CN111185789A - 检测刀具的安装异常的装置 - Google Patents
检测刀具的安装异常的装置 Download PDFInfo
- Publication number
- CN111185789A CN111185789A CN201911111453.0A CN201911111453A CN111185789A CN 111185789 A CN111185789 A CN 111185789A CN 201911111453 A CN201911111453 A CN 201911111453A CN 111185789 A CN111185789 A CN 111185789A
- Authority
- CN
- China
- Prior art keywords
- tool
- data
- learning
- unit
- magazine
- 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
Links
Images
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
- B23Q3/00—Devices holding, supporting, or positioning work or tools, of a kind normally removable from the machine
- B23Q3/155—Arrangements for automatic insertion or removal of tools, e.g. combined with manual handling
-
- 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
-
- 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
-
- 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
-
- 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
- B23Q17/098—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 by measuring noise
-
- 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
- B23Q17/12—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration
-
- 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
- G05B2219/37—Measurements
- G05B2219/37244—Detect tool breakage already in tool magazine
-
- 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
- G05B2219/37—Measurements
- G05B2219/37351—Detect vibration, ultrasound
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Numerical Control (AREA)
- Automatic Tool Replacement In Machine Tools (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明提供一种检测刀具的安装异常的装置。本发明的刀具安装异常检测装置取得与加工中心相关的数据,进行预处理,即根据所取得的数据,制作至少与针对刀具库安装刀具时刀具更换装置所产生的振动或声音的时序数据相关的数据,根据在预处理阶段制作的数据,检测针对刀具库的刀具的安装异常。
Description
技术领域
本发明涉及检测刀具的安装异常的装置。
背景技术
在机床领域中,广泛利用了带自动刀具更换装置的机床、特别是所谓的加工中心。典型的加工中心具备容纳分别装配到刀架的多个刀具的刀具库。加工中心通过该刀具库的分配动作,挑选规定的刀具并使其移动到规定的位置,通过刀具更换机器臂等的刀具更换动作,针对每个刀架从刀具库取下并使其与主轴嵌合而在加工中利用(例如国际公开公报第93/18884号、即日本特开平05-261638号公报(专利文献1))。
作为检测这样的刀具更换动作的异常的现有技术的例子,在上述专利文献1、后述的专利文献的专利第4501918号公报(专利文献2)、以及日本特开平11-333657号公报(专利文献3)中,公开了以下的技术,即在具备自动刀具更换装置的机床中,检测刀具向刀具库的安装姿势、刀具更换动作、刀具向主轴的安装状态的异常。
在刀具库中,具备通过弹簧的弹性力而把持刀架的手形状的多个把手。在将刀具安装到刀具库时,进行对位使得装配了该刀具的刀架的键槽与设置在该把手侧的定位用的键配合,并将该刀架压入该把手,由此使该把手把持刀架。
这时,有时由于工作人员的错误等,刀架没有正确地安装到把手。在这样的情况下,有可能由于刀具更换动作,刀具脱落或与主轴冲撞等而旋转刀具、机械主体破损。
针对这样的问题,在专利文献2公开的技术中,能够检测针对主轴的刀具的安装状态的异常,但无法检测刀架向刀具库具备的把手的安装状态。另外,通过专利文献3公开的技术,只能够检测刀具更换动作的异常。
另外,在日本特开2005-324262号公报(专利文献4)公开的技术中,能够检测刀具向刀具库的安装姿势的好坏。但是,例如由于在刀架向把手的安装部分附着了切屑等,能够明显地看出把手无法完全把持刀架的状态等,使得刀具没有以正确的姿势安装到刀具库。因此,通过本公报公开的技术,难以检测出这样的刀具的安装异常状态。
发明内容
因此,本发明的目的在于:提供能够高精度地检测针对刀具库的刀具的安装异常的装置。
在本发明中,将在工作人员将刀具(更具体地说,装配了刀具的刀架)安装到刀具库时施加到刀具更换装置(特别是刀具库)的振动或声音作为状态数据,例如对正确地安装了刀具时的振动或声音、没有正确地安装刀具时的振动或声音的至少任意一个进行机器学习,使用该学习结果推定刀具安装的正常/异常,由此解决上述问题。在将刀具安装到刀具库时,在手形状的把手通过弹簧的弹性力等把持刀架时,规定的部分嵌合而产生特定的振动或声音。但是,在切屑附着在刀架的安装部而阻碍刀架的把持,或工作人员对刀具的压入不够彻底的状态下,不产生这样的振动或声音,而产生不同的振动或声音。因此,制作通过机器学习而学习正常时或异常时的振动或声音所得的学习模型,由此能够推定它们的不同,检测刀具安装的正常/异常。
另外,本发明的一个实施例是检测针对加工中心所具备的刀具更换装置的刀具库的刀具的安装异常的装置,该装置具备:数据取得部,其取得与上述加工中心相关的数据;预处理部,其根据上述数据取得部取得的数据,制作至少与针对上述刀具库安装上述刀具时上述刀具更换装置所产生的振动或声音的时序数据相关的数据;刀具安装异常检测部,其根据上述预处理部制作的数据,检测针对上述刀具库的上述刀具的安装异常。
本发明的另一个实施例是检测针对加工中心所具备的刀具更换装置的刀具库的刀具的安装异常的装置,该装置具备:数据取得部,其取得与上述加工中心相关的数据;预处理部,其根据上述数据取得部取得的数据,制作至少包含刀具安装时振动数据的状态数据作为学习数据,该刀具安装时振动数据是与针对上述刀具库安装上述刀具时上述刀具更换装置所产生的振动或声音的时序数据相关的数据;刀具安装异常检测部,其用于根据上述预处理部制作的数据,检测针对上述刀具库的上述刀具的安装异常,其中,上述刀具安装异常检测部具备:学习部,其进行使用了上述预处理部制作的学习数据的机器学习,生成用于检测针对上述刀具库的上述刀具的安装异常的学习模型。
本发明的另一个实施例是检测针对加工中心所具备的刀具更换装置的刀具库的刀具的安装异常的装置,该装置具备:数据取得部,其取得与上述加工中心相关的数据;预处理部,其根据上述数据取得部取得的数据,制作至少包含刀具安装时振动数据的状态数据,该刀具安装时振动数据是与针对上述刀具库安装上述刀具时上述刀具更换装置所产生的振动或声音的时序数据相关的数据;刀具安装异常检测部,其根据上述预处理部制作的数据,检测针对上述刀具库的上述刀具的安装异常,其中,上述刀具安装异常检测部具备:学习模型存储部,其存储学习与针对上述刀具库安装上述刀具时上述刀具更换装置所产生的振动或声音的时序数据对应的、针对上述刀具库的上述刀具的安装状态而得的学习模型;推定部,其根据上述预处理部制作的状态数据,推定使用了存储在上述学习模型存储部中的学习模型的针对上述刀具库的上述刀具的安装状态。
根据本发明,能够高精度地推定刀具的安装状态,因此能够减少工作人员安装刀具时的工作错误。另外,根据本发明,能够通过一个乃至少数的传感器推定刀具的安装状态,因此能够在抑制成本的同时检测刀具安装错误。
附图说明
根据参照附图的以下的实施例的说明,能够了解本发明的上述以及其他目的和特征。
图1是本发明的第一实施方式的刀具安装异常检测装置的概要硬件结构图。
图2是第一实施方式的装置的概要功能框图。
图3是本发明的第二、第三实施方式的刀具安装异常检测装置的概要硬件结构图。
图4是第二实施方式的装置的概要功能框图。
图5是表示在第二实施方式的装置中通过无监督学习制作的学习模型的例子的图。
图6是表示在第二实施方式的装置中通过监督学习制作的学习模型的例子的图。
图7是本发明的第三实施方式的装置的概要功能框图。
图8是表示在第三实施方式的装置中使用通过无监督学习制作的学习模型推定刀具安装的正常/异常的例子的图。
图9是表示在第三实施方式的装置中使用通过监督学习制作的学习模型推定刀具安装的正常/异常的例子的图。
图10是表示进行多个加工中心的刀具安装的正常/异常的推定的刀具安装异常检测装置的实施例的图。
具体实施方式
以下,与附图一起说明本发明的实施方式。
图1是表示第一实施方式的具备机器学习装置的检测刀具的安装异常的装置(刀具安装异常检测装置,即装置1)的主要部分的概要硬件结构图。本实施方式的装置1例如能够安装在控制加工中心2的控制装置上。另外,本实施方式的装置1能够作为与控制加工中心的控制装置并设的个人计算机、经由有线/无线的网络与该控制装置连接的边缘计算机、单元计算机、主机计算机、云服务器等计算机而安装。在本实施方式中,表示将装置1作为与控制加工中心2的控制装置并设的个人计算机而安装的情况的例子。
如果参照图1,则刀具安装异常检测装置1具备CPU(中央处理单元)11、ROM(只读存储器)12、RAM(随机存取存储器)13、非易失性存储器14、以及多个接口16~19。
本实施方式的装置1具备的CPU(中央处理单元)11是整体地控制装置1的处理器。CPU11经由总线20读出存储在ROM(只读存储器)12中的系统程序,依照该系统程序控制装置1整体。在RAM(随机存取存储器)13中,临时存储临时的计算数据、工作人员经由输入装置71输入的各种数据等。
非易失性存储器14例如由被未图示的电池备份的存储器、SSD(固态驱动器)等构成,即使装置1的电源断开也保持存储状态。在非易失性存储器14中,存储用于存储与装置1的动作相关的设定信息的设定区域、从输入装置71输入的数据、从加工中心2取得的各种数据(与刀具更换相关的动作状态、加工中心的机型等)、从传感器3取得的各种物理量(加工中心2具备的刀具更换装置所产生的振动、声音等)的时序数据、经由未图示的外部存储装置或网络读入的数据等。可以在执行时/利用时将存储在非易失性存储器14中的程序、各种数据在RAM13中展开。另外,在ROM12中,预先写入有包括用于解析各种数据的公知的解析程序等的系统程序。
加工中心2是具备自动刀具更换装置的机床,能够一边通过自动刀具更换装置更换各种旋转刀具,一边进行铣加工、镗加工、钻加工等多种加工。在刀具库中由工作人员安装有分别装配到刀架的多个刀具,依照加工程序等的刀具更换指令,将把持安装在刀具库的预定位置的刀具安装到机床的主轴并在加工中使用。加工中心2的控制装置经由接口16向装置1输出与加工中心的状态相关的信息(加工中心的机型、机床的动作状态、外罩的开闭动作状态、刀具更换装置的动作状态等)。
传感器3用于取得加工中心2具备的刀具更换装置(特别是刀具库)所产生的振动或声音的时序数据,例如可以使用加速度传感器、AE(AcousticEmission:声频发射)传感器、集音麦克风、光学式干涉仪等。只要有至少一个传感器3,就能够检测出刀具更换装置所产生的振动或声音。通过将多个传感器3设置在刀具更换装置上或近旁,能够更多角度地检测出刀具更换装置所产生的振动或声音,还能够提高后述的机器学习的精度。或者,通过考虑到刀具库的构造地设置在适当的位置,还能够通过一个或少量的传感器3充分地检测出刀具更换装置所产生的振动或声音。
经由接口17向显示装置70输出读入到存储器上的各数据、作为执行程序等的结果而得到的数据、从后述的机器学习装置100输出的数据等并显示。另外,由键盘、指示设备等构成的输入装置71经由接口18向CPU11传递基于操作者的操作的指令、数据等。
图2是第一实施方式的刀具安装异常检测装置1的概要功能框图。通过由图1所示的装置1具备的CPU11执行系统程序,控制装置1的各部的动作,来实现图2所示的各功能模块。
本实施方式的装置1具备数据取得部30、预处理部34、以及刀具安装异常检测部36,刀具安装异常检测部36具备推定部120。另外,在非易失性存储器14上,设置有存储数据取得部30取得的数据的取得数据存储部50、正常振动数据存储部140。
数据取得部30是取得从加工中心2、传感器3、以及输入装置71等输入的各种数据的功能单元。数据取得部30例如取得与刀具更换相关的动作状态、加工中心2的机型、在工作人员将刀具安装到刀具库时刀具更换装置所产生的振动或声音的时序数据、由工作人员输入的与刀具安装相关的信息等各种数据,并存储到取得数据存储部50中。数据取得部30也可以从未图示的外部存储装置、经由有线/无线的网络从其他装置取得数据。
数据取得部30在取得在工作人员将刀具安装到刀具库时刀具更换装置所产生的振动或声音的时序数据时,根据从加工中心2取得的机床的动作状态、外罩的开闭动作状态、刀具更换装置的动作状态等,提取从传感器3取得的刀具更换装置所产生的振动或声音数据,并提取工作人员将刀具安装到刀具库时的刀具更换装置所产生的振动或声音数据。一般,工作人员将刀具安装到刀具库的情况下,工作人员进行以下这样的操作,即操作操作盘等而停止机床的加工,打开外罩,将刀具库的预定的把手(grip)定位到刀具安装位置而安装刀具,关闭外罩,进行刀具更换。数据取得部30也可以检测这样的典型的刀具安装动作,提取出在该期间通过传感器3检测出的振动或声音,作为工作人员将刀具安装到刀具库时的刀具更换装置所产生的振动或声音数据。另外,在能够检测出与刀具库相关的压力等的情况下,能够根据该压力的状态,检测工作人员将刀具向刀具库的按压(刀具安装),因此也可以利用它,提取工作人员将刀具安装到刀具库时的刀具更换装置所产生的振动或声音数据。此外,作为能够检测与刀具库相关的压力等的情况下的例子,可以列举另外设置有压力传感器的情况、能够检测使刀具库旋转的电动机的电流的情况等。另外,在还具有检测工作人员将刀具安装到刀具库的定时的单元的情况下,灵活运用它即可。
预处理部34根据数据取得部30取得的数据(还有存储在取得数据存储部50中的数据),制作刀具安装异常检测部36对刀具安装异常的检测处理所使用的数据。预处理部34制作将数据取得部30取得的数据变换(数值化、标准化、采样等)为在刀具安装异常检测部36中处理的统一形式所得的数据。预处理部34既可以使用以预定的周期对通过传感器3检测出的在安装刀具时刀具更换装置所产生的振动或声音的时序数据重新进行采样而表现为序列数据的数据,另外,也可以使用表示时序数据的特征的数据(公知的梅尔频率倒谱系数等)。
刀具安装异常检测部36是根据预处理部34制作的数据检测刀具的安装异常的功能单元。
刀具安装异常检测部36具备的推定部120是以下的功能单元,即根据预处理部34制作的数据,参照存储在正常振动数据存储部140中的正常振动数据,推定工作人员将刀具安装到刀具库的异常。在正常振动数据存储部140中,预先设定有在工作人员将刀具正常地安装到加工中心2具备的刀具更换装置的刀具库时通过传感器3检测出的振动或声音的时序数据作为正常振动数据。
推定部120在数据取得部30取得的刀具更换装置所产生的振动或声音的时序数据与存储在正常振动数据存储部140中的正常振动数据之间,例如利用DP匹配(DynamicProgramming Matching:动态规划匹配)、HMM(Hidden Markov Model:隐马尔可夫模型)等公知的波形图案匹配方法,计算两者的一致度。在计算出的一致度超出了预先确定的预定的阈值的情况下,推定部120推定为正常进行了刀具向刀具库的安装,在除此以外的情况下,推定为刀具向刀具库的安装处于异常状态。推定部120也可以根据数据取得部30取得的刀具更换装置所产生的振动或声音的时序数据和存储在正常振动数据存储部140中的正常振动数据之间的一致度距预先确定的预定的阈值远离怎样程度,来计算出异常度。
然后,刀具安装异常检测部36也可以在推定部120推定为刀具向刀具库的安装处于异常状态的情况下,将推定部120推定的结果(刀具安装的正常/异常、异常的情况下的异常度)显示输出到显示装置70,或经由未图示的有线/无线网络发送输出到主机计算机、云计算机等而利用。装置1也可以根据异常度的大小来变更针对显示装置70的显示。
此外,也可以在正常振动数据存储部140中,预先存储从同一加工中心2取得的多个正常振动数据。在该情况下,推定部120也可以进行使用多个正常振动数据分别推定刀具向刀具库的安装状态的处理,在对任意一个推定为正常的情况、或在与预先确定的预定个数的正常振动数据之间推定为正常的情况下,推定为刀具向刀具库的安装状态是正常的。
另外,也可以在正常振动数据存储部140中,与加工中心2的机型关联地,预先存储从该机型取得的正常振动数据。在该情况下,推定部120在数据取得部30取得的刀具更换装置所产生的振动或声音的时序数据和与取得该振动或声音的时序数据的加工中心2的机型关联的正常振动数据之间,执行刀具向刀具库的安装状态的推定处理即可。
在具有上述结构的装置1中,根据预处理部34基于从加工中心2、传感器3取得的数据制作的数据,进行刀具安装的异常的检测。本实施方式的装置1不是根据外观,而是根据在安装时产生的振动或声音,对工作人员安装的刀具的安装状态进行推定。因此,即使在外观上很好地被安装但由于细微的错位等而没有很好地安装刀具的情况下,装置1也能够高精度地检测出刀具的安装的异常。
图3是表示第二或第三实施方式的具备机器学习装置的刀具安装异常检测装置的主要部分的概要硬件结构图。
本实施方式的刀具安装异常检测装置1具备的CPU11是整体地控制装置1的处理器。CPU11经由总线20读出存储在ROM12中的系统程序,依照该系统程序控制装置1整体。在RAM13中,临时存储临时的计算数据、工作人员经由输入装置71输入的各种数据等。
非易失性存储器14例如由被未图示的电池备份的存储器、SSD(固态驱动器)等构成,即使装置1的电源切断也保持存储状态。在非易失性存储器14中,存储用于存储与装置1的动作相关的设定信息的设定区域、从输入装置71输入的数据、从加工中心2取得的各种数据(与刀具更换相关的动作状态、加工中心的机型等)、从传感器3取得的各种物理量(加工中心2具备的刀具更换装置所产生的振动、声音等)的时序数据。进而,在非易失性存储器14中,还存储经由未图示的外部存储装置、网络读入的数据等。可以在执行时/利用时将存储在非易失性存储器14中的程序、各种数据在RAM13中展开。另外,在ROM12中,预先写入有包括用于解析各种数据的公知的解析程序、用于控制与后述的机器学习装置100的收发的程序等的系统程序。
接口21是用于将刀具安装异常检测装置1和机器学习装置100连接起来的接口。机器学习装置100具备统一控制机器学习装置100整体的处理器101、存储系统程序等的ROM102、用于进行与机器学习相关的各处理的临时存储的RAM103、用于学习模型等的存储的非易失性存储器104。机器学习装置100能够经由接口21观测能够通过装置1取得的各信息。在此,能够通过装置1取得的信息例如是指与刀具更换相关的动作状态、加工中心2的机型、加工中心2具备的刀具更换装置所产生的振动或声音的时序数据。另外,装置1经由接口21取得从机器学习装置100输出的处理结果,存储或显示所取得的结果,或经由未图示的网络发送到其他装置。
图4是第二实施方式的刀具安装异常检测装置1和机器学习装置100的概要功能框图。本实施方式的装置1具有在机器学习装置100进行学习的情况下所需要的结构(学习模式)。通过由图3所示的装置1具备的CPU11、机器学习装置100的处理器101执行各自的系统程序,控制装置1和机器学习装置100的各部的动作,来实现图4所示的各功能模块。
本实施方式的装置1具备数据取得部30、预处理部34、刀具安装异常检测部36,构成刀具安装异常检测部36的机器学习装置100具备学习部110。另外,在非易失性存储器14上,设置有存储数据取得部30取得的数据的取得数据存储部50,在构成刀具安装异常检测部36的机器学习装置100的非易失性存储器104上,设置有存储通过学习部110的机器学习构筑的学习模型的学习模型存储部130。
数据取得部30是取得从加工中心2、传感器3、以及输入装置71等输入的各种数据的功能单元。数据取得部30例如取得与刀具更换相关的动作状态、加工中心2的机型、在工作人员将刀具安装到刀具库时刀具更换装置所产生的振动或声音的时序数据、由工作人员输入的与刀具安装相关的信息等各种数据,并存储到取得数据存储部50中。数据取得部30也可以从未图示的外部存储装置、经由有线/无线的网络从其他装置取得数据。
预处理部34根据数据取得部30取得的数据(还有存储在取得数据存储部50中的数据),制作用于机器学习装置100的学习的学习数据。预处理部34制作将数据取得部30取得的数据变换(数值化、标准化、采样等)为在机器学习装置100中处理的统一形式所得的状态数据。例如,预处理部34在机器学习装置100进行无监督学习的情况下,制作该学习的预定的形式的状态数据S作为学习数据,在机器学习装置100进行监督学习的情况下,制作该学习的预定的形式的状态数据S和标签(lable)数据L的组合作为学习数据。
预处理部34制作的状态数据S至少包括在由工作人员将刀具安装到刀具库时传感器3检测出的刀具更换装置所产生的振动或声音的时序数据即刀具安装时振动数据S1。刀具安装时振动数据S1既可以使用以预定的周期对通过传感器3检测出的在安装刀具时刀具更换装置所产生的振动或声音的时序数据重新进行采样而表现为序列数据的数据,另外,也可以使用表示时序数据的特征的数据(公知的梅尔频率倒谱系数等)。
另外,在预处理部34制作的学习数据中包括标签数据L的情况下,该标签数据L至少包括表示与工作人员安装刀具时的刀具的安装的正常/异常相关的信息的刀具安装状态数据L1。刀具安装状态数据L1例如可以在工作人员安装刀具后从输入装置71输入通过手动操作确认该刀具的安装状态的结果所得的输入值。
学习部110进行使用了预处理部34制作的学习数据的机器学习。学习部110通过无监督学习、监督学习等公知的机器学习的方法,进行使用了从加工中心2取得的数据的机器学习,由此生成学习模型,将生成的学习模型存储到学习模型存储部130中。作为学习部110进行的无监督学习的方法,例如可以列举自动编码器(autoencoder)方法、k-means法等,而作为监督学习的方法,例如可以列举多层感知(multilayer perceptron)法、反复神经网络(recurrent nueral network)法、长短期记忆(Long Short-Term Memory)法、卷积神经网络(convolutional neural network)法等。
作为学习部110的机器学习的一个例子,例如能够根据预处理部34基于在将刀具正常安装到加工中心2具备的刀具更换装置时取得的数据制作的状态数据S进行无监督学习,生成在将刀具正常安装到刀具库的状态下取得的学习数据的分布(聚类(cluster))作为学习模型。
图5是表示在本实施方式中通过无监督学习根据在将刀具正常安装到刀具库的状态下取得的学习数据而制作的学习模型的例子的图。此外,在图5中,为了简化说明,表示出作为状态数据S只有参数A、B、C的情况作为例子的学习模型,但通过(例如以表现时序数据的各值作为要素的)更高次的向量空间来表现实际的状态数据S。在使用这样生成的学习模型的情况下,后述的推定部120能够将从加工中心2、传感器3新取得的数据与将刀具正常安装到刀具库的状态下取得的学习数据的分布(作为学习模型的聚类202)进行比较,与是否包含在该分布内对应地推定刀具安装的正常/异常,在推定为是异常的情况下,根据距学习数据的分布远离怎样程度而计算出作为推定结果的异常度。
另外,学习部110也能够根据将刀具正常安装到加工中心2具备的刀具更换装置时取得的数据204、没有将刀具正常安装到加工中心2具备的刀具更换装置时取得的数据206,进行机器学习。例如,学习部110能够使用通过预处理部34对于数据204赋予表示正常的标签而对于数据206赋予表示异常的标签而制作的学习数据(训练数据)进行监督学习,生成正常数据与异常数据的判别边界208作为学习模型。
图6是表示在本实施方式中通过监督学习根据将刀具安装到刀具库时取得的学习数据制作的学习模型的例子的图。在图6中,为了简化说明,表示出将作为状态数据S只有参数A、B的情况作为例子的学习模型,但通过(例如以表现时序数据的各值作为要素的)更高次的向量空间来表现实际的状态数据S。在使用这样生成的学习模型的情况下,后述的推定部120能够根据从作为学习模型的判别边界208看在哪一侧描绘出从加工中心2、传感器3新取得的数据204、206,来推定刀具安装的正常/异常,在推定为是异常的情况下,根据距判别边界远离怎样程度,而计算出作为推定结果的异常度。
在具有上述结构的装置1中,学习部110使用预处理部34根据从加工中心2、传感器3取得的数据而制作的学习数据进行机器学习,为了根据在工作人员将刀具安装到刀具库时从传感器3取得的与刀具更换装置所产生的振动或声音相关的数据进行推定,而利用这样制作的学习模型208。
图7是第三实施方式的刀具安装异常检测装置1和机器学习装置100的概要功能框图。本实施方式的装置1具有在机器学习装置100进行推定的情况下所需要的结构(推定模式)。通过由图3所示的装置1具备的CPU11、以及机器学习装置100的处理器101执行各自的系统程序,控制刀具安装异常检测装置1和机器学习装置100的各部的动作,来实现图7所示的各功能模块。
与第一实施方式同样地,本实施方式的装置1具备数据取得部30、预处理部34,构成刀具安装异常检测部36的机器学习装置100具备推定部120。另外,在非易失性存储器14上,设置有存储机器学习装置100的状态推定所使用的学习数据的取得数据存储部50,在构成刀具安装异常检测部36的机器学习装置100的非易失性存储器104上,设置有存储通过学习部110的机器学习构筑的学习模型的学习模型存储部130。
本实施方式的数据取得部30是取得从加工中心2、传感器3、以及输入装置71等输入的各种数据的功能单元。数据取得部30取得各种数据,并将取得的数据存储到取得数据存储部50中。在此,数据取得部30能够取得的各种数据例如是与刀具更换相关的动作状态、加工中心2的机型、工作人员将刀具安装到刀具库时刀具更换装置所产生的振动或声音的时序数据、工作人员输入的与刀具安装相关的信息。数据取得部30也可以从未图示的外部存储装置或经由有线/无线的网络从其他装置取得数据。
本实施方式的预处理部34根据存储在取得数据存储部50中的数据,制作用于机器学习装置100的推定的状态数据S。预处理部34制作将取得的数据变换(数值化、标准化、采样等)为在机器学习装置100中处理的统一形式所得的状态数据。预处理部34制作的状态数据S至少包括工作人员将刀具安装到刀具库时传感器3检测出的刀具更换装置所产生的振动或声音的时序数据即刀具安装时振动数据S1。
推定部120根据预处理部34制作的状态数据S,使用存储在学习模型存储部130中的学习模型,进行加工中心的状态的推定。在本实施方式的推定部120中,将从预处理部34输入的状态数据S输入到通过学习部110生成(决定了参数)的学习模型,由此推定是否正常地将刀具安装到刀具库。
图8是表示在本实施方式中使用通过无监督学习而制作的学习模型推定刀具安装的正常/异常的例子的图。此外,在图8中,为了简化说明,表示出作为状态数据S将只有参数A、B、C的情况作为例子的学习模型,但通过(例如以表现时序数据的各值作为要素的)更高次的向量空间来表现实际的状态数据S。在使用通过无监督学习制作的学习模型进行推定的情况下,根据与作为推定对象而输入的状态数据S位于作为学习模型而制作的学习数据的分布(聚类202)的内部还是外部,来推定刀具的安装是正常还是异常。在图中,用参照符号210表示在安装刀具时是正常时检测出的状态数据,用参照符号212表示在异常时检测出的状态数据。另外,推定部120在检测出状态数据212而推定为刀具的安装是异常的情况下,还能够根据该状态数据与聚类的距离,计算出异常的程度214。
图9是表示在本实施方式中使用通过监督学习而制作的学习模型推定刀具安装的正常/异常的例子的图。此外,在图9中,为了简化说明,表示出作为状态数据S将只有参数A、B的情况作为例子的学习模型,但通过(例如以表现时序数据的各值作为要素的)更高次的向量空间来表现实际的状态数据S。在使用通过监督学习制作的学习模型进行推定的情况下,根据与作为推定对象而输入的状态数据S位于作为学习模型而制作的判别边界208的哪一侧,推定刀具的安装是正常还是异常。另外,在推定为是异常的情况下,还能够根据该状态数据与判别边界208的距离,计算出异常的程度214。
也可以将推定部120推定出的结果(刀具安装的正常/异常、异常的情况下的其异常度等)显示输出到显示装置70,或经由未图示的有线/无线网络发送输出到主机计算机、云计算机等而利用。装置1也可以根据异常度的大小变更向显示装置70的显示。
在具有上述结构的装置1中,使用预处理部34根据从加工中心2、传感器3取得的数据而制作的状态数据,推定刀具安装的正常/异常。本实施方式的装置1不是根据外观,而是根据安装时产生的振动或声音,对工作人员安装的刀具的安装状态进行推定。因此,即使在外观上很好地被安装但由于细微的错位等而没有很好地安装的情况下,也能够高精度地检测出刀具的安装异常。
以上说明了本发明的实施方式,但本发明并不只限于上述实施方式,通过施加适当的变更,能够以各种方式实施。
例如,在上述第二、三实施方式中,将刀具安装异常检测装置1和机器学习装置100说明为具备不同的CPU(处理器)的装置,但也可以通过刀具安装异常检测装置1具备的CPU11、存储在ROM12中的系统程序来实现机器学习装置100。
另外,在上述第二或第三实施方式中,将用于学习的结构和用于推定的结构说明为不同的实施方式,但也可以构成同时具备它们的刀具安装异常检测装置1。在该情况下,装置1进行动作使得一边进行刀具的安装状态的推定,一边根据需要更新(学习)学习模型。
并且,例如也可以在主机计算机、云服务器等上安装刀具安装异常检测装置1。在如图10示例的那样,刀具安装异常检测装置1经由有线/无线的网络5与多个加工中心2、以及安装在各个加工中心2的传感器3连接的情况下,也可以构成为装置1从各个加工中心2和传感器3收集数据,检测刀具向各个加工中心2的刀具库的安装状态的正常/异常。
Claims (10)
1.一种装置,其检测针对加工中心所具备的刀具更换装置的刀具库的刀具的安装异常,其特征在于,该装置具备:
数据取得部,其取得与上述加工中心相关的数据;
预处理部,其根据上述数据取得部取得的数据,制作至少与针对上述刀具库安装上述刀具时上述刀具更换装置所产生的振动或声音的时序数据相关的数据;以及
刀具安装异常检测部,其根据上述预处理部制作的数据,检测针对上述刀具库的上述刀具的安装异常。
2.根据权利要求1所述的刀具安装异常检测装置,其特征在于,
经由网络与多个加工中心连接,
根据从上述多个加工中心取得的数据,检测针对各个加工中心所具备的刀具更换装置的刀具库的刀具的安装异常。
3.一种装置,其检测针对加工中心所具备的刀具更换装置的刀具库的刀具的安装异常,其特征在于,该装置具备:
数据取得部,其取得与上述加工中心相关的数据;
预处理部,其根据上述数据取得部取得的数据,制作至少包含刀具安装时振动数据的状态数据作为学习数据,该刀具安装时振动数据是与针对上述刀具库安装上述刀具时上述刀具更换装置所产生的振动或声音的时序数据相关的数据;以及
刀具安装异常检测部,其用于根据上述预处理部制作的数据,检测针对上述刀具库的上述刀具的安装异常,
上述刀具安装异常检测部具备:学习部,其进行使用了上述预处理部制作的学习数据的机器学习,生成用于检测针对上述刀具库的上述刀具的安装异常的学习模型。
4.根据权利要求3所述的装置,其特征在于,
通过无监督学习生成上述学习模型。
5.根据权利要求3所述的装置,其特征在于,
通过监督学习生成上述学习模型。
6.根据权利要求3所述的装置,其特征在于,
经由网络与多个加工中心连接,
根据从上述多个加工中心取得的数据,生成用于检测针对各个加工中心所具备的刀具更换装置的刀具库的刀具的安装异常的学习模型。
7.一种装置,其检测针对加工中心所具备的刀具更换装置的刀具库的刀具的安装异常,其特征在于,该装置具备:
数据取得部,其取得与上述加工中心相关的数据;
预处理部,其根据上述数据取得部取得的数据,制作至少包含刀具安装时振动数据的状态数据,该刀具安装时振动数据是与针对上述刀具库安装上述刀具时上述刀具更换装置所产生的振动或声音的时序数据相关的数据;以及
刀具安装异常检测部,其根据上述预处理部制作的数据,检测针对上述刀具库的上述刀具的安装异常,
上述刀具安装异常检测部具备:
学习模型存储部,其存储学习与针对上述刀具库安装上述刀具时上述刀具更换装置所产生的振动或声音的时序数据对应的、针对上述刀具库的上述刀具的安装状态而得的学习模型;以及
推定部,其根据上述预处理部制作的状态数据,推定使用了存储在上述学习模型存储部中的学习模型的针对上述刀具库的上述刀具的安装状态。
8.根据权利要求7所述的装置,其特征在于,
通过无监督学习生成上述学习模型。
9.根据权利要求7所述的装置,其特征在于,
通过监督学习生成上述学习模型。
10.根据权利要求7所述的装置,其特征在于,
经由网络与多个加工中心连接,
根据从上述多个加工中心取得的数据,检测针对各个加工中心所具备的刀具更换装置的刀具库的刀具的安装异常。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018-214212 | 2018-11-14 | ||
JP2018214212A JP6882248B2 (ja) | 2018-11-14 | 2018-11-14 | 工具取付異常検出装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111185789A true CN111185789A (zh) | 2020-05-22 |
CN111185789B CN111185789B (zh) | 2022-10-14 |
Family
ID=70469095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911111453.0A Active CN111185789B (zh) | 2018-11-14 | 2019-11-14 | 检测刀具的安装异常的装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200147737A1 (zh) |
JP (1) | JP6882248B2 (zh) |
CN (1) | CN111185789B (zh) |
DE (1) | DE102019007721A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114211319A (zh) * | 2022-02-17 | 2022-03-22 | 东莞飞元科技有限公司 | 一种多工位刀具专用磨床控制方法、系统和存储介质 |
TWI760904B (zh) * | 2020-10-28 | 2022-04-11 | 恩波信息科技股份有限公司 | 基於聲音的機械監測系統及方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115319538B (zh) * | 2022-08-30 | 2023-11-17 | 上海诺倬力机电科技有限公司 | 五轴头刀具磨损智能检测方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU3484084A (en) * | 1983-11-14 | 1985-05-23 | Alfing Kessler Sondermaschinen G.M.B.H. | Tool exchange device for machine tool |
CN86104652A (zh) * | 1986-07-04 | 1988-01-13 | 清华大学 | 一种带电脑的刀具异常声发射监测装置 |
JPH05318256A (ja) * | 1992-05-25 | 1993-12-03 | Hamai Sangyo Kk | ツールホルダの把持装置ならびにツールポットおよびカセット型ツールマガジン |
JP2008087094A (ja) * | 2006-09-29 | 2008-04-17 | Matsushita Electric Works Ltd | 工具の取付異常検出装置 |
CN102672511A (zh) * | 2011-03-10 | 2012-09-19 | 兄弟工业株式会社 | 换刀装置 |
CN202527715U (zh) * | 2012-02-17 | 2012-11-14 | 协鸿工业股份有限公司 | 中心加工机刀架 |
CN204450024U (zh) * | 2015-02-03 | 2015-07-08 | 湖北毅兴机床有限公司 | 一种刀库刀具夹持装置 |
JP2018159991A (ja) * | 2017-03-22 | 2018-10-11 | ファナック株式会社 | 学習モデル構築装置、異常検出装置、異常検出システム及びサーバ |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11277369A (ja) * | 1998-03-31 | 1999-10-12 | Brother Ind Ltd | 工作機械の制御装置,制御方法,記憶媒体 |
JP4580846B2 (ja) * | 2005-08-26 | 2010-11-17 | ヤマザキマザック株式会社 | Nc工作機械 |
JP2007319995A (ja) * | 2006-06-01 | 2007-12-13 | Denso Corp | 工作機械、及び工作機械の異物挟み込み判定方法 |
JP2016218550A (ja) * | 2015-05-15 | 2016-12-22 | ファナック株式会社 | 加工に使用する工具の取付け状態を確認する数値制御装置 |
JP6629815B2 (ja) * | 2017-10-23 | 2020-01-15 | ファナック株式会社 | 寿命推定装置及び機械学習装置 |
KR102512173B1 (ko) * | 2018-01-03 | 2023-03-21 | 주식회사 디엔솔루션즈 | 공작기계의 공구이상 검출장치 및 검출방법 |
JP2022086866A (ja) * | 2020-11-30 | 2022-06-09 | 株式会社リコー | 診断装置、診断システム、診断方法、およびプログラム |
-
2018
- 2018-11-14 JP JP2018214212A patent/JP6882248B2/ja active Active
-
2019
- 2019-11-07 DE DE102019007721.0A patent/DE102019007721A1/de active Pending
- 2019-11-12 US US16/680,510 patent/US20200147737A1/en not_active Abandoned
- 2019-11-14 CN CN201911111453.0A patent/CN111185789B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU3484084A (en) * | 1983-11-14 | 1985-05-23 | Alfing Kessler Sondermaschinen G.M.B.H. | Tool exchange device for machine tool |
CN86104652A (zh) * | 1986-07-04 | 1988-01-13 | 清华大学 | 一种带电脑的刀具异常声发射监测装置 |
JPH05318256A (ja) * | 1992-05-25 | 1993-12-03 | Hamai Sangyo Kk | ツールホルダの把持装置ならびにツールポットおよびカセット型ツールマガジン |
JP2008087094A (ja) * | 2006-09-29 | 2008-04-17 | Matsushita Electric Works Ltd | 工具の取付異常検出装置 |
CN102672511A (zh) * | 2011-03-10 | 2012-09-19 | 兄弟工业株式会社 | 换刀装置 |
CN202527715U (zh) * | 2012-02-17 | 2012-11-14 | 协鸿工业股份有限公司 | 中心加工机刀架 |
CN204450024U (zh) * | 2015-02-03 | 2015-07-08 | 湖北毅兴机床有限公司 | 一种刀库刀具夹持装置 |
JP2018159991A (ja) * | 2017-03-22 | 2018-10-11 | ファナック株式会社 | 学習モデル構築装置、異常検出装置、異常検出システム及びサーバ |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI760904B (zh) * | 2020-10-28 | 2022-04-11 | 恩波信息科技股份有限公司 | 基於聲音的機械監測系統及方法 |
CN114211319A (zh) * | 2022-02-17 | 2022-03-22 | 东莞飞元科技有限公司 | 一种多工位刀具专用磨床控制方法、系统和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111185789B (zh) | 2022-10-14 |
JP2020082198A (ja) | 2020-06-04 |
DE102019007721A1 (de) | 2020-05-14 |
JP6882248B2 (ja) | 2021-06-02 |
US20200147737A1 (en) | 2020-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111185789B (zh) | 检测刀具的安装异常的装置 | |
JP7000359B2 (ja) | 判定装置 | |
JP6431017B2 (ja) | 機械学習により外力の検出精度を向上させた人協調ロボットシステム | |
CN109420932B (zh) | 异常检测装置 | |
JP6836577B2 (ja) | 研磨工具摩耗量予測装置、機械学習装置及びシステム | |
CN110116371B (zh) | 研磨工具磨损量预测装置、机器学习装置以及系统 | |
JP6572265B2 (ja) | 制御装置及び機械学習装置 | |
CN110187694B (zh) | 故障预测装置以及机器学习装置 | |
CN109693146B (zh) | 寿命推定装置以及机器学习装置 | |
EP1967334B1 (en) | Detection of condition changes in an industrial robot system | |
US10730183B2 (en) | Learning device, controller, and control system | |
US20200398424A1 (en) | Machine learning apparatus, robot system, and machine learning method of learning state of tool | |
JP7239399B2 (ja) | 調整支援装置 | |
US10962957B2 (en) | Collision position estimation device and machine learning device | |
CN110962124A (zh) | 切削加工机器人静态误差补偿与动刚度模型的修正方法 | |
US20190265673A1 (en) | Abnormality factor identification apparatus | |
CN110389560B (zh) | 波形显示装置 | |
CN113252371A (zh) | 状态估计装置、系统和制造方法 | |
JPH11188680A (ja) | 部品組付装置 | |
JP7401280B2 (ja) | 作業工程判別装置及び作業工程判別システム | |
JP7170496B2 (ja) | 工作機械における加工異常診断モデル構築用の加工データへのラベル付与方法及び加工異常診断システム | |
EP3792717A1 (en) | Tracking system | |
KR20230066935A (ko) | 인공지능 기반 공작기계 툴 진단 시스템 |
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 |