seiki 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 Mori Seiki Co Ltd filed Critical Mori Seiki Co Ltd
Publication of CN110088699A publication Critical patent/CN110088699A/zh
Application granted granted Critical
Publication of CN110088699B publication Critical patent/CN110088699B/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
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0995—Tool life management
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • 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
    • 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]
    • G05B19/4184—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 fault tolerance, reliability of production system
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0229—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions knowledge based, e.g. expert systems; genetic algorithms
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0297—Reconfiguration of monitoring system, e.g. use of virtual sensors; change monitoring method as a response to monitoring results
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q2717/00—Arrangements for indicating or measuring
    • B23Q2717/003—Arrangements for indicating or measuring in lathes
    • 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
    • G05B2219/32226—Computer assisted repair, maintenance of system components
    • 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]

Abstract

提供一种能够有效地灵活使用从机床收集到的各种信息的信息处理方法。信息处理方法包括与多个机床进行通信的通信步骤(S10)。多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器。通信步骤(S10)包括以下步骤：从多个机床中的各机床接收与该机床的部件有关的部件信息以及通过传感器得到的探测信息来作为收集数据。信息处理方法还包括以下步骤：保存步骤(S20A、S20B)，将从多个机床中的各机床接收到的收集数据保存到存储部；以及学习步骤(S32)，基于存储部中保存的多个收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。

Description

信息处理方法、信息处理系统以及信息处理装置
技术领域
本公开涉及一种用于从多个机床收集各种信息的技术。
背景技术
已开发出与机床有关的各种技术。例如，日本专利第5992087号公报(专利文献1)公开了能够预测机床的故障的预防维护管理系统。
作为另一例，国际公开第2002/003156号(专利文献2)公开了以下的NC加工辅助系统：将多个NC(Numerical Control：数控)机床经由网络来与中央管理装置进行连接，能够在各NC机床与中央管理装置之间进行各种信息的相互通信。该中央管理装置例如从各NC机床收集机床的加工知识等。
作为又一例，国际公开第2000/012259号(专利文献3)公开了能够制作机床中的工具信息的工具管理系统。该工具管理系统在机床的加工过程中储存与使用工具的各种信息、NC指令信息、工具校正信息、主轴负荷信息相关联的实际切削数据，将它们进行反馈。
作为又一例，日本特开2003-177815号公报(专利文献4)公开了以下的产业机器的维护系统：在从制造商侧提供了维护信息的情况下用户能够高效地进行维护作业。该维护系统具备：信息传递单元，其根据需要来将用户侧的LAN与制造商侧的LAN经由通信线路进行连接；监控单元，其连接于用户侧的LAN，对产业机器的规定项目进行监控；信息发送接收单元，其将所得到的监控信息经由信息传递单元发送到制造商侧LAN，相反地从制造商侧LAN接收信息；监视单元，其连接于制造商侧LAN，基于接收到的监控信息来自动地进行故障诊断从而监视产业机器；以及维护信息发送单元，其在基于该诊断结果而需要维护时，自动地向用户侧发送维护信息。
现有技术文献
专利文献
专利文献1：日本专利第5992087号公报
专利文献2：国际公开第2002/003156号
专利文献3：国际公开第2000/012259号
专利文献4：日本特开2003-177815号公报
发明内容
发明要解决的问题
已开发出能够从各种机床收集与机床有关的信息的技术。然而，随着机床的多样化，能够收集的信息的种类、信息量也变得庞大，存在所收集的信息未被有效地灵活使用的问题。因而，期望一种用于有效地灵活使用从机床收集的各种信息的技术。
专利文献1未公开所收集的信息的种类、该信息的利用方法。专利文献2、3仅公开了收集基于实际的加工数据得到的信息，未公开其它信息的收集方法和该其它信息的利用方法。专利文献4仅公开了收集与产业机器的规定项目有关的监控信息，未公开其它信息的收集方法和该其它信息的利用方法。
本公开是为了解决如上所述的问题而完成的，其某个方面的目的在于提供一种能够有效地灵活使用从机床收集到的各种信息的信息处理方法。其它方面的目的在于提供一种能够有效地灵活使用从机床收集到的各种信息的信息处理系统。还在于提供一种能够有效地灵活使用从机床收集到的各种信息的信息处理装置。
用于解决问题的方案
遵循某个方面，信息处理方法包括与多个机床进行通信的通信步骤。上述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过上述传感器得到的探测信息来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；以及学习步骤，基于上述存储部中保存的多个上述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
遵循其它方面，信息处理方法包括与多个机床进行通信的通信步骤。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收在该机床中产生的警报的内容以及在产生该警报时针对该机床进行的对策方法来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；以及学习步骤，基于上述存储部中保存的多个上述收集数据，按上述警报的种类来学习该警报与针对该警报的对策方法之间的相关关系。
遵循其它方面，信息处理方法包括与多个机床进行通信的通信步骤。上述多个机床中的各机床包括：传感器，其用于探测与该机床有关的信息来作为探测信息；以及推荐功能，其用于推荐用于使该机床的主轴的振动减轻的控制参数的推荐条件的候选。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收通过上述传感器得到的探测信息、从上述候选中选择出的推荐条件、以及表示上述振动是否由于对该机床设定该推荐条件下的控制参数而被减轻的结果来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；以及学习步骤，基于上述存储部中保存的多个上述收集数据，来学习通过机床内的传感器得到的探测信息、从上述候选中选择出的推荐条件以及上述结果之间的相关关系。
遵循其它方面，信息处理方法包括与多个机床进行通信的通信步骤。上述多个机床中的各机床包括：传感器，其用于探测与该机床有关的信息来作为探测信息；以及接口，其用于与用于对该机床的控制参数进行校正的校正装置进行连接。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收通过上述传感器得到的探测信息以及上述校正装置对上述控制参数进行校正的校正信息来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；以及学习步骤，基于上述存储部中保存的多个上述收集数据，来学习通过机床内的传感器得到的探测信息与上述校正装置的校正信息之间的相关关系。
遵循其它方面，信息处理方法包括与多个机床进行通信的通信步骤。上述多个机床中的各机床包括用于探测与该机床有关的不同的信息的多个传感器。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收通过该机床内的上述多个传感器中的各传感器得到的探测信息来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；学习步骤，基于上述存储部中保存的多个上述收集数据，按上述多个传感器的种类来学习探测信息的正常范围；诊断步骤，在从上述多个机床以及其它机床中的任一个机床接收到诊断的执行指示的情况下，从该机床接收通过该机床内的上述多个传感器得到的探测信息，参照上述学习步骤中的学习结果，来诊断接收到的该探测信息各自是否收敛于对应的正常范围；以及发送步骤，将上述诊断步骤中的诊断结果发送到作为上述执行指示的发送源的机床。
遵循其它方面，信息处理系统具备信息处理装置以及能够与上述信息处理装置进行通信的多个机床。上述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器。上述信息处理装置具备：通信部，其用于从上述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过上述传感器得到的探测信息来作为收集数据；存储部，其用于保存从上述多个机床中的各机床接收到的上述收集数据；以及学习部，其用于基于上述存储部中保存的多个上述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
遵循其它方面，信息处理装置具备用于与多个机床进行通信的通信部。上述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器。上述通信部从上述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过上述传感器得到的探测信息来作为收集数据。上述信息处理装置还具备：存储部，其用于保存从上述多个机床中的各机床接收到的上述收集数据；以及学习部，其用于基于上述存储部中保存的多个上述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
发明的效果
在某个方面，能够有效地灵活使用从机床收集到的各种信息。
通过结合附图来理解的有关本发明的下面的详细说明，本发明的上述目的、特征、方面及优点以及其它的目的、特征、方面及优点会变得明确。
附图说明
图1是表示遵循第一实施方式的信息处理系统的系统结构的一例的图。
图2是表示遵循第一实施方式的信息处理装置与机床之间的数据的流动的时序图。
图3是表示遵循第一实施方式的数据库的数据结构的一例的图。
图4是表示作为学习结果而得到的相关关系的一例的图。
图5是表示遵循变形例的数据库的一例的图。
图6是表示遵循第一实施方式的信息处理装置的功能结构的一例的图。
图7是表示遵循第一实施方式的信息处理装置进行的学习处理的流程图。
图8是表示遵循第一实施方式的信息处理装置对保养部件进行的寿命估计处理的流程图。
图9是表示遵循第一实施方式的信息处理装置的主要的硬件结构的框图。
图10是表示遵循第一实施方式的机床的主要的硬件结构的框图。
图11是表示遵循第二实施方式的信息处理装置与机床之间的数据的流动的时序图。
图12是表示遵循第二实施方式的机床的显示器所显示的画面的一例的图。
图13是表示遵循第二实施方式的数据库的数据结构的一例的图。
图14是表示遵循第三实施方式的信息处理系统的系统结构的一例的图。
图15是表示遵循第四实施方式的信息处理系统的系统结构的一例的图。
图16是表示遵循第五实施方式的信息处理系统的系统结构的一例的图。
图17是表示遵循第六实施方式的信息处理装置与机床之间的数据的流动的时序图。
图18是表示通过遵循第六实施方式的信息处理装置进行的学习处理而得到的学习结果的一例的图。
图19是表示遵循第七实施方式的机床的显示器所显示的诊断结果画面的一例的图。
图20是表示遵循第七实施方式的信息处理系统的系统结构的一例的图。
图21是表示遵循第八实施方式的信息处理装置从机床收集的收集数据的一例的图。
具体实施方式
下面，参照附图来说明遵循本发明的各实施方式。在下面的说明中，对相同的部件和结构要素标注相同的标记。它们的名称和功能也相同。因而，不重复对它们进行详细说明。此外，也可以将下面说明的各实施方式和各变形例适当地选择性地进行组合。
<第一实施方式>
[信息处理系统1的系统结构]
参照图1来说明用于收集与机床有关的信息的信息处理系统1。图1是表示信息处理系统1的系统结构的一例的图。
信息处理系统1由信息处理装置100和多个机床200A～200D构成。
机床200A～200D例如配置在工厂内。机床200A～200D既可以是相同种类的机床，也可以是不同种类的机床。下面，机床200A～200D中的至少1个也被称为机床200。
作为机床200的种类的一例，能够列举出车床、加工中心。车床一边利用主轴使工件旋转一边使工具抵接工件，由此对工件进行加工。加工中心一边利用主轴使工具旋转一边使工具抵接工件，由此对工件进行加工。
信息处理装置100是在与设置机床200A～200D的工厂不同的场所设置的服务器。信息处理装置100从机床200A～200D收集与机床有关的各种信息，将这些信息进行数据库化。作为一例，信息处理装置100收集由加速度传感器探测出的主轴的加速度、由温度传感器探测的机床内的温度、与机床内的液压单元有关的信息、油冷却器的监控结果等。这些信息的收集功能也可以是物理服务器，例如，也可以在云端上的平台中提供这些信息的收集功能。
信息处理装置100和机床200经由网络NW来相互连接。机床200能够以任意的方式来与网络NW连接。在图1的例子中，机床200A、200B经由路由器401来与网络NW连接。机床200C经由IO(Input Output：输入输出)单元和路由器401来与网络NW连接。机床200D直接与网络NW连接。
此外，信息处理系统1也可以除了包括信息处理装置100和机床200以外还包括PC(Personal Computer：个人计算机)300A、300B。PC 300A经由路由器401来与信息处理装置100间接地进行网络连接。PC 300B与信息处理装置100直接地进行网络连接。
[由信息处理装置100进行的学习处理]
参照图2～图4来说明由信息处理装置100进行的学习处理。图2是表示信息处理装置100与机床200A、200B之间的数据的流动的时序图。
各机床200包括用于探测与自身有关的信息的传感器。在本实施方式中，信息处理装置100从机床200中的各机床收集与机床200的保养部件有关的部件信息以及通过机床200内的传感器得到的探测信息。之后，信息处理装置100基于从机床200中的各机床收集到的信息来对机床200的部件信息与通过机床200内的传感器得到的探测信息之间的相关关系进行机器学习(数据挖掘)。信息处理装置100参照作为学习结果得到的相关关系来预测保养部件的寿命或者判定保养部件是否已故障。
更具体地说，在步骤S10中，信息处理装置100定期地从机床200A接收通过机床200A内的传感器得到的探测信息。在所接收的探测信息上标注有探测时刻，信息处理装置100接收该探测信息来作为探测历史记录。同样地，信息处理装置100定期地从机床200B接收通过机床200B内的传感器得到的探测信息。在所接收的探测信息上标注有探测时刻，信息处理装置100接收该探测信息来作为探测历史记录。从机床200A、200B接收到的探测历史记录被保存到后述的数据库124。
设为在步骤S20A中对机床200A的保养部件进行了更换。作为该保养部件，例如包括主轴等消耗品。基于保养部件被更换这一情况，机床200A将用于识别作为更换对象的保养部件的部件ID(Identification：身份证明)以及保养部件的更换时机作为部件信息发送到信息处理装置100。信息处理装置100将从机床200A接收到的部件信息与到保养部件的更换时机为止通过步骤S10接收到的机床200A的探测信息进行关联，在此基础上将这些信息保存到图3所示的数据库124。
图3是表示数据库124的数据结构的一例的图。在图3的例子中，机床的装置ID、通过步骤S10接收到的探测历史记录(即探测信息及其探测时机)以及通过步骤S20A接收到的物品信息彼此相关联。作为收集对象的探测信息例如包括由温度传感器探测的机床200A内的温度、机床200A中的消耗功率、由加速度传感器探测的机床200A的主轴的加速度、由电流传感器探测的流过机床200A内的保养部件的电流的值等。作为收集对象的物品信息例如包括用于识别作为更换对象的保养部件的部件ID以及该保养部件的更换时机。
同样地，设为在步骤S20B中对机床200B的保养部件进行了更换。机床200B将用于识别作为更换对象的保养部件的部件ID以及保养部件的更换时机作为部件信息发送到信息处理装置100。信息处理装置100将从机床200B接收到的部件信息与到保养部件的更换时机为止通过步骤S10接收到的机床200B的探测信息进行关联，在此基础上将这些信息保存到图3所示的数据库124。
这样，信息处理装置100从机床200中的各机床接收与作为更换对象的保养部件有关的物品信息以及到该保养部件的更换时机为止通过传感器得到的探测信息来作为收集数据。信息处理装置100将从机床200中的各机床接收到的收集数据保存到数据库124。其结果，收集数据125A～125H被储存到数据库124。
设为在步骤S30中信息处理装置100受理了学习指示。既可以基于对信息处理装置100进行的用户操作来发布该学习指示，也可以基于已到预先设定的学习时机来发布该学习指示。
在步骤S32中，信息处理装置100执行用于对数据库124中储存的收集数据之间的相关关系进行机器学习的学习处理。在本实施方式中，信息处理装置100基于数据库124来对机床200的保养部件的更换时机与通过该机床200内的传感器得到的探测信息之间的相关关系进行机器学习。
更具体地说，信息处理装置100针对收集数据125A～125H中的各收集数据来计算从探测信息的探测时机到保养部件的更换时机为止的时间(下面也称为“寿命时间”。)。之后，信息处理装置100按保养部件的种类来对数据库124所示的各探测信息与针对各探测信息计算出的寿命时间之间的相关关系进行机器学习。在该相关关系的机器学习中，例如能够采用神经网络、支持向量机等各种学习手法。
图4是表示作为学习结果而得到的相关关系126的一例的图。在图4的例子中，示出了作为针对机床200内的保养部件“1”的学习结果而得到的相关关系126。相关关系126的横轴表示通过机床200内的传感器得到的探测信息。在图4的例子中，为了便于说明，探测信息表示为一个维数，但是该探测信息也可以由与探测信息的种类相当的维数来表示。相关关系126的纵轴表示保养部件“1”的寿命时间。
设为在步骤S40中，机床200A从用户处受理了用于估计保养部件“1”的寿命的指示。基于该情况，机床200A对内部的传感器输出探测指示，从该传感器新获取探测信息。
在步骤S42中，机床200A将新获取到的探测信息发送到信息处理装置100。
在步骤S44中，信息处理装置100基于新接收到通过机床200A的传感器得到的探测信息这一情况，参照通过步骤S32学习到的相关关系126，确定与新接收到的该探测信息对应的寿命时间来作为保养部件“1”的寿命估计结果。例如，信息处理装置100在从机床200A接收到探测信息“m1”的情况下，将与探测信息“m1”对应的寿命时间“ΔT”估计为保养部件“1”的寿命时间。能够利用任意的方法来输出所估计出的寿命时间。作为一例，关于所估计出的寿命时间，既可以作为消息来输出到画面，也可以作为声音来输出。例如，显示“还有10小时左右达到寿命”等消息。由此，服务人员或用户能够识别保养部件的寿命。作为其它例，信息处理装置100在从机床200A接收到探测信息“m2”的情况下，将与探测信息“m2”对应的寿命时间“0”估计为保养部件“1”的寿命时间。即，在该情况下，判断为保养部件“1”的寿命已耗尽。
在步骤S46中，信息处理装置100将步骤S44中的寿命估计结果发送到机床200A。机床200A输出从信息处理装置100接收到的寿命估计结果。能够利用任意的方法来输出该寿命估计结果。作为一例，寿命估计结果既可以输出到画面，也可以作为声音来输出，还可以向制造商自动订购预备部件，还可以委托维护。
此外，在图2和图3的例子中，对收集保养部件的更换时机作为机床200的部件信息的例子进行了说明，但是也可以收集其它部件信息。例如，也可以收集机床200的保养部件的故障时机。在该情况下，信息处理装置100从机床200中的各机床收集包含机床200的保养部件的故障时机的部件信息以及到该保养部件的故障时机为止的探测信息。接着，信息处理装置100基于收集数据来对机床的保养部件的故障时机与通过该机床内的传感器得到的探测信息之间的相关关系进行机器学习。之后，信息处理装置100在从机床200新接收到探测信息的情况下，参照作为学习结果而得到的相关关系，来确定与新接收到的该探测信息对应的保养部件的故障时机。信息处理装置100基于确定出的该故障时机来判定该保养部件的更换时机。
另外，作为机床200的部件信息，也可以探测机床200的冷却剂中的杂质度(污染)。在该情况下，信息处理装置100从机床200中的各机床收集包含冷却剂的杂质度的部件信息以及通过传感器得到的探测信息(例如，温度、冷却剂的液压等)。接着，信息处理装置100基于收集数据来对冷却剂的杂质度与通过传感器得到的探测信息之间的相关关系进行机器学习。之后，信息处理装置100在从机床200新接收到探测信息的情况下，参照作为学习结果而得到的相关关系，来探测与新接收到的该探测信息对应的冷却剂的杂质度。
[变形例]
图5是表示遵循变形例的数据库124A的一例的图。在图3所示的数据库124中，收集了通过机床200内的传感器得到的探测信息以及与保养部件有关的部件信息。与此相对，在遵循变形例的数据库124A中，还收集表示机床200的工作状况的工作信息。
更具体地说，信息处理装置100从机床200中的各机床收集通过机床200得到的探测信息、机床200的部件信息以及机床200的工作信息。作为工作信息，例如能够列举行驶距离、主轴的工作时间、电源的状态(ON或OFF(接通或断开))、产生的警报等。
信息处理装置100在学习处理时，参照数据库124A，按保养部件的种类来对通过机床200得到的探测信息、机床200的部件信息以及机床200的工作信息之间的相关关系进行机器学习。
此外，也可以收集其它工作信息。例如，作为工作信息，也可以收集机床200的自动门的锁芯的故障信息、该自动门的开闭次数、该自动门的开闭时间、与该自动门关联的警报信息、机型等。在该情况下，信息处理装置100能够基于自动门的锁芯的更换信息、工作信息以及机型信息来在门锁芯发生故障前估计警报。
[信息处理装置100的功能结构]
参照图6来说明信息处理装置100的功能。图6是表示信息处理装置100的功能结构的一例的图。
如图6所示，信息处理装置100包括控制装置101和存储装置120(存储部)作为硬件结构。控制装置101包括通信部152、学习部154、寿命估计部156以及故障判定部158作为功能结构。
通信部152从机床200中的各机床接收与机床200的保养部件有关的部件信息以及通过机床200内的传感器得到的探测信息来作为收集数据。接收到的收集数据被依次储存到存储装置120中保存的数据库124(参照图3)。
学习部154基于数据库124中储存的收集数据来对机床200的部件信息与通过机床200内的传感器得到的探测信息之间的相关关系126(参照图4)进行机器学习。
在某个方面，在数据库124中收集了机床200的保养部件的更换时机以及通过机床200内的传感器得到的探测信息。学习部154参照数据库124来对机床200的保养部件的更换时机与通过机床200内的传感器得到的探测信息之间的相关关系进行机器学习。
在其它方面，在数据库124中收集了机床200的保养部件的故障时机以及通过机床200内的传感器得到的探测信息。学习部154参照数据库124来对机床200的保养部件的故障时机与通过机床200内的传感器得到的探测信息之间的相关关系进行机器学习。
寿命估计部156在从机床200新接收到探测信息的情况下，参照相关关系126来针对机床200的各保养部件确定与接收到的探测信息对应的更换时机。寿命估计部156基于所确定的更换时机来估计各保养部件的寿命。
故障判定部158在从机床200新接收到探测信息的情况下，参照相关关系126来针对机床200的各保养部件确定与接收到的探测信息对应的更换时机。故障判定部158基于所确定的更换时机来判定各保养部件的故障。
[信息处理装置100的控制构造]
参照图7和图8来说明信息处理装置100的控制构造。图7是表示由信息处理装置100进行的学习处理的流程图。图8是表示由信息处理装置100对保养部件进行的寿命估计处理的流程图。通过由信息处理装置100的控制装置101执行程序来实现图7和图8的处理。在其它方面，处理的一部分或全部也可以由电路元件或者其它硬件来执行。
典型地说，控制装置101先执行图7所示的学习处理，之后执行图8所示的寿命估计处理。下面，依次说明图7所示的学习处理和图8所示的寿命估计处理。
(学习处理)
参照图7，在步骤S110中，控制装置101判断是否从机床200接收到通过机床200的传感器得到的探测信息。控制装置101在判断为从机床200接收到通过机床200的传感器得到的探测信息的情况下(步骤S110中“是”)，将控制切换为步骤S112。否则(步骤S110中“否”)控制装置101将控制切换为步骤S120。
在步骤S112中，控制装置101作为上述的通信部152(参照图6)，将通过步骤S110从机床200接收到的探测信息写入到上述的数据库124(参照图3)。作为收集对象的探测信息，例如能够列举出由温度传感器探测的机床200内的温度、机床200A中的消耗功率、由加速度传感器探测的机床200A的主轴的加速度、由电流传感器探测的流过机床200A内的保养部件的电流的值等。
在步骤S120中，控制装置101判断是否从机床200接收到与保养部件有关的部件信息。控制装置101在判断为从机床200接收到与保养部件有关的部件信息的情况下(步骤S120中“是”)，将控制切换为步骤S122。否则(步骤S120中“否”)控制装置101将控制切换为步骤S130。
在步骤S122中，控制装置101作为上述的通信部152，将通过步骤S110从机床200接收到的部件信息写入到上述的数据库124(参照图3)。作为收集对象的部件信息，例如能够列举出保养部件的更换时机、用于识别保养部件的部件ID等。
在步骤S130中，控制装置101判断是否受理了用于执行学习处理的指示。既可以基于对信息处理装置100或机床200进行的用户操作来发布该指示，也可以基于已到预先设定的学习时机来发布该指示。控制装置101在判断为从用户处受理了用于执行学习处理的指示的情况下(步骤S130中“是”)，将控制切换为步骤S132。否则(步骤S130中“否”)控制装置101使控制返回到步骤S110。
在步骤S132中，控制装置101作为上述的学习部154(参照图6)，对数据库124中储存的探测信息与部件信息之间的相关关系进行机器学习。作为其结果的一例，得到上述的相关关系126。
(寿命估计处理)
接下来，参照图8来说明保养部件的寿命估计处理。
在步骤S150中，控制装置101判断是否受理了用于执行寿命估计处理的指示。既可以基于对信息处理装置100或机床200进行的用户操作来发布该指示，也可以基于已到预先设定的执行时机来发布该指示。控制装置101在判断为受理了用于执行寿命估计处理的指示的情况下(步骤S150中“是”)，将控制切换为步骤S152。否则(步骤S150中“否”)控制装置101再次执行步骤S150的处理。
在步骤S152中，控制装置101向作为寿命估计对象的机床200发送探测命令。该机床200基于从信息处理装置100接收到探测命令这一情况，来获取通过机床200内的传感器得到的探测信息。机床200将获取到的探测信息发送到信息处理装置100。
在步骤S154中，控制装置101作为上述的寿命估计部156(参照图6)，基于通过上述的图7所示的学习处理而得到的相关关系，来确定与通过步骤S152接收到的探测信息对应的保养部件的更换时机。控制装置101基于所确定的更换时机来估计保养部件的寿命。寿命估计处理如图4中所说明的那样，因此不重复其说明。
[信息处理装置100的硬件结构]
参照图9来说明信息处理装置100的硬件结构的一例。图9是表示信息处理装置100的主要的硬件结构的框图。
信息处理装置100包括控制装置101、ROM(Read Only Memory：只读存储器)102、RAM(Random Access Memory：随机存取存储器)103、通信接口104、显示接口105、输入接口106以及存储装置120。
控制装置101对信息处理装置100进行控制。控制装置101例如由至少1个集成电路构成。集成电路例如由至少1个CPU(Central Processing Unit：中央处理单元)、至少1个ASIC(Application Specific Integrated Circuit：专用集成电路)、至少1个FPGA(FieldProgrammable Gate Array：现场可编程门阵列)或者它们的组合等构成。
控制装置101通过执行遵循本实施方式的信息处理程序122等各种程序来对信息处理装置100的动作进行控制。控制装置101基于受理了信息处理程序122的执行命令这一情况，从存储装置120将信息处理程序122读出到ROM102。RAM 103作为工作存储器来发挥功能，暂时保存执行信息处理程序122所需的各种数据。
LAN、天线等与通信接口104连接。信息处理装置100经由通信接口104来与外部的通信设备之间交换数据。外部的通信设备例如包括机床200、服务器、其它通信终端等。信息处理装置100也可以构成为能够从服务器下载信息处理程序122。
显示接口105与显示器110连接，按照来自控制装置101等的指令来对显示器110送出用于显示图像的图像信号。显示器110例如是液晶显示器、有机EL显示器或者其它显示设备。在显示器110上例如显示机床200的保养部件的寿命估计结果、该保养部件的故障判定结果等。
输入接口106例如是USB(Universal Serial Bus：通用串行总线)端子，与输入设备111连接。输入接口106受理来自输入设备111的表示用户操作的信号。输入设备111例如是鼠标、键盘、触摸面板、或者能够受理用户的操作的其它装置。此外，在构成云端的刀锋服务器的情况下，不需要包括输入接口106和显示接口105。
存储装置120例如是硬盘、闪存等存储介质。存储装置120保存遵循本实施方式的信息处理程序122、上述的数据库124(参照图3)、上述的相关关系126(参照图4)等。信息处理程序122、数据库124以及相关关系126的保存场所不限定于存储装置120，也可以保存在控制装置101的存储区域(例如，缓存等)、ROM 102、RAM 103、外部设备(例如，机床200)等中。
此外，信息处理程序122也可以不作为单个的程序、而是被编入为任意的程序的一部分来提供。在该情况下，与任意的程序协作地实现遵循本实施方式的处理。即使是这样的不包括一部分模块的程序，也不脱离遵循本实施方式的信息处理程序122的宗旨。并且，也可以利用专用的硬件来实现由信息处理程序122提供的功能的一部分或全部。并且，也可以构成为信息处理装置100与机床200协作来执行信息处理程序122。
[机床200的硬件结构]
参照图10来说明机床200的硬件结构的一例。图10是表示机床200的主要的硬件结构的框图。
机床200包括控制装置201、ROM 202、RAM 203、通信接口204、显示接口205、温度传感器206、加速度传感器207、电流传感器208、输入接口209以及存储装置220。
控制装置201对机床200进行控制。控制装置201例如由至少1个集成电路构成。集成电路例如由至少1个CPU、至少1个ASIC、至少1个FPGA或者它们的组合等构成。
控制装置201通过执行机床200的控制程序222等各种程序来控制机床200的动作。控制装置201基于受理了控制程序222的执行命令这一情况，从存储装置220将控制程序222读出到ROM 202。RAM 203作为工作存储器来发挥功能，暂时保存执行控制程序222所需的各种数据。
LAN、天线等与通信接口204连接。机床200经由通信接口204来与外部的通信设备之间交换数据。外部的通信设备例如包括信息处理装置100、其它通信终端等。机床200也可以构成为能够从该通信终端下载控制程序222。
显示接口205与显示器210连接，按照来自控制装置201等的指令来对显示器210送出用于显示图像的图像信号。显示器210例如是液晶显示器、有机EL显示器或者其它显示设备。
温度传感器206设置于机床200内，探测作为保养对象的部件的温度。温度传感器206定期地探测作为保养对象的部件的温度，将探测出的温度作为探测信息来经由通信接口204发送到信息处理装置100。
加速度传感器207设置于机床200内，探测作为保养对象的部件的加速度(振动)。作为一例，加速度传感器207探测机床200的主轴的加速度。探测出的加速度作为探测信息来经由通信接口204被发送到信息处理装置100。
电流传感器208设置于机床200内，探测流过作为保养对象的部件的电流的值。电流传感器208定期地探测流过作为保养对象的部件的电流的值，将探测出的电流值作为探测信息来经由通信接口204发送到信息处理装置100。
输入接口209例如是USB端子，与输入设备211连接。输入接口209受理来自输入设备211的表示用户操作的信号。输入设备211例如是鼠标、键盘、触摸面板、或者能够受理用户的操作的其它装置。
存储装置220例如是硬盘、闪存等存储介质。存储装置220保存遵循本实施方式的控制程序222等。控制程序222的保存场所不限定于存储装置220，也可以保存在控制装置201的存储区域(例如，缓存等)、ROM 202、RAM 203、外部设备(例如，信息处理装置100)等中。
<第二实施方式>
[概要]
遵循第一实施方式的信息处理装置100收集了通过机床200内的传感器得到的探测信息以及与机床200内的保养部件有关的部件信息。与此相对，遵循第二实施方式的信息处理装置100收集在机床200中产生的警报以及针对该警报的对策方法。之后，信息处理装置100按警报的种类来对在机床200中产生的警报与针对该警报的对策方法之间的相关关系进行机器学习。
遵循第二实施方式的信息处理装置100的其它方面与遵循第一实施方式的信息处理装置100相同，因此下面不重复说明这些方面。
[由信息处理装置100进行的学习处理]
参照图11～图13来说明由遵循第二实施方式的信息处理装置100进行的学习处理。图11是表示遵循第二实施方式的信息处理装置100与机床200A、200B之间的数据的流动的时序图。
设为在步骤S50中在机床200A中产生了作为探测对象的警报。服务人员或用户对机床200A进行操作以应对针对机床200A产生的警报。之后，服务人员或用户将机床200A的故障内容以及针对该故障的对策方法输入到机床200A的画面。
图12是表示机床200A的显示器210所显示的画面的一例的图。图12所示的画面例如由操作系统“CELOS”提供。该画面例如包括用于输入故障内容的输入区域230、用于输入该故障的对策方法的输入区域231、登记按钮232以及取消按钮233。当按下登记按钮232时，产生的警报ID以及输入到输入区域230、231的信息被发送到信息处理装置100。当按下取消按钮233时，图12所示的画面关闭。
在步骤S52中，信息处理装置100将从机床200A接收到的警报ID与针对该警报的对策方法进行关联，在此基础上将这些信息保存到图13所示的数据库124B。图13是表示数据库124B的数据结构的一例的图。在图13的例子中，按警报的种类，将机床的装置ID、用于识别在机床中产生的警报的警报ID、该警报的产生时刻以及针对该警报的对策方法进行了关联。
设为在步骤S54中在机床200B中产生了作为探测对象的警报。服务人员或用户对机床200B进行操作以应对在机床200B中产生的警报。之后，与上述同样地，服务人员或用户将机床200B的故障内容以及针对该故障的对策方法输入到机床200B的画面。机床200B将用于识别所产生的警报的警报ID、该警报的产生时刻以及针对该警报的对策方法发送到信息处理装置100。
在步骤S56中，信息处理装置100将从机床200B接收到的警报ID与针对该警报的对策方法进行关联，在此基础上将这些信息按警报的种类保存到数据库124B。
通过重复步骤S50、S52、S54、S56的处理，收集数据125I～125P被储存到数据库124B。
设为在步骤S60中信息处理装置100从用户处受理了学习指示。既可以基于对信息处理装置100进行的用户操作来发布该学习指示，也可以基于已到预先设定的学习时机来发布该学习指示。
在步骤S62中，信息处理装置100基于数据库124B的收集数据125I～125P，按警报的种类来对警报与针对该警报的对策方法之间的相关关系进行机器学习。在该相关关系的机器学习中能够采用神经网络、支持向量机等各种学习手法。
设为在步骤S70中在机床200A中新产生了警报，用户进行了呼叫用于应对该警报的故障排除方法的呼叫操作。
在步骤S72中，机床200A将用于识别所产生的警报的警报ID发送到信息处理装置100。
在步骤S74中，信息处理装置100基于从机床200A接收到警报ID这一情况，参照通过步骤S62学习到的相关关系，获取与该接收到的警报ID对应的对策方法来作为故障排除方法。
在步骤S76中，信息处理装置100将通过步骤S74获取到的对策方法发送到机床200A。机床200A将从信息处理装置100接收到的对策方法作为故障排除方法来输出。该故障排除方法既可以输出到画面，也可以作为声音来输出。
这样，信息处理装置100在新接收到在机床200A中产生的警报的情况下，参照通过步骤S62学习到的相关关系来确定用于应对该接收到的警报的对策方法，并输出所确定出的该对策方法。
此外，在上述内容中，对收集警报ID和对策方法的例子进行了说明，但是也可以还收集其它信息。例如，信息处理装置100也可以收集工具信息(例如制造商、工具种类)、工件的种类、切削条件(例如主轴转数、切割宽度、切割深度、给送量)、以加速度(例如频率、峰值振动)为主的各种传感器信息、机器状态(例如各轴坐标、轴负荷)等。
<第三实施方式>
[概要]
遵循第一实施方式的信息处理装置100收集了通过机床200内的传感器得到的探测信息以及与机床200的保养部件有关的部件信息。与此相对，遵循第三实施方式的信息处理装置100收集通过机床200内的传感器得到的探测信息以及与在机床200的工作过程中使用的工具有关的信息。
遵循第三实施方式的信息处理装置100的其它方面与遵循第一实施方式的信息处理装置100相同，因此下面不重复说明这些方面。
[信息处理系统1的系统结构]
参照图14来说明遵循第三实施方式的信息处理系统1。图14是表示遵循第三实施方式的信息处理系统1的系统结构的一例的图。
信息处理系统1由信息处理装置100和多个机床200构成。
在机床200的主轴上能够安装用于加工工件的工具。配合工件的种类、加工方式来自动地改变安装于主轴的工具。遵循本实施方式的信息处理装置100从各种机床200收集与在工件的加工过程中使用的工具有关的工具信息。作为一例，信息处理装置100从机床200收集工具制造商、工具种类(例如，工具ID)、工件的加工条件等来作为工具信息。另外，信息处理装置100从机床200收集工具的使用时间、工具的使用次数等来作为工具信息。并且，信息处理装置100从机床200收集在工件的加工过程中由机床200的传感器探测出的探测信息。信息处理装置100将工具信息与探测信息进行关联，在此基础上将这些信息储存到数据库124。
之后，信息处理装置100基于所储存的工具信息和探测信息来对工具信息与探测信息之间的相关关系进行机器学习。优选的是，按机床200的种类和工具的种类来进行该相关关系的机器学习。由此，信息处理装置100能够按工具的种类来判别工具的寿命、工具的破损等。
<第四实施方式>
[概要]
遵循第一实施方式的信息处理装置100收集了通过机床200内的传感器得到的探测信息以及与机床200的保养部件有关的部件信息。与此相对，遵循第四实施方式的信息处理装置100收集通过机床200内的传感器得到的探测信息以及对机床200设定的控制参数。
遵循第四实施方式的信息处理装置100的其它方面与遵循第一实施方式的信息处理装置100相同，因此下面不重复说明这些方面。
[信息处理系统1的系统结构]
参照图15来说明遵循第四实施方式的信息处理系统1。图15是表示遵循第四实施方式的信息处理系统1的系统结构的一例的图。
信息处理系统1由信息处理装置100和多个机床200构成。
机床200例如是DMG森精机公司制的MVX5000系列等。遵循本实施方式的机床200具有用于推荐对自身设定的控制参数的候选的推荐功能。作为一例，采用了基于DMG森精机公司制的MVC(Machine Vibration Control：机器振动控制)的推荐功能。MVC基于探测出在加工工件时在工具与工件之间产生的非预期振动(下面也称为“振纹”。)这一情况，来自动向用户提示用于减轻振纹的推荐条件。当选择了所提示的推荐条件中的任一个时，机床200设定与所选择的推荐条件对应的控制参数。由此，控制参数被优化，振纹被减轻。
遵循本实施方式的信息处理装置100从各种机床200收集从MVC的推荐条件中选择出的推荐条件。更具体地说，机床200包括作为操作系统的CELOS240，CELOS 240从MVC 242获取MVC 242的推荐条件245以及通过采用推荐条件245而得到的动作结果246。动作结果246表示采用推荐条件245是否能够减轻振纹，例如，以能够减轻了百分之几来表示。
并行地，加速度传感器207获取机床200的主轴的加速度来作为振动数据。FFT(Fast Fourier Transform：高速傅里叶变换)部241对从加速度传感器207得到的振动数据进行高速傅里叶变换。其结果，振动数据被频率分解。傅里叶变换的结果被输出到CELOS240。
CELOS 240将通过加速度传感器207得到的探测信息、推荐条件245以及动作结果246发送到信息处理装置100。信息处理装置100从各种机床200收集这些信息来作为收集数据，将探测信息、推荐条件245以及动作结果246进行关联，在此基础上将这些信息储存到数据库124。
之后，信息处理装置100按动作结果246的类别来对储存的探测信息、推荐条件245以及动作结果246之间的相关关系进行机器学习。由此，信息处理装置100能够更准确地估计用于减轻振纹的切削条件等，从而能够改善切削效率。
如以上那样，信息处理装置100从各种机床200接收通过加速度传感器207得到的探测信息、从所推荐的候选中选择出的推荐条件245、表示振纹是否由于对机床200设定该推荐条件245下的控制参数而被减轻的动作结果246，来作为收集数据。信息处理装置100将从机床200接收到的收集数据储存到数据库124。之后，信息处理装置100基于数据库124中储存的收集数据来对通过加速度传感器207得到的探测信息、推荐条件245以及动作结果246之间的相关关系进行机器学习。
此外，在上述内容中，对收集通过加速度传感器207得到的探测信息、推荐条件245以及动作结果246的例子进行了说明，但是也可以还收集其它信息。例如，信息处理装置100也可以收集利用MVC 242时的加工过程中的工具信息(例如制造商、工具种类)、工件的种类、切削条件(例如主轴转数、切割宽度、切割深度、给送量)、以加速度(例如频率、峰值振动)为主的各种传感器信息、机器状态(例如各轴坐标、轴负荷)等。
<第五实施方式>
[概要]
遵循第一实施方式的信息处理装置100收集了通过机床200内的传感器得到的探测信息以及与机床200的保养部件有关的部件信息。与此相对，遵循第五实施方式的信息处理装置100收集通过机床200内的传感器得到的探测信息以及对机床200设定的控制参数的校正信息。
遵循第五实施方式的信息处理装置100的其它方面与遵循第一实施方式的信息处理装置100相同，因此下面不重复说明这些方面。
[信息处理系统1的系统结构]
参照图16来说明遵循第五实施方式的信息处理系统1。图16是表示遵循第五实施方式的信息处理系统1的系统结构的一例的图。
信息处理系统1由信息处理装置100和多个机床200构成。
机床200例如是DMG森精机公司制的DMU系列、NTX系列等。遵循本实施方式的机床200包括用于连接校正装置250的接口248，该校正装置250用于对该机床200的控制参数进行校正。作为一例，校正装置250是“3D Quick Set”。“3D Quick Set”是以下的工具套件：使用接触式探头和球体来测定枢轴的几何交叉，基于该测定结果来自动地校正机床200的主轴、平台的枢轴中心的误差。
遵循本实施方式的信息处理装置100从各种机床200收集校正装置250对控制参数进行校正的校正信息。更具体地说，机床200包括作为操作系统的CELOS 240，CELOS 240经由接口248从校正装置250获取校正装置250对控制参数进行校正的校正信息。CELOS 240将从校正装置250获取到的校正信息发送到信息处理装置100。
并行地，温度传感器206探测机床200内的结构要素的保养温度。优选的是，针对每个作为温度探测对象的结构要素设置温度传感器206。温度传感器206例如探测主轴的温度、用于保持工件的平台的温度、机座的温度、罐的温度等。由温度传感器206探测出的温度作为探测信息243发送到信息处理装置100。
信息处理装置100从各种机床200收集通过温度传感器206得到的探测信息243以及校正装置250的校正信息来作为收集数据，将通过温度传感器206得到的探测信息243与校正装置250的校正信息进行关联，在此基础上将这些信息储存到数据库124。之后，信息处理装置100对储存的探测信息与校正信息之间的相关关系进行机器学习。优选的是，按机床200的种类和保养部件的种类来进行该相关关系的机器学习。由此，信息处理装置100能够构建以下的算法：能够基于温度传感器的探测信息来在测定前估计出误差变大，信息处理装置100能够将该算法反馈给机床200。另外，机床200能够基于通过温度传感器得到的探测信息来准确地预测精度的劣化，从而能够估计使用校正装置250的时机。
如以上那样，信息处理装置100从各种机床200接收通过温度传感器206得到的探测信息以及校正装置250对控制参数进行校正的校正信息来作为收集数据。信息处理装置100将从机床200接收到的收集数据储存到数据库124。之后，信息处理装置100基于数据库124中储存的收集数据来对通过温度传感器206得到的探测信息与校正装置250的校正信息之间的相关关系进行机器学习。
此外，在上述内容中，对收集通过温度传感器206得到的探测信息以及校正装置250对控制参数进行校正的校正信息的例子进行了说明，但是也可以还收集其它信息。例如，信息处理装置100也可以还收集表示机床200的工作状况的工作信息。
<第六实施方式>
[概要]
为了防止因突然的故障引起的生产率的降低，用户需要定期地进行保养部件的更换等。此时，为了诊断是否应该更换保养部件，需要专门的知识和经验，因此用户需要委托维护负责人进行保养部件的诊断。维护负责人有时对机床200进行分解从而通过目视来确认保养部件，因此使机床200长时间地停止。另外，在委托维护负责人进行保养部件的诊断的情况下，成本也变高。为了解决这些问题，遵循本实施方式的信息处理装置100提供以下功能：用户自身能够进行机床200的定期诊断。
遵循第六实施方式的信息处理装置100的其它方面与遵循第一实施方式的信息处理装置100相同，因此下面不重复说明这些方面。
[诊断处理]
下面，参照图17～图19来说明由遵循第六实施方式的信息处理装置100进行的学习处理。图17是表示遵循第六实施方式的信息处理装置100与机床200A、200B之间的数据的流动的时序图。
在步骤S80中，信息处理装置100定期地从机床200A接收通过机床200A的传感器得到的探测信息来作为收集数据。接收到的收集数据被保存到数据库124(参照图3)。同样地，信息处理装置100定期地从机床200B接收通过机床200B的传感器得到的探测信息来作为收集数据。接收到的收集数据被保存到数据库124(参照图3)。
在步骤S82中，信息处理装置100基于从用户处受理了学习指示这一情况，来执行数据库124中储存的收集数据的学习处理。其结果，信息处理装置100按传感器的种类来学习探测信息的正常范围。作为一例，信息处理装置100按传感器的种类来计算探测信息的平均值和标准偏差，将从平均值减去标准偏差的规定倍所得到的下限值与使平均值加上标准偏差的规定倍所得到的上限值之间的范围作为正常范围来学习。
图18是表示通过信息处理装置100的学习处理而得到的学习结果126A的一例的图。在学习结果126A中，按装置的种类和部件的种类来规定各传感器的探测信息的正常范围。学习结果126A例如被保存在信息处理装置100的存储装置120等中。
设为在步骤S84中机床200A受理了诊断处理的执行指示。此时，用户针对机床200A预先准备特定的尺寸和特定的材质的工件，执行自诊断程序。由此，机床200A执行为了自诊断而准备的NC程序，使用特定的工具来开始工件的加工。
在步骤S86中，机床200A在加工工件的过程中监视传感器的探测信息，收集该探测信息。作为收集对象的探测信息例如包括对主轴进行驱动的电动机的负荷变动、主轴的温度变动、冷却材料的温度变动、主轴的振动、与XYAB轴等工具的轨迹关联的电动机的负荷变动、以及与XYAB轴等工具的轨迹关联的编码器轨迹数据等。
在步骤S88中，机床200A向信息处理装置100发送通过步骤S86收集到的探测信息。此外，也可以在步骤S86中的工件的加工结束后利用机床200A内的测量单元(例如，接触式探头等)来测量工件的特定部位的形状，在该情况下，还将该测量结果发送到机床200A。
在步骤S90中，信息处理装置100基于从机床200A接收到的探测信息来进行机床200A的诊断。更具体地说，信息处理装置100参照通过步骤S82的学习处理而得到的学习结果126A，来判断各探测信息的种类是否包含于正常范围，基于该判断结果来诊断机床200A。作为一例，信息处理装置100将机床200A的振动状态、机床200A的温度变动范围、机床200A的象限突起(齿轮间隙)、机床200A的各轴的动作负荷等与由学习结果126A规定的正常范围进行比较。
在步骤S92中，信息处理装置100将作为步骤S90中的诊断结果而得到的诊断记录发送到机床200A。
在步骤S94中，机床200A显示从信息处理装置100接收到的诊断结果。
图19是表示机床200A的显示器210所显示的诊断结果画面260的一例的图。
如图19所示，诊断结果画面260表示呈现出各探测信息的正常水平的判定结果。另外，针对脱离正常范围的探测信息，呈现了对策方法(例如，调整、更换部件、联络制造商等)。并且，针对正常范围内的探测信息，根据与过去的数据相比的变化程度来呈现了产生故障的时期的预测。
优选的是，信息处理装置100在每次执行诊断处理时，存储作为诊断结果而得到的诊断记录。由此，信息处理装置100能够储存大量的诊断记录，通过结合维护记录来进行机器学习，能够估计将来的故障产生概率。
如以上那样，信息处理装置100从各种机床200接收通过机床200内的多个传感器中的各传感器得到的探测信息来作为收集数据。信息处理装置100将从机床200接收到的收集数据储存到数据库124。信息处理装置100基于数据库124中储存的收集数据，按传感器的种类来学习探测信息的正常范围。之后，信息处理装置100在从任意的机床接收到该机床的诊断的执行指示的情况下，从该机床接收通过该机床内的传感器得到的探测信息，参照上述学习处理的学习结果，来诊断接收到的该探测信息各自是否收敛于对应的正常范围。信息处理装置100向作为诊断处理的执行指示的发送源的机床发送诊断结果。
由此，用户能够在空闲的时间容易地进行机床200的诊断，能够减少维护负责人定期诊断的次数。另外，所储存的诊断结果能够灵活使用于故障预测。
<第七实施方式>
[概要]
在遵循第一实施方式的信息处理系统1中，信息处理装置100和机床200属于同一网络。与此相对，在遵循第七实施方式的信息处理系统1中，信息处理装置100和机床200不属于同一网络。
遵循第七实施方式的信息处理装置100的其它方面与遵循第一实施方式的信息处理装置100相同，因此下面不重复说明这些方面。
[信息处理系统1的系统结构]
参照图20来说明遵循第七实施方式的信息处理系统1的系统结构。图20是表示遵循第七实施方式的信息处理系统1的系统结构的一例的图。
信息处理系统1例如由信息处理装置100、机床200A～200C、PC 300以及通信终端500A～500C构成。
机床200A～200C和PC 300经由网络NW1来相互连接。信息处理装置100与机床200A～200C未直接进行网络连接。通过将信息处理装置100和机床200A～200C的网络进行分离，能够担保安全性。
在本实施方式中，作为收集对象的信息经由通信终端500A～500C从机床200被发送到信息处理装置100。通信终端500A例如是通信适配器。作为通信终端500A，例如能够采用MMLink(注册商标)等。通信终端500B、500C是智能电话、平板电脑等便携终端。
<第八实施方式>
在上述内容中，对信息处理装置100从机床200收集传感器的探测信息等的例子进行了说明，但是也可以收集其它信息。图21是表示信息处理装置100从机床200收集的收集数据125的一例的图。信息处理装置100除了收集上述的信息以外，还从机床200收集由收集数据125示出的各种信息。
<总结>
遵循某个方面，信息处理方法包括与多个机床进行通信的通信步骤。上述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过上述传感器得到的探测信息来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；以及学习步骤，基于上述存储部中保存的多个上述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
优选的是，上述通信步骤包括以下步骤：从上述多个机床中的各机床接收包含该机床的部件的更换时机的上述部件信息以及到该部件的更换时机为止的通过上述传感器得到的探测信息来作为上述收集数据。上述学习步骤包括以下步骤：基于上述存储部中保存的多个上述收集数据，来学习机床的部件的更换时机与通过该机床内的传感器得到的探测信息之间的相关关系。上述信息处理方法还具备寿命估计部，该寿命估计部用于在从上述多个机床以及其它机床中的任一个机床新接收到通过上述传感器得到的探测信息的情况下，参照上述相关关系来确定与新接收到的该探测信息对应的部件的更换时机，基于确定出的该更换时机来估计该部件的寿命。
优选的是，上述通信步骤包括以下步骤：从上述多个机床中的各机床接收包含该机床的部件的故障时机的上述部件信息以及到该部件的故障时机为止的通过上述传感器得到的探测信息来作为上述收集数据。上述学习步骤包括以下步骤：基于上述存储部中保存的多个上述收集数据，来学习机床的部件的故障时机与通过该机床内的传感器得到的探测信息之间的相关关系。上述信息处理方法还包括以下步骤：在从上述多个机床以及其它机床中的任一个机床新接收到通过上述传感器得到的探测信息的情况下，参照上述相关关系来确定与新接收到的该探测信息对应的部件的故障时机，基于确定出的该故障时机来判定该部件的更换时机。
遵循其它方面，信息处理方法包括与多个机床进行通信的通信步骤。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收在该机床中产生的警报的内容以及在产生该警报时针对该机床进行的对策方法来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；以及学习步骤，基于上述存储部中保存的多个上述收集数据，按上述警报的种类来学习该警报与针对该警报的对策方法之间的相关关系。
优选的是，上述信息处理方法还包括以下步骤：在从上述多个机床以及其它机床中的任一个机床新接收到在该机床中产生的警报的情况下，参照上述相关关系来确定用于应对新接收到的该警报的对策方法，并输出确定出的该对策方法。
遵循其它方面，信息处理方法包括与多个机床进行通信的通信步骤。上述多个机床中的各机床包括：传感器，其用于探测与该机床有关的信息来作为探测信息；以及推荐功能，其用于推荐用于使该机床的主轴的振动减轻的控制参数的推荐条件的候选。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收通过上述传感器得到的探测信息、从上述候选中选择出的推荐条件、以及表示上述振动是否由于对该机床设定该推荐条件下的控制参数而被减轻的结果来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；以及学习步骤，基于上述存储部中保存的多个上述收集数据，来学习通过机床内的传感器得到的探测信息、从上述候选中选择出的推荐条件以及上述结果之间的相关关系。
遵循其它方面，信息处理方法包括与多个机床进行通信的通信步骤。上述多个机床中的各机床包括：传感器，其用于探测与该机床有关的信息来作为探测信息；以及接口，其用于与用于对该机床的控制参数进行校正的校正装置进行连接。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收通过上述传感器得到的探测信息以及上述校正装置对上述控制参数进行校正的校正信息来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；以及学习步骤，基于上述存储部中保存的多个上述收集数据，来学习通过机床内的传感器得到的探测信息与上述校正装置的校正信息之间的相关关系。
遵循其它方面，信息处理方法包括与多个机床进行通信的通信步骤。上述多个机床中的各机床包括用于探测与该机床有关的不同的信息的多个传感器。上述通信步骤包括以下步骤：从上述多个机床中的各机床接收通过该机床内的上述多个传感器中的各传感器得到的探测信息来作为收集数据。上述信息处理方法还包括以下步骤：保存步骤，将从上述多个机床中的各机床接收到的上述收集数据保存到存储部；学习步骤，基于上述存储部中保存的多个上述收集数据，按上述多个传感器的种类来学习探测信息的正常范围；诊断步骤，在从上述多个机床以及其它机床中的任一个机床接收到诊断的执行指示的情况下，从该机床接收通过该机床内的上述多个传感器得到的探测信息，参照上述学习步骤中的学习结果，来诊断接收到的该探测信息各自是否收敛于对应的正常范围；以及发送步骤，将上述诊断步骤中的诊断结果发送到作为上述执行指示的发送源的机床。
遵循其它方面，信息处理系统具备信息处理装置以及能够与上述信息处理装置进行通信的多个机床。上述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器。上述信息处理装置具备：通信部，其用于从上述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过上述传感器得到的探测信息来作为收集数据；存储部，其用于保存从上述多个机床中的各机床接收到的上述收集数据；以及学习部，其用于基于上述存储部中保存的多个上述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
遵循其它方面，信息处理装置具备用于与多个机床进行通信的通信部。上述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器。上述通信部从上述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过上述传感器得到的探测信息来作为收集数据。上述信息处理装置还具备：存储部，其用于保存从上述多个机床中的各机床接收到的上述收集数据；以及学习部，其用于基于上述存储部中保存的多个上述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
应该认为本次公开的实施方式在所有方面都是例示性的而不是限制性的。本发明的范围是由权利要求书表示，而不是由上述的说明表示，意图包括与权利要求书等同的含义和范围内的所有变更。
附图标记说明
1：信息处理系统；100：信息处理装置；101、201：控制装置；102、202：ROM；103、203：RAM；104、204：通信接口；105、205：显示接口；106、209：输入接口；110、210：显示器；111：输入设备；120、220：存储装置；122：信息处理程序；124、124A、124B：数据库；125、125A～125P：收集数据；126：相关关系；126A：学习结果；152：通信部；154：学习部；156：寿命估计部；158：故障判定部；200A～200D：机床；206：温度传感器；207：加速度传感器；208：电流传感器；222：控制程序；230、231：输入区域；232：登记按钮；233：取消按钮；241：FFT部；243：探测信息；245：推荐条件；246：动作结果；248：接口；250：校正装置；260：诊断结果画面；300A、300B、500A～500C：通信终端；401：路由器。

Claims (10)

1.一种信息处理方法，
所述信息处理方法包括通信步骤，在所述通信步骤中，与多个机床进行通信，
所述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器，
所述通信步骤包括以下步骤：从所述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过所述传感器得到的探测信息来作为收集数据，
所述信息处理方法还包括以下步骤：
保存步骤，将从所述多个机床中的各机床接收到的所述收集数据保存到存储部；以及
学习步骤，基于所述存储部中保存的多个所述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
2.根据权利要求1所述的信息处理方法，其特征在于，
所述通信步骤包括以下步骤：从所述多个机床中的各机床接收包含该机床的部件的更换时机的所述部件信息以及到该部件的更换时机为止的通过所述传感器得到的探测信息来作为所述收集数据，
所述学习步骤包括以下步骤：基于所述存储部中保存的多个所述收集数据，来学习机床的部件的更换时机与通过该机床内的传感器得到的探测信息之间的相关关系，
所述信息处理方法还具备寿命估计部，所述寿命估计部用于在从所述多个机床以及其它机床中的任一个机床新接收到通过所述传感器得到的探测信息的情况下，参照所述相关关系来确定与新接收到的该探测信息对应的部件的更换时机，基于确定出的该更换时机来估计该部件的寿命。
3.根据权利要求1所述的信息处理方法，其特征在于，
所述通信步骤包括以下步骤：从所述多个机床中的各机床接收包含该机床的部件的故障时机的所述部件信息以及到该部件的故障时机为止的通过所述传感器得到的探测信息来作为所述收集数据，
所述学习步骤包括以下步骤：基于所述存储部中保存的多个所述收集数据，来学习机床的部件的故障时机与通过该机床内的传感器得到的探测信息之间的相关关系，
所述信息处理方法还包括以下步骤：在从所述多个机床以及其它机床中的任一个机床新接收到通过所述传感器得到的探测信息的情况下，参照所述相关关系来确定与新接收到的该探测信息对应的部件的故障时机，基于确定出的该故障时机来判定该部件的更换时机。
4.一种信息处理方法，
所述信息处理方法包括通信步骤，在所述通信步骤中，与多个机床进行通信，
所述通信步骤包括以下步骤：从所述多个机床中的各机床接收在该机床中产生的警报的内容以及在产生该警报时针对该机床进行的对策方法来作为收集数据，
所述信息处理方法还包括以下步骤：
保存步骤，将从所述多个机床中的各机床接收到的所述收集数据保存到存储部；以及
学习步骤，基于所述存储部中保存的多个所述收集数据，按所述警报的种类来学习该警报与针对该警报的对策方法之间的相关关系。
5.根据权利要求4所述的信息处理方法，其特征在于，
所述信息处理方法还包括以下步骤：在从所述多个机床以及其它机床中的任一个机床新接收到在该机床中产生的警报的情况下，参照所述相关关系来确定用于应对新接收到的该警报的对策方法，并输出确定出的该对策方法。
6.一种信息处理方法，
所述信息处理方法包括通信步骤，在所述通信步骤中，与多个机床进行通信，
所述多个机床中的各机床包括：
传感器，其用于探测与该机床有关的信息来作为探测信息；以及
推荐功能，其用于推荐用于使该机床的主轴的振动减轻的控制参数的推荐条件的候选，
所述通信步骤包括以下步骤：从所述多个机床中的各机床接收通过所述传感器得到的探测信息、从所述候选中选择出的推荐条件、以及表示所述振动是否由于对该机床设定该推荐条件下的控制参数而被减轻的结果来作为收集数据，
所述信息处理方法还包括以下步骤：
保存步骤，将从所述多个机床中的各机床接收到的所述收集数据保存到存储部；以及
学习步骤，基于所述存储部中保存的多个所述收集数据，来学习通过机床内的传感器得到的探测信息、从所述候选中选择出的推荐条件以及所述结果之间的相关关系。
7.一种信息处理方法，
所述信息处理方法包括通信步骤，在所述通信步骤中，与多个机床进行通信，
所述多个机床中的各机床包括：
传感器，其用于探测与该机床有关的信息来作为探测信息；以及
接口，其用于与用于对该机床的控制参数进行校正的校正装置进行连接，
所述通信步骤包括以下步骤：从所述多个机床中的各机床接收通过所述传感器得到的探测信息以及所述校正装置对所述控制参数进行校正的校正信息来作为收集数据，
所述信息处理方法还包括以下步骤：
保存步骤，将从所述多个机床中的各机床接收到的所述收集数据保存到存储部；以及
学习步骤，基于所述存储部中保存的多个所述收集数据，来学习通过机床内的传感器得到的探测信息与所述校正装置的校正信息之间的相关关系。
8.一种信息处理方法，
所述信息处理方法包括通信步骤，在所述通信步骤中，与多个机床进行通信，
所述多个机床中的各机床包括用于探测与该机床有关的不同的信息的多个传感器，
所述通信步骤包括以下步骤：从所述多个机床中的各机床接收通过该机床内的所述多个传感器中的各传感器得到的探测信息来作为收集数据，
所述信息处理方法还包括以下步骤：
保存步骤，将从所述多个机床中的各机床接收到的所述收集数据保存到存储部；
学习步骤，基于所述存储部中保存的多个所述收集数据，按所述多个传感器的种类来学习探测信息的正常范围；
诊断步骤，在从所述多个机床以及其它机床中的任一个机床接收到诊断的执行指示的情况下，从该机床接收通过该机床内的所述多个传感器得到的探测信息，参照所述学习步骤中的学习结果，来诊断接收到的该探测信息各自是否收敛于对应的正常范围；以及
发送步骤，将所述诊断步骤中的诊断结果发送到作为所述执行指示的发送源的机床。
9.一种信息处理系统，具备：
信息处理装置；以及
能够与所述信息处理装置进行通信的多个机床，
所述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器，
所述信息处理装置具备：
通信部，其用于从所述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过所述传感器得到的探测信息来作为收集数据；
存储部，其用于保存从所述多个机床中的各机床接收到的所述收集数据；以及
学习部，其用于基于所述存储部中保存的多个所述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
10.一种信息处理装置，
所述信息处理装置具备用于与多个机床进行通信的通信部，
所述多个机床中的各机床包括用于探测与该机床有关的信息来作为探测信息的传感器，
所述通信部从所述多个机床中的各机床接收与该机床的部件有关的部件信息以及通过所述传感器得到的探测信息来作为收集数据，
所述信息处理装置还具备：
存储部，其用于保存从所述多个机床中的各机床接收到的所述收集数据；以及
学习部，其用于基于所述存储部中保存的多个所述收集数据来学习机床的部件信息与通过该机床内的传感器得到的探测信息之间的相关关系。
CN201780075823.2A 2016-12-09 2017-08-24 信息处理方法、信息处理系统以及信息处理装置 Active CN110088699B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016239830A JP6675297B2 (ja) 2016-12-09 2016-12-09 情報処理方法、情報処理システム、および情報処理装置
JP2016-239830 2016-12-09
PCT/JP2017/030288 WO2018105175A1 (ja) 2016-12-09 2017-08-24 情報処理方法、情報処理システム、および情報処理装置

Publications (2)

Publication Number Publication Date
CN110088699A true CN110088699A (zh) 2019-08-02
CN110088699B CN110088699B (zh) 2022-06-28

Family

ID=62491471

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780075823.2A Active CN110088699B (zh) 2016-12-09 2017-08-24 信息处理方法、信息处理系统以及信息处理装置

Country Status (6)

Country Link
US (1) US11897068B2 (zh)
EP (1) EP3553613B1 (zh)
JP (1) JP6675297B2 (zh)
KR (1) KR102407484B1 (zh)
CN (1) CN110088699B (zh)
WO (1) WO2018105175A1 (zh)

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6603272B2 (ja) * 2017-07-18 2019-11-06 ファナック株式会社 情報収集装置及び情報収集方法
TWI684080B (zh) * 2018-06-21 2020-02-01 高聖精密機電股份有限公司 智慧型調整系統及其方法
JP6589018B1 (ja) * 2018-07-03 2019-10-09 Dmg森精機株式会社 測定方法
JP2020015148A (ja) * 2018-07-26 2020-01-30 三菱マテリアル株式会社 切削管理システム、及び切削管理方法
JP7216986B2 (ja) * 2018-08-27 2023-02-02 有限会社藤川樹脂 画像生成装置、画像生成表示システム及び画像生成方法
JP6893750B2 (ja) * 2018-09-14 2021-06-23 株式会社日本製鋼所 射出成形機、射出成形機の状態報知システム、射出成形機の状態報知方法
JP2020060862A (ja) * 2018-10-05 2020-04-16 ファナック株式会社 工作機械、及び工作機械の認証システム
JP2020066062A (ja) * 2018-10-22 2020-04-30 ファナック株式会社 異常監視装置および異常判定方法
JPWO2020149316A1 (ja) * 2019-01-15 2021-11-25 株式会社山本金属製作所 工作機械の外部処理システム
JP6806384B2 (ja) * 2019-01-16 2021-01-06 株式会社三葉電熔社 故障予測システム
JP2020126430A (ja) * 2019-02-04 2020-08-20 ファナック株式会社 保守時期予測装置
JP7428667B2 (ja) * 2019-02-07 2024-02-06 ギガフォトン株式会社 機械学習方法、消耗品管理装置、及びコンピュータ可読媒体
JP7233947B2 (ja) * 2019-02-13 2023-03-07 Ｄｇｓｈａｐｅ株式会社 デンタル加工機のエラー履歴表示システム
JP2020135007A (ja) * 2019-02-13 2020-08-31 セイコーエプソン株式会社 情報処理装置、学習装置及び学習済モデル
JP6959278B2 (ja) 2019-02-27 2021-11-02 ファナック株式会社 びびり振動判定装置、機械学習装置及びシステム
JP7132166B2 (ja) * 2019-04-04 2022-09-06 ファナック株式会社 数値制御装置及び数値制御システム
JP7000376B2 (ja) * 2019-04-23 2022-01-19 ファナック株式会社 機械学習装置、予測装置、及び制御装置
JP6875461B2 (ja) * 2019-07-05 2021-05-26 株式会社日立製作所 機械加工管理方法及び機械加工管理システム
JP7441652B2 (ja) 2020-01-10 2024-03-01 ユニ・チャーム株式会社 吸収性物品の製造装置に関する推定装置、吸収性物品の製造装置に関する推定方法、および吸収性物品の製造装置に関するプログラム
JP7372439B2 (ja) 2020-03-05 2023-10-31 ファナック株式会社 機械学習装置、予測装置、及び制御装置
US20230191513A1 (en) * 2020-05-25 2023-06-22 Fanuc Corporation Tool diagnostic device
JP2021193519A (ja) * 2020-06-08 2021-12-23 株式会社三葉電熔社 装置状態監視システム
JP6842591B1 (ja) * 2020-07-07 2021-03-17 Dmg森精機株式会社 工作機械、工作機械の制御方法、および、工作機械の制御プログラム
CN115348913B (zh) * 2020-07-10 2023-07-28 三菱电机株式会社 诊断装置、诊断方法及计算机可读取的非暂时性的记录介质
CN112399367A (zh) * 2020-11-06 2021-02-23 哈尔滨师范大学 一种抗干扰的大型设备结构安全检测方法
JP2022117231A (ja) * 2021-01-29 2022-08-10 三菱重工業株式会社 対処法提示システム、対処法提示方法およびプログラム
JP6990332B1 (ja) 2021-02-25 2022-01-14 Dmg森精機株式会社 工作機械
JP2023055161A (ja) * 2021-10-05 2023-04-17 株式会社荏原製作所 情報処理装置、推論装置、機械学習装置、情報処理方法、推論方法、及び、機械学習方法

Citations (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9018871D0 (en) * 1989-09-01 1990-10-17 Hitachi Ltd Learning type decision support system
EP0467297A2 (en) * 1990-07-17 1992-01-22 Toyoda Koki Kabushiki Kaisha Intelligent machining system
EP0544650A1 (en) * 1985-08-27 1993-06-02 HENKEL CORPORATION (a Delaware Corp.) A process for phosphate-coating metal surfaces
WO1995009387A1 (en) * 1993-09-29 1995-04-06 Dow Benelux N.V. Operator station for manufacturing process control system and method for monitoring and controlling a manufacturing process
WO1997045203A1 (en) * 1996-05-31 1997-12-04 Baker Hughes Incorporated Method and apparatus for controlling froth flotation machines
JPH10187228A (ja) * 1996-12-20 1998-07-14 Toshiba Corp プラント運転支援装置
US6278920B1 (en) * 2000-06-19 2001-08-21 James O. Hebberd Method for analyzing and forecasting component replacement
JP2002530768A (ja) * 1998-11-25 2002-09-17 フェデラル−モーグル コーポレイション 診断ルールベースツール状態モニタシステム
JP2004086338A (ja) * 2002-08-23 2004-03-18 Toshiba Corp 警報制御処理装置
CN1743654A (zh) * 2004-08-31 2006-03-08 三菱电机株式会社 车载电子控制装置
US20060256714A1 (en) * 2005-05-11 2006-11-16 Fujitsu Limited Message abnormality automatic detection device, method and program
US20080097945A1 (en) * 2006-08-09 2008-04-24 The University Of North Carolina At Chapel Hill Novelty detection systems, methods and computer program products for real-time diagnostics/prognostics in complex physical systems
CN101221415A (zh) * 2007-01-10 2008-07-16 株式会社日立制作所 设备控制装置
US20080201116A1 (en) * 2007-02-16 2008-08-21 Matsushita Electric Industrial Co., Ltd. Surveillance system and methods
CN101359228A (zh) * 2008-09-09 2009-02-04 张东来 基于驱动端电流变化的电磁控制元件故障诊断方法及装置
JP2009070071A (ja) * 2007-09-12 2009-04-02 Toshiba Corp 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置
US20100238183A1 (en) * 2009-03-18 2010-09-23 Sony Corporation Information processing apparatus and information processing method
US20110013915A1 (en) * 2009-07-17 2011-01-20 Fuji Xerox Co., Ltd. Consumable management system and image forming apparatus
WO2011086805A1 (ja) * 2010-01-14 2011-07-21 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
CN102156447A (zh) * 2010-12-03 2011-08-17 中冶南方工程技术有限公司 基于基础自动化的工厂级设备管理和报警系统及方法
KR20110092220A (ko) * 2010-02-08 2011-08-17 캐논 가부시끼가이샤 관리 시스템, 감시장치 및 그 방법
US20110208456A1 (en) * 2010-02-25 2011-08-25 Echostar Technologies L.L.C. Apparatus, systems and methods for learning a critical voltage of a microprocessor control unit
US20110285499A1 (en) * 2010-05-18 2011-11-24 Mori Seiki Co., Ltd. Electronic equipment, and restriction removal method
US20120166142A1 (en) * 2009-09-07 2012-06-28 Hitachi, Ltd. Anomaly Detection and Diagnosis/Prognosis Method, Anomaly Detection and Diagnosis/Prognosis System, and Anomaly Detection and Diagnosis/Prognosis Program
US20140047064A1 (en) * 2012-08-09 2014-02-13 Rockwell Automation Technologies, Inc. Remote industrial monitoring using a cloud infrastructure
US20140200873A1 (en) * 2013-01-11 2014-07-17 International Business Machines Corporation Online learning using information fusion for equipment predictive maintenance in railway operations
US20140351642A1 (en) * 2013-03-15 2014-11-27 Mtelligence Corporation System and methods for automated plant asset failure detection
CN104428726A (zh) * 2013-07-13 2015-03-18 费斯托股份有限两合公司 数据采集单元以及自动化系统
CN104440120A (zh) * 2013-09-13 2015-03-25 Dmg森精机株式会社 一种nc工具机的操作装置
CN104612957A (zh) * 2015-02-02 2015-05-13 中国石油集团川庆钻探工程有限公司长庆井下技术作业公司 一种压裂泵车液力端在线监测系统
US20150169393A1 (en) * 2013-12-13 2015-06-18 Hitachi High-Technologies Corporation Anomaly detecting method, and apparatus for the same
JP2015153914A (ja) * 2014-02-14 2015-08-24 オムロン株式会社 品質管理装置、品質管理方法、およびプログラム
CN104924092A (zh) * 2014-03-17 2015-09-23 德马吉森精机株式会社 机床以及用于控制机床的方法
WO2015161198A1 (en) * 2014-04-17 2015-10-22 Lockheed Martin Corporation Prognostics and health management system
JP2015203646A (ja) * 2014-04-15 2015-11-16 三菱重工業株式会社 工作機械の診断方法及びシステム
CN105384015A (zh) * 2015-12-16 2016-03-09 苏州大学 一种基于人脸识别和智能推荐的电梯控制系统
US20160170404A1 (en) * 2014-12-16 2016-06-16 Dmg Mori Co., Ltd. Tool life managing apparatus for stepped tool
EP3034216A1 (en) * 2014-12-18 2016-06-22 DMG Mori Co., Ltd. Milling cutter and machining method using the same
JP5937727B1 (ja) * 2015-05-22 2016-06-22 Dmg森精機株式会社 工具摩耗評価装置
US20160245686A1 (en) * 2015-02-23 2016-08-25 Biplab Pal Fault detection in rotor driven equipment using rotational invariant transform of sub-sampled 3-axis vibrational data
JP5997330B1 (ja) * 2015-07-31 2016-09-28 ファナック株式会社 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法
JP6031202B1 (ja) * 2016-01-29 2016-11-24 ファナック株式会社 製造機械の異常の原因を発見するセル制御装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6295510B1 (en) * 1998-07-17 2001-09-25 Reliance Electric Technologies, Llc Modular machinery data collection and analysis system
EP1043118A1 (en) 1998-08-28 2000-10-11 Mori Seiki Co., Ltd. Preparation of tool information database for nc machining and system for managing tools by utilizing the tool information database
AU2001265110A1 (en) 2000-06-19 2002-01-02 The Dow Chemical Company Rotating equipment diagnostic system and adaptive controller
EP1296211A4 (en) 2000-06-30 2004-09-08 Mori Seiki Seisakusho Kk NUMERICALLY CONTROLLED MACHINING SUPPORT SYSTEM
JP2003177815A (ja) 2001-12-07 2003-06-27 Komatsu Ltd 産業機械の保全システム
AR095272A1 (es) * 2013-03-14 2015-09-30 Fisher Controls Int Llc Pronóstico de válvula en función de análisis de laboratorio
KR101871940B1 (ko) * 2014-05-12 2018-06-27 한화에어로스페이스 주식회사 설비 이상 예측 모델의 구축방법 및 시스템
US10139311B2 (en) * 2014-09-26 2018-11-27 Palo Alto Research Center Incorporated Computer-implemented method and system for machine tool damage assessment, prediction, and planning in manufacturing shop floor
JP5992087B1 (ja) 2015-12-28 2016-09-14 ファナック株式会社 機械の保全計画を作成する予防保全管理システム

Patent Citations (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0544650A1 (en) * 1985-08-27 1993-06-02 HENKEL CORPORATION (a Delaware Corp.) A process for phosphate-coating metal surfaces
GB9018871D0 (en) * 1989-09-01 1990-10-17 Hitachi Ltd Learning type decision support system
EP0467297A2 (en) * 1990-07-17 1992-01-22 Toyoda Koki Kabushiki Kaisha Intelligent machining system
WO1995009387A1 (en) * 1993-09-29 1995-04-06 Dow Benelux N.V. Operator station for manufacturing process control system and method for monitoring and controlling a manufacturing process
WO1997045203A1 (en) * 1996-05-31 1997-12-04 Baker Hughes Incorporated Method and apparatus for controlling froth flotation machines
JPH10187228A (ja) * 1996-12-20 1998-07-14 Toshiba Corp プラント運転支援装置
JP2002530768A (ja) * 1998-11-25 2002-09-17 フェデラル−モーグル コーポレイション 診断ルールベースツール状態モニタシステム
US6278920B1 (en) * 2000-06-19 2001-08-21 James O. Hebberd Method for analyzing and forecasting component replacement
JP2004086338A (ja) * 2002-08-23 2004-03-18 Toshiba Corp 警報制御処理装置
CN1743654A (zh) * 2004-08-31 2006-03-08 三菱电机株式会社 车载电子控制装置
US20060256714A1 (en) * 2005-05-11 2006-11-16 Fujitsu Limited Message abnormality automatic detection device, method and program
US20080097945A1 (en) * 2006-08-09 2008-04-24 The University Of North Carolina At Chapel Hill Novelty detection systems, methods and computer program products for real-time diagnostics/prognostics in complex physical systems
CN101221415A (zh) * 2007-01-10 2008-07-16 株式会社日立制作所 设备控制装置
US20080201116A1 (en) * 2007-02-16 2008-08-21 Matsushita Electric Industrial Co., Ltd. Surveillance system and methods
JP2009070071A (ja) * 2007-09-12 2009-04-02 Toshiba Corp 学習型プロセス異常診断装置、およびオペレータ判断推測結果収集装置
CN101359228A (zh) * 2008-09-09 2009-02-04 张东来 基于驱动端电流变化的电磁控制元件故障诊断方法及装置
US20100238183A1 (en) * 2009-03-18 2010-09-23 Sony Corporation Information processing apparatus and information processing method
US20110013915A1 (en) * 2009-07-17 2011-01-20 Fuji Xerox Co., Ltd. Consumable management system and image forming apparatus
US20120166142A1 (en) * 2009-09-07 2012-06-28 Hitachi, Ltd. Anomaly Detection and Diagnosis/Prognosis Method, Anomaly Detection and Diagnosis/Prognosis System, and Anomaly Detection and Diagnosis/Prognosis Program
WO2011086805A1 (ja) * 2010-01-14 2011-07-21 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
KR20110092220A (ko) * 2010-02-08 2011-08-17 캐논 가부시끼가이샤 관리 시스템, 감시장치 및 그 방법
US20110208456A1 (en) * 2010-02-25 2011-08-25 Echostar Technologies L.L.C. Apparatus, systems and methods for learning a critical voltage of a microprocessor control unit
US20110285499A1 (en) * 2010-05-18 2011-11-24 Mori Seiki Co., Ltd. Electronic equipment, and restriction removal method
CN102156447A (zh) * 2010-12-03 2011-08-17 中冶南方工程技术有限公司 基于基础自动化的工厂级设备管理和报警系统及方法
US20140047064A1 (en) * 2012-08-09 2014-02-13 Rockwell Automation Technologies, Inc. Remote industrial monitoring using a cloud infrastructure
US20140200873A1 (en) * 2013-01-11 2014-07-17 International Business Machines Corporation Online learning using information fusion for equipment predictive maintenance in railway operations
US20140351642A1 (en) * 2013-03-15 2014-11-27 Mtelligence Corporation System and methods for automated plant asset failure detection
CN104428726A (zh) * 2013-07-13 2015-03-18 费斯托股份有限两合公司 数据采集单元以及自动化系统
CN104440120A (zh) * 2013-09-13 2015-03-25 Dmg森精机株式会社 一种nc工具机的操作装置
US20150169393A1 (en) * 2013-12-13 2015-06-18 Hitachi High-Technologies Corporation Anomaly detecting method, and apparatus for the same
JP2015153914A (ja) * 2014-02-14 2015-08-24 オムロン株式会社 品質管理装置、品質管理方法、およびプログラム
CN104924092A (zh) * 2014-03-17 2015-09-23 德马吉森精机株式会社 机床以及用于控制机床的方法
JP2015203646A (ja) * 2014-04-15 2015-11-16 三菱重工業株式会社 工作機械の診断方法及びシステム
WO2015161198A1 (en) * 2014-04-17 2015-10-22 Lockheed Martin Corporation Prognostics and health management system
US20160170404A1 (en) * 2014-12-16 2016-06-16 Dmg Mori Co., Ltd. Tool life managing apparatus for stepped tool
EP3034216A1 (en) * 2014-12-18 2016-06-22 DMG Mori Co., Ltd. Milling cutter and machining method using the same
CN104612957A (zh) * 2015-02-02 2015-05-13 中国石油集团川庆钻探工程有限公司长庆井下技术作业公司 一种压裂泵车液力端在线监测系统
US20160245686A1 (en) * 2015-02-23 2016-08-25 Biplab Pal Fault detection in rotor driven equipment using rotational invariant transform of sub-sampled 3-axis vibrational data
JP5937727B1 (ja) * 2015-05-22 2016-06-22 Dmg森精機株式会社 工具摩耗評価装置
JP5997330B1 (ja) * 2015-07-31 2016-09-28 ファナック株式会社 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法
CN105384015A (zh) * 2015-12-16 2016-03-09 苏州大学 一种基于人脸识别和智能推荐的电梯控制系统
JP6031202B1 (ja) * 2016-01-29 2016-11-24 ファナック株式会社 製造機械の異常の原因を発見するセル制御装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
J.BI,T.YU AND Q.LI: "A New Type of Computer Numerical Control", 《IEEE2006 INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION》 *
YUEH-LING LIN, CHIH-CHIEH LIN AND HUNG-SHENG CHI: "The development of intelligent service system for machine tool industry", 《2015 1ST INTERNATIONAL CONFERENCE ON INDUSTRIAL NETWORKS AND INTELLIGENT SYSTEMS (INISCOM)》 *
冯光升，王慧强，武俊鹏，赵 倩: "一种新的基于分布式入侵检测的警报聚类方法", 《武汉大学学报(理学版)》 *
廉书林: "基于灰色理论与神经网络的油液污染和机械磨损状况研究", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
张德阳: "Eole系统算法推荐及数据可视化的设计与实现", 《中国优秀博硕士学位论文全文数据库(硕士)》 *
王增权: "基于移动Agent的协同式后入侵检测技术研究", 《中国优秀博硕士学位论文全文数据库(博士)》 *
肖兵: "递阶模糊泛模型控制器及其在燃烧过程控制的应用", 《中国优秀博硕士学位论文全文数据库(博士)》 *

Also Published As

Publication number Publication date
US11897068B2 (en) 2024-02-13
KR20190093604A (ko) 2019-08-09
US20200061768A1 (en) 2020-02-27
JP2018097494A (ja) 2018-06-21
WO2018105175A1 (ja) 2018-06-14
KR102407484B1 (ko) 2022-06-13
EP3553613A4 (en) 2020-12-23
JP6675297B2 (ja) 2020-04-01
CN110088699B (zh) 2022-06-28
EP3553613B1 (en) 2024-02-28
EP3553613A1 (en) 2019-10-16

Similar Documents

Publication Publication Date Title
CN110088699A (zh) 信息处理方法、信息处理系统以及信息处理装置
JP3780508B2 (ja) 工作機械の異常診断装置、異常診断方法及び異常診断プログラム
JP7107830B2 (ja) 学習用データ確認支援装置、機械学習装置、故障予知装置
CN107614214B (zh) 故障诊断装置及故障诊断方法
US20130197854A1 (en) System and method for diagnosing machine tool component faults
CN107272586A (zh) 机械学习装置、机械学习方法、故障预知装置及系统
EP2510443B1 (en) Automation management system and method
US10402246B2 (en) Method for generating a machine heartbeat
CN110347124A (zh) 利用了网络的诊断服务系统以及诊断方法
NO342597B1 (no) System for overvåkning og administrering av vedlikehold av utstyrskomponenter
CN108073154A (zh) 信息处理装置、信息处理方法及记录介质
CN113853275B (zh) 基板处理系统
CN110187694A (zh) 故障预测装置以及机器学习装置
CN111098463A (zh) 一种注塑机故障诊断系统及诊断方法
CN105607615B (zh) 一种故障诊断系统
CN112947356A (zh) 控制方法、控制装置、机械装备和记录介质
WO2014054051A1 (en) Health monitoring system for a process plant and a method thereof
CN113762586A (zh) 在特定事件情境中设施状态和运行模式的识别
JP2018088177A (ja) 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム
NO320468B1 (no) System for overvakning og administrasjon av vedlikehold av utstyrskomponenter
JPWO2018051568A1 (ja) プラント異常診断装置及びプラント異常診断システム
JP2021018537A (ja) 工作機械における診断モデルの再学習要否判定方法及び再学習要否判定装置、再学習要否判定プログラム
CN115348913B (zh) 诊断装置、诊断方法及计算机可读取的非暂时性的记录介质
KR20230140875A (ko) 공작기계 상태진단 장치 및 방법
JP7154100B2 (ja) 工作機械の加工異常検出装置

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