CN110543141A - 诊断装置、诊断方法以及诊断程序 - Google Patents

Abstract

本发明提供一种诊断装置、诊断方法以及诊断程序，其能够确定加工不良的因素。诊断装置(1)具有：收集部(101)，其收集加工机(2)运转时输出的机械数据；特征提取部(102)，其按输入的加工不良的因素对机械数据进行分类，并按该因素从机械数据的集合中提取特征量；以及判定部(103)，其将加工机(2)实际加工时输出的机械数据的特征量与按因素的特征量进行比较，根据吻合度来判定加工不良的因素。

Description

诊断装置、诊断方法以及诊断程序

技术领域

本发明涉及诊断加工状态的装置、方法以及程序。

背景技术

以往，为了降低机械加工的不良进行了各种努力。

例如，在专利文献1中提出了如下技术：通过将正常加工时的负载转矩模式与实际加工时的负载转矩模式进行比较，来判定加工的异常。

此外，在专利文献2中，提出了如下技术：根据正常加工时的负载转矩模式和加工尺寸数据来生成主数据，通过将该主数据与实际加工数据进行比较来判定加工的异常。

作为加工不良的因素，存在错误地进行设定而开始加工等的人为因素、基于工具磨损的工具因素、基于工件的材料不良的工件因素、基于夹具的固定不良的夹具因素、基于机械的磨损或热变形等的机械因素等。

例如，当存在错误地进行设定这样的人为因素时，由于没有进行正确的加工，因此必须立即停止加工。此外，在工具因素中，根据磨损的程度，有时可以在当前进行的加工结束之后更换工具。在实际的加工现场，如此根据不良因素而采取不同的对策，把损害限制为最小限度尤为重要。

但是，像以往那样，在通过检测实际加工时的电动机负载转矩等来发现加工不良的技术中，无法识别加工不良的因素。

专利文献1：日本特开2000-84797号公报

专利文献2：日本特开2003-271212号公报

发明内容

本发明的目的在于提供一种能够确定加工不良的因素的诊断装置、诊断方法以及诊断程序。

(1)本发明的诊断装置(例如，后述的诊断装置1)具有：收集部(例如，后述的收集部101)，其收集加工机(例如，后述的加工机2)运转时输出的机械数据；特征提取部(例如，后述的特征提取部102)，其按所输入的加工不良的因素对所述机械数据进行分类，并按该因素从所述机械数据的集合中提取特征量；以及判定部(例如，后述的判定部103)，其将所述加工机实际加工时输出的所述机械数据的特征量与按所述因素的特征量进行比较，根据吻合度来判定加工不良的因素。

(2)在(1)所记载的诊断装置中，可以使所述收集部还收集对所述加工机加工后的部件进行测定而得到的测定数据，所述特征提取部按所述因素对所述测定数据进行分类，并按该因素从所述机械数据和所述测定数据的集合中提取特征量，所述判定部将所述加工机实际加工时输出的所述机械数据以及加工后的所述测定数据的特征量与按所述因素的特征量进行比较，根据吻合度来判定加工不良的因素。

(3)在(2)所记载的诊断装置中，可以通过加工时的坐标值将所述机械数据和所述测定数据对应起来。

(4)(1)～(3)中的任一项所记载的诊断装置可以具有信号变换部(例如后述的物理接口E)，其将用于传送所述收集部收集的数据的电信号变换为预定的标准信号。

(5)(1)～(4)中的任一项所记载的诊断装置可以具有数据结构变换部(例如，后述的软件接口S)，其将所述收集部收集的数据的结构变换为预定的标准形式。

(6)(1)～(5)中的任一项所记载的诊断装置可以具有输出部(例如，后述的输出部104)，其按所述因素将所述判定部的判定结果与加工的进展状况一起进行更新并输出。

(7)(1)～(5)中的任一项所记载的诊断装置可以具有输出部(例如，后述的输出部104)，其将所述判定部针对多个所述加工机中的各个加工机的全部判定结果与加工的进展状况一起进行更新并输出。

(8)本发明的诊断方法由计算机(例如，后述的诊断装置1)执行以下步骤：数据收集步骤，收集加工机(例如，后述的加工机2)运转时输出的机械数据；特征提取步骤，其按所输入的加工不良的因素对所述机械数据进行分类，并按该因素从所述机械数据的集合中提取特征量；以及判定步骤，其将所述加工机实际加工时输出的所述机械数据的特征量与按所述因素的特征量进行比较，根据吻合度来判定加工不良的因素。

(9)本发明的诊断程序用于使计算机(例如，后述的诊断装置1)执行以下步骤：数据收集步骤，收集加工机(例如，后述的加工机2)运转时输出的机械数据；特征提取步骤，其按所输入的加工不良的因素对所述机械数据进行分类，并按该因素从所述机械数据的集合中提取特征量；以及判定步骤，其将所述加工机实际加工时输出的所述机械数据的特征量与按所述因素的特征量进行比较，根据吻合度来判定加工不良的因素。

根据本发明能够确定加工的不良因素。

附图说明

图1是表示实施方式的诊断装置的功能结构的框图。

图2是表示实施方式的加工机的控制装置所具有的主要功能的结构的框图。

图3是表示实施方式的测定器的控制装置所具有的主要功能的结构的框图。

图4例示实施方式的包含加工不良因素的检查结果的输入画面。

图5表示实施方式的在存储部中存储的数据库的结构例。

图6例示实施方式的诊断方法中使用的测定数据。

图7例示实施方式的诊断结果的显示画面。

图8例示实施方式的包含诊断结果在内的监视画面。

符号说明

E 物理接口(信号变换部)

S 软件接口(数据结构变换部)

1 诊断装置

2 加工机

3 测定器

4 客户终端

10 CPU

11 存储部

101 收集部

102 特征提取部

103 判定部

104 输出部

具体实施方式

以下，对本发明的实施方式的一例进行说明。

图1是表示本实施方式的诊断装置1的功能结构的框图。

诊断装置1能够连接至少一台加工机2和至少一台测定器3。

诊断装置1是个人计算机或服务器装置等信息处理装置(计算机)，除了作为控制部的CPU10和存储部11之外还具有各种输入输出设备和通信接口。

诊断装置1为了连接多台加工机2或测定器3而具有物理接口E，物理接口E作为与这些各机械所采用的连接器以及电气规格相适应的信号变换部。把经由物理接口E从各机械传送的电信号变换为预定的标准信号。例如，作为标准的通信规格，可以采用以太网。另外，该物理接口E也可以外接。

此外，诊断装置1具有软件接口S，软件接口S作为将根据经由物理接口E输入的电信号得到的数据的结构变换为预定的标准形式的数据结构变换部。

另外，可以由CPU10进行软件接口S的数据格式的变换。数据结构变换部中包含在EtherNet/IP、EtherCAT、OPC等协议之间变换差异的结构以及从通过通信而得到的数据中使相同意义的数据的单位系统一致，或汇集相同意义的数据的软件模块。

物理接口E和软件接口S能够双向进行变换。还能够从诊断装置1将与加工相关的信息以及诊断结果等返回给加工机2，加工机2根据该诊断结果来修正加工。此外，测定器3也能够从诊断装置1取得与测定相关的信息以及与测定结果相关的信息，并反映到测定方法中。

CPU10具有收集部101、特征提取部102、判定部103、以及输出部104。这些各功能部通过由CPU10执行存储在存储部11中的诊断程序来实现。

收集部101经由物理接口E和软件接口S，与采样时间一起从加工机2收集加工机2运转时输出的机械数据。

此外，收集部101还经由物理接口E和软件接口S从测定器3收集对加工机2加工出的部件进行测定而得到的测定数据。

此时，通过加工时的坐标值将每个采样时间的机械数据与测定数据对应起来存储在存储部11中。

特征提取部102按照用户另外输入的加工不良的因素来对收集到的机械数据和测定数据进行分类，并按照该因素从机械数据和测定数据的集合中提取特征量。

判定部103将加工机2实际加工时输出的机械数据以及加工后的测定数据的特征量与按因素的特征量进行比较，根据吻合度来判定加工不良的因素。

输出部104按照因素将判定部103的判定结果与加工机2的加工进展状况一起进行更新并输出。

输出部104也可以将判定部103针对多个加工机2中的各个加工机的全部判定结果与加工的进展状况一起进行更新并输出。

另外，将输出数据经由诊断装置1具有的通信接口发送给客户终端4。

图2是表示本实施方式的加工机2的控制装置具有的主要功能的结构的框图。

加工机2具有控制加工路径的CNC(Computerized Numerical Control计算机数字控制)用CPU21、伺服用CPU22。伺服用CPU22对电流控制部221进行指令，经由放大器222来控制伺服电动机223。

此外，加工机2为了数据收集，具有经由高速总线20通过与伺服用CPU22相同的周期进行动作的测定用CPU23。测定用CPU23通过与伺服用CPU22相同的周期进行动作，因此能够与伺服用CPU22的动作周期同步地收集位置数据、速度指令数据、电流数据、由设置在电动机223的脉冲编码器224测定的位置反馈数据、由伺服用CPU22计算的干扰负载转矩数据等。

将收集到的数据与采样时间一起积蓄在测定存储部231中。

并且，测定用CPU23具有数字模拟变换部232和输入输出接口223，能够与伺服用CPU22的动作周期同步地取入外置的传感器的信号以及来自外部装置的信息。另外，包含测定用CPU23的功能部可以内置在加工机2的控制装置中，也可以作为单元化的功能部与加工机2外部连接。

另外，在图2中还图示出一个伺服电动机结构，但是根据机械的用途，控制装置可以包含多个伺服电动机结构。此外，可以由一个测定用CPU23来测量多个伺服电动机结构的数据。也可以针对每个伺服电动机结构安装测定用CPU23。

图3是表示本实施方式的测定器3的控制装置具有的主要功能的结构的框图。

三维测定器等测定器3除了具有整体控制用主CPU31之外，与加工机2一样，为了控制在空间中进行动作的结构而具有伺服用CPU32。

此外，测定器3为了收集数据而具有测定用CPU33，并且，还可以具有取得非接触传感器的数据的数字模拟变换部331以及与外部装置进行输入输出的输入输出接口332等。

另外，在图3中图示了一个伺服电动机结构，但是根据机械的用途，控制装置也可以包含多个伺服电动机结构。此外，可以由一个测定用CPU33来测量多个伺服电动机结构的数据。也可以针对每个伺服电动机结构安装测定用CPU33。

图4例示本实施方式的包含加工不良的因素的检查结果的输入画面。

在诊断装置1或客户终端4中显示该输入画面，输入各加工结束后由检查员通过测定器等对加工后的部件进行检查而得到的结果。

例如，针对通过加工编号识别的各个加工实际成绩，输入检查日期时间、有无加工不良、以及加工不良的因素。将加工编号设为关键词，将输入的数据与机械数据以及测定数据关联起来存储在存储部11。

根据加工的部件，有时并非全数检查而是抽样检查。在抽样检查时，除了与作为检查对象的加工实际成绩相对的机械数据之外，还可以将没有实际进行检查的机械数据与检查结果和测定数据对应起来进行保存。

图5表示本实施方式的存储在存储部11的数据库的结构例。

一般在机械加工中，加工后直到测定检查为止需要时间，因此，难以确保工场内的可追溯性。在本实施方式中，为了识别各加工实际成绩而采用加工编号。加工编号除了用于识别部件的加工实际成绩之外，还通过电子标签等用于加工后的组装、完成品、出库后的产品的管理。

在数据库中与加工编号关联起来存储加工部件名称和部件编号、加工程序、测定程序、诊断方法、所利用的工具、工件以及机械的信息、材料获得日、加工日、检查日、组装日等信息。

并且，能够从客户终端4的输入画面中使用诊断装置1的特征提取部102的分析功能。例如，在选择了画面上的“分析开始”时，特征提取部102针对按加工编号设定的加工不良的每个因素，提取在各因素的数据区域中积蓄的数据的特征量，作为各因素的特征量存储在存储部11中。

此外，能够从客户终端4的输入画面中使用诊断装置1的判定部103的不良判定功能。例如，在选择了画面上的“不良判定”时，判定部103将针对加工不良的每个因素存储的特征量与在加工过程中和测定过程中分别送来的机械数据和测定数据进行比较，判定吻合度高的不良因素。将该判定结果发送给客户终端4，进行画面显示。

这里，加工不良的因素例如分为人为因素、工具因素、夹具因素、工件因素、机械因素。

人为因素例如包含偏置数据的错误设定。在错误设定了偏置数据时，加工量发生变化，因此，根据位置的不同需要立即停止加工，在正确地修正了设定之后再进行加工。

工具因素与工具的磨损相关。在切削液不足时或加工速度快时，对工具施加的负载增大，促进工具的磨损。如果工具的磨损在加工精度的公差范围内，则采取在下次加工之前更换工具等的对策。有时能够根据加工过程中的异响或振动、或者整个加工物的精度不良等来判别工具因素。

夹具因素与工件的固定不良、或夹具所具备的驱动装置的故障相关。有时能够根据加工过程中的异响或与夹具的安装方向相关的加工物的精度不良等来判别夹具因素。

工件因素是在铸件中存在砂眼等的情况，有时能够通过目视确认。

机械因素包含驱动轴的滚珠丝杠或轴承、或者线性引导部的磨损等。有时能够根据驱动轴方向的磨损部分的加工精度不良等来判别机械因素。

接下来，对机械数据和测定数据中的按加工不良的因素分类的特征量以及加工状况的诊断方法进行具体例示。

[收集的机械数据]

收集部101按照预定的采样周期与时刻信息一起取得与加工机2的实际运转状况相关的机械数据。

机械数据例如是主轴和进给轴的电动机控制数据等，包含电流或电压的指令值和实测值、位置(坐标值)的指令值和实测值、位置反馈数据、速度的指令值和实测值、转矩的指令值和实测值等。

[从机械数据中提取的特征量]

例如，将与被判定为加工不良的加工实际成绩相关的负载转矩的实测值、有效电流、以及位置的实测值在预定的采样期间的时间序列数据与正常时的相同种类的时间序列数据进行比较。

从比较结果即偏差的集合中，提取最大值、最小值、平均值、平方和等统计值来作为每个因素的特征量。

例如，按因素分类，推定以下的特征量。

在人为因素的情况下，相比于其他因素，与位置的实测值相关的偏差不同。

在工具因素的情况下，相比于其他因素，与负载转矩的实测值相关的偏差不同。

在夹具因素的情况下，相比于其他因素，与安装方向的位置的实测值相关的偏差不同。

在工件因素的情况下，根据铸件中的砂眼的大小，切削时的负载转矩的实测值瞬间发生变化。

在机械因素的情况下，相比于其他因素，与驱动轴方向的位置的实测值相关的偏差不同。

[收集的测定数据]

收集部101每隔预定的测定间隔取得加工尺寸的测定数据中包含的位置数据。

此时，将加工时的每个采样时间的机械数据与加工后的每隔测定间隔的测定数据通过两者的位置的实测值或者代表值(例如，指令值或逻辑值)等对应起来。由此，从机械数据和测定数据双方得到在预定的测定区间中同步的位置信息。

[从测定数据中提取的特征量]

例如，将与被判定为加工不良的加工实际成绩有关的每隔预定的测定间隔的加工尺寸的测定数据中的位置数据与正常时的相同种类的位置数据的代表值(例如，逻辑值、平均值或公差的中心值等)进行比较。

从作为比较结果的偏差的集合中，提取最大值、最小值、平均值、平方和等统计值来作为每个因素的特征量。

[组合的特征量]

如上所述，将机械数据与测定数据彼此对应起来，针对相同的位置分别提取机械数据的特征量与测定数据的特征量。

也可以将这些特征量进行组合，计算整合后的特征量。例如，能够将机械数据和测定数据作为空间的每个移动量的连续数据来进行主成分分析。通过主成分分析，在由测定数据的活动和机械数据的活动构成的因素空间中，对不良因素进行分析，由此，得到作为按不良因素分类的特征量的因素空间。

[加工状况的诊断方法]

针对加工不良的每个因素，设定与提取出的特征量相关的阈值。判定部103从在加工执行过程中取得的机械数据、或加工后取得的机械数据或测定数据中得到超过或低于该阈值的统计值时，判定为加工状况异常产生加工不良，并判定加工不良的因素。

图6例示本实施方式在诊断方法中使用的测定数据。

一般在设计阶段决定了测定器3的检查项目，在三维加工中通过决定加工开始原点和检查原点，将加工前的工件与加工后的工件的坐标系对应起来进行管理。

该图是部件的真圆度的测定例。作为真圆度的不良，列举出在滚珠丝杠的旋转方向反转时产生的象限突起。针对这样的加工，不需要整个一周的检查，只检查靠近象限突起产生位置的部分(例如，图中的4区间)，由此缩短检查时间。

此外，作为从机械数据或测定数据中提取按加工不良因素的特征量的方法，也可使用主成分分析。例如，在将测定数据作为第一主成分时，可以将成为第二、第三、…、第n主成分的数据的变换设为特征量。

此外，还可以将相对于中心值的变动倾向(上升倾向或下降倾向)、或通过FFT(Fast Fourier Transform快速傅里叶变换)得到的固有频率等设为特征量。

根据这些特征量与收集到的机械数据以及测定数据的吻合度，来判定加工不良的因素。

图7例示本实施方式的诊断结果的显示画面。

在该示例中，与加工编号一起显示了正在加工的部件名称、加工的所需时间、到目前为止的加工时间，此外，作为当前的诊断结果，显示了正常度、按加工不良因素的判定状况。

正常度表示全体加工实际成绩中的没有被判定为加工不良加工正常完成的部件的比例、或者在分析期间中判定为正常的次数的比例。对该正常度设定边界值，在低于该边界值时输出警报。

按因素的判定状况表示被判定为加工不良的部件的比例、或者在分析期间中判定为不良的次数的比例。对该按因素的判定状况设定了共通或按因素的阈值，在超出阈值时输出警报。

此外，还可以选择加工不良的分析方法。例如，从“1.主成分分析、2.FFT、3.倾向分析、4.复合”这样的选项中选择。

另外，在选择了复合时，诊断装置1接受“1+2+3”那样的编号指定，显示按分析方法得到的结果、或者将多个分析方法进行整合后的结果。

图8例示本实施方式的包含诊断结果的监视画面。

在该示例中，分别针对整个工场的加工机2显示了加工编号与名称、表示是否正常的加工状况、加工的进展比例、有无检测出异常。显示项目不限于此，除了图7所例示的诊断结果之外还能够显示各种数据。

根据本实施方式，诊断装置1从按照加工不良因素而收集到的机械数据中提取特征量，并与加工时的机械数据的特征量进行比较，由此，根据吻合度来判定加工不良的因素。因此，诊断装置1通过与过去的加工实际成绩进行比较，能够容易地确定加工不良的因素。结果，能够实现加工不良的早期发现，此外，能够高效应对每个因素，因此，加工效率得以提升。

此外，诊断装置1除了收集机械数据之外，还收集测定器3的测定数据，并且按加工不良因素来提取特征量，由此，用于因素的判定。因此，诊断装置1可以根据更多的信息来提升判定精度。

此时，诊断装置1通过加工时的坐标值将机械数据与测定数据对应起来，因此，能够准确地将两数据关联起来从而提升判定精度。

诊断装置1通过将电信号变换为标准信号来收集机械数据和测定数据，因此，能够对从多个加工机2和测定器3输入的各种方式的信号进行同样的处理，可高效地收集多种数据。

并且，诊断装置1将收集的数据的结构变换为标准形式，因此，能够对各种形式的数据进行同样处理，可有效地收集多种数据。

诊断装置1按加工不良的因素将有无加工不良和因素的判定结果与加工的进展状况一起进行更新并输出，因此，用户能够早期发现加工过程中产生的异常，并且能够容易地确定加工不良的因素。

此外，诊断装置1将针对多个加工机2中的各个加工机的判定结果与加工的进展状况一起进行更新并一览输出，因此，用户能够容易地监视整个工场的加工状况，能够有效地发现加工不良的产生。

以上对本发明的实施方式进行了说明，但是本发明并不限于上述实施方式。此外，本实施方式所记载的效果不过是列举由本发明产生的优选效果，本发明的效果不限于本实施方式所记载的效果。

诊断装置1可以经由网络与多个加工机2和测定器3连接。此外，诊断装置1的特征提取部102或判定部103等各功能部也可以分散在网络上的多个装置。

此外，可以根据分析方法来设置多个特征提取部102和判定部103的分析功能，它们也可以分散配置在多个装置。此时，选择性地利用多个分析功能，向客户终端4提供分析结果。

诊断装置1的诊断方法通过软件实现。在通过软件实现时，将构成该软件的程序安装在计算机(诊断装置1)中。此外，可以将这些程序记录在可移动介质中发布给用户，也可以经由网络下载到用户的计算机来进行发布。

Claims (9)

1.一种诊断装置，其特征在于，具备：

收集部，其收集加工机运转时输出的机械数据；

特征提取部，其按所输入的加工不良的因素对所述机械数据进行分类，并按该因素从所述机械数据的集合中提取特征量；以及

判定部，其将所述加工机实际加工时输出的所述机械数据的特征量与按所述因素的特征量进行比较，根据吻合度来判定加工不良的因素。

2.根据权利要求1所述的诊断装置，其特征在于，

所述收集部还收集对所述加工机加工后的部件进行测定而得到的测定数据，

所述特征提取部按所述因素对所述测定数据进行分类，并按该因素从所述机械数据和所述测定数据的集合中提取特征量，

所述判定部将所述加工机实际加工时输出的所述机械数据以及加工后的所述测定数据的特征量与按所述因素的特征量进行比较，根据吻合度来判定加工不良的因素。

3.根据权利要求2所述的诊断装置，其特征在于，

通过加工时的坐标值将所述机械数据和所述测定数据对应起来。

4.根据权利要求1～3中的任意一项所述的诊断装置，其特征在于，

所述诊断装置具备信号变换部，该信号变换部将用于传送所述收集部收集的数据的电信号变换为预定的标准信号。

5.根据权利要求1～4中的任意一项所述的诊断装置，其特征在于，

所述诊断装置具备数据结构变换部，该数据结构变换部将所述收集部收集的数据的结构变换为预定的标准形式。

6.根据权利要求1～5中的任意一项所述的诊断装置，其特征在于，

所述诊断装置具备输出部，该输出部按所述因素将所述判定部的判定结果与加工的进展状况一起进行更新并输出。

7.根据权利要求1～5中的任意一项所述的诊断装置，其特征在于，

所述诊断装置具备输出部，该输出部将所述判定部针对多个所述加工机中的各个加工机的全部判定结果与加工的进展状况一起进行更新并输出。

8.一种诊断方法，其特征在于，由计算机执行以下步骤：

数据收集步骤，收集加工机运转时输出的机械数据；

特征提取步骤，按所输入的加工不良的因素对所述机械数据进行分类，并按该因素从所述机械数据的集合中提取特征量；以及

判定步骤，其将所述加工机实际加工时输出的所述机械数据的特征量与按所述因素的特征量进行比较，根据吻合度来判定加工不良的因素。

9.一种记录了诊断程序的计算机可读介质，其特征在于，所述诊断程序用于使计算机执行以下步骤：

数据收集步骤，收集加工机运转时输出的机械数据；

特征提取步骤，按所输入的加工不良的因素对所述机械数据进行分类，并按该因素从所述机械数据的集合中提取特征量；以及

判定步骤，其将所述加工机实际加工时输出的所述机械数据的特征量与按所述因素的特征量进行比较，根据吻合度来判定加工不良的因素。