CN112116728A - 磨损判断系统及纤维机械系统 - Google Patents

磨损判断系统及纤维机械系统 Download PDF

Info

Publication number
CN112116728A
CN112116728A CN202010406128.3A CN202010406128A CN112116728A CN 112116728 A CN112116728 A CN 112116728A CN 202010406128 A CN202010406128 A CN 202010406128A CN 112116728 A CN112116728 A CN 112116728A
Authority
CN
China
Prior art keywords
wear
unit
state
package
cradle
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.)
Pending
Application number
CN202010406128.3A
Other languages
English (en)
Inventor
林茂
川畑智史
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.)
Murata Machinery Ltd
Original Assignee
Murata Machinery 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 Murata Machinery Ltd filed Critical Murata Machinery Ltd
Publication of CN112116728A publication Critical patent/CN112116728A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
    • B65H54/00—Winding, coiling, or depositing filamentary material
    • B65H54/02—Winding and traversing material on to reels, bobbins, tubes, or like package cores or formers
    • B65H54/40—Arrangements for rotating packages
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65H—HANDLING THIN OR FILAMENTARY MATERIAL, e.g. SHEETS, WEBS, CABLES
    • B65H54/00—Winding, coiling, or depositing filamentary material
    • B65H54/02—Winding and traversing material on to reels, bobbins, tubes, or like package cores or formers
    • B65H54/40—Arrangements for rotating packages
    • B65H54/54—Arrangements for supporting cores or formers at winding stations; Securing cores or formers to driving members
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/14—Quality control systems
    • G07C3/146—Quality control systems during manufacturing process
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Filamentary Materials, Packages, And Safety Devices Therefor (AREA)

Abstract

本发明提供磨损判断系统及纤维机械系统。磨损判断系统是对构成将卷装(P)以能够旋转的方式进行支承的摇架(31)的部件中的、在利用驱动部(47)使卷装(P)旋转的期间内发生磨损的磨损部件的磨损状态进行判断的系统。磨损判断系统(100)具备：获取部(81A)，该获取部获取状态变量，该状态变量包括摇架(31)产生的振动、和从使对卷装(P)的旋转进行制动的制动装置(39)工作起直到卷装(P)的旋转停止为止的旋转数或时间；以及解析部(81B)，该解析部基于由获取部(81A)获取到的状态变量来判断磨损部件的磨损状态。

Description

磨损判断系统及纤维机械系统
技术领域
本发明涉及磨损判断系统及纤维机械系统。
背景技术
已知一种具备向卷绕管卷绕纱线而形成卷装的纤维处理单元的纤维机械。纤维机械的纤维处理单元具有将卷装以能够旋转的方式进行支承的摇架。
当构成摇架的部件局部磨损时，有时会产生与本来的动作不同的举动而影响卷装的质量。另外，这些举动由于大多不会出现在生产效率等运转数据中，所以即使在超过了作为更换时期标准的磨损量的情况下也无法注意到。因此，若更换延迟则有可能引起故障。
例如，日本特开平6-127833号公报中公开了一种磨损判断系统(摇架的故障诊断装置)，其具备：加速度传感器，该加速度传感器检测支承卷装的摇架的加速度；和判断部，该判断部基于由加速度传感器检测到的加速度、或从该加速度计算出的振动速度、或振幅值来判断摇架的异常。
发明内容
根据如上所述的磨损判断系统，与以往基于目视的检查不同，能够获得客观的检查结果。近年来，随着信息处理技术的提高而能够基于更多信息进行处理，并谋求更高精度的磨损判断结果。
因此，本发明的目的在于，提供一种磨损判断系统及纤维机械系统，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
本发明的磨损判断系统对向卷绕管卷绕纱线而形成卷装的纤维处理单元中包含的部件、且构成将卷装以能够旋转的方式进行支承的摇架的部件中的、在利用驱动部使所述卷装旋转的期间内发生磨损的磨损部件的磨损状态进行判断，该磨损判断系统具备：获取部，该获取部获取状态变量，该状态变量包括摇架产生的振动、和从使对卷装的旋转进行制动的制动装置工作起直到卷装的旋转停止为止的旋转数或时间；以及判断部，该判断部基于由获取部获取到的状态变量来判断磨损部件的磨损状态。此外，此处所说的获取部及判断部不是指收集作为对象的信息并将其转换为能够由运算装置等处理的信号的元件等传感器，而是指作为运算装置的功能的一部分而设置的部分。
在该磨损判断系统中，不仅基于摇架产生的振动、还基于从使对卷装的旋转进行制动的制动装置工作起直到卷装的旋转停止为止的旋转数或时间，来判断磨损部件的磨损状态。由此，由于在考虑了至少包括“摇架产生的振动”和“直到旋转停止为止的卷装的旋转数或时间”在内的多个要素的情况下判断磨损部件的磨损状态，所以能够进行更恰当的判断。本申请发明人弄清楚了“摇架产生的振动”和“直到旋转停止为止的卷装的旋转数或时间”很好地反映磨损部件的磨损状态这一情况。其结果是，通过根据至少这两个状态变量进行判断，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
也可以是，本发明的磨损判断系统还具备存储通过机器学习生成的分析模型的存储部，判断部向分析模型输入状态变量，并将磨损部件的磨损状态作为判断结果输出。根据该磨损判断系统，能够通过机器学习实现高精度的磨损状态的判断。而且，在通过机器学习生成分析模型之后，能够容易且高精度地判断磨损状态。
也可以是，在本发明的磨损判断系统中，分析模型是使用将状态变量与获取到状态变量时的磨损部件的磨损状态相关联得到的训练数据进行了学习的已学习模型。在该磨损判断系统的分析模型中，由于能够从上述使用训练数据进行了学习的分析模型导出磨损状态，所以被导出的磨损状态的精度高。因此，能够更高精度地判断磨损部件的磨损状态。
也可以是，本发明的磨损判断系统还具备：受理部，该受理部受理训练数据；和学习部，该学习部根据在受理部中受理的训练数据来学习磨损部件的磨损状态。在该磨损判断系统中，能够生成可导出更高精度的磨损状态的分析模型，判断部能够基于该高精度的分析模型导出的磨损状态来判断磨损部件的磨损状态。
也可以是，在本发明的磨损判断系统中，受理部与从多个纤维处理单元收集与运转状态有关的信息的收集部以能够通信的方式连接，学习部将由收集部收集到的与运转状态有关的信息的一部分作为训练数据使用。在该磨损判断系统中，能够从纤维处理单元连续地收集与运转状态有关的信息。由此，能够基于更多训练数据来生成(更新)分析模型，因此能够提高分析模型的精度。
也可以是，在本发明的磨损判断系统中，状态变量包括纤维处理单元中的卷装的卷绕速度。在该磨损判断系统中，由于基于上述振动、上述旋转数或时间、以及上述卷绕速度这三个要素来判断磨损部件的磨损状态，所以能够进行更恰当的判断。其结果是，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
也可以是，在本发明的磨损判断系统中，状态变量包括与卷绕在卷装上的纱线量有关的信息。此处所说的“与卷绕在卷装上的纱线量有关的信息”包括“卷绕在卷绕管上的纱线的全长”、“卷绕在卷绕管上的纱线的总重量”及“卷装的直径(厚度)”等中的至少一个。在该磨损判断系统中，由于基于上述振动、上述旋转数或时间、以及上述与纱线量有关的信息这三个要素来判断磨损部件的磨损状态，所以能够进行更恰当的判断。其结果是，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
也可以是，在本发明的磨损判断系统中，摇架产生的振动包括与卷绕管的轴向一致的第一方向的振动、和与第一方向正交的第二方向的振动，状态变量包括第一方向的振动和第二方向的振动。在该磨损判断系统中，由于作为摇架产生的振动而将特征性的第一方向的振动及第二方向的振动用于判断磨损部件的磨损状态，所以能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
也可以是，在本发明的磨损判断系统中，状态变量包括与卷绕管的状态有关的信息。此处所说的“与卷绕管的状态有关的信息”是指因使用或缺陷而导致的卷绕管本身的功能或性能的劣化状态。例如，能够反映当使用状态差的卷绕管时上述振动变大等关系。其结果是，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
也可以是，在本发明的磨损判断系统中，摇架具有夹持卷绕管的摇架臂，磨损部件是卷合套，该卷合套构成将由摇架臂夹持的卷绕管以能够旋转的方式进行支承的轴承部，判断部判断卷合套的磨损状态。在该磨损判断系统中，能够更高精度地判断卷合套的磨损状态。
也可以是，在本发明的磨损判断系统中，摇架具有夹持卷绕管的摇架臂、和以成为夹持卷绕管的闭状态或打开卷绕管的夹持的开状态的方式使摇架臂转动的杆，磨损部件是杆套筒，该杆套筒构成将杆以能够转动的方式进行支承的轴承部的一部分，判断部判断杆套筒的磨损状态。在该磨损判断系统中，能够更高精度地判断杆套筒的磨损状态。
也可以是，在本发明的磨损判断系统中，摇架具有夹持卷绕管的摇架臂、和以成为夹持卷绕管的闭状态或打开卷绕管的夹持的开状态的方式使摇架臂转动的杆，磨损部件包括卷合套和杆套筒，该卷合套构成对由摇架臂夹持的卷绕管的旋转进行支承的轴承部，该杆套筒构成支承杆的轴承部的一部分，判断部分别判断卷合套的磨损状态及杆套筒的磨损状态。在该磨损判断系统中，能够分别更高精度地判断卷合套及杆套筒的磨损状态。
也可以是，本发明的磨损判断系统还具备通知由判断部判断出的判断结果的通知部。在该磨损判断系统中，由于向作业人员等通知磨损部件的磨损状态，所以作业人员能够恰当应对该磨损部件。
也可以是，本发明的磨损判断系统还具备针对磨损部件的每一个管理维护的日程的管理部，管理部基于由判断部判断出的判断结果来更新日程。在该磨损判断系统中，即使在具有定期预定了维护的日程的情况下，也能根据磨损部件的磨损状态恰当地更新日程。由此，能够拟定更有效的维护日程。
也可以是，本发明的纤维机械系统具备：上述磨损判断系统；多个纤维机械，该多个纤维机械分别具有多个纤维处理单元及将多个纤维处理单元集中控制的一个控制装置；管理装置，该管理装置管理多个纤维机械；和服务器装置，该服务器装置以能够与管理装置通信的方式设置，获取部及判断部设于服务器装置，控制装置分别从多个纤维处理单元收集状态变量并将其发送至服务器装置，服务器装置将由判断部判断出的判断结果发送至管理装置。在该纤维机械系统中，例如将从各地的纺织工厂中配备的各个纤维处理单元收集的状态变量发送至服务器装置，并基于该状态变量来判断各个纤维处理单元中包含的磨损部件的磨损状态。由此，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
也可以是，本发明的纤维机械系统具备：上述磨损判断系统；多个纤维机械，该多个纤维机械分别具有多个纤维处理单元及将多个纤维处理单元集中控制的一个控制装置；和管理装置，该管理装置管理多个纤维机械，获取部及判断部设于管理装置，控制装置分别从多个纤维处理单元收集状态变量并将其发送至管理装置，管理装置具有输出由判断部判断出的判断结果的输出部。在该纤维机械系统中，例如将从纺织工厂中配备的各个纤维处理单元收集的状态变量发送至管理装置，并基于该状态变量来判断各个纤维处理单元中包含的磨损部件的磨损状态。由此，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
也可以是，本发明的纤维机械系统具备：上述磨损判断系统；和纤维机械，该纤维机械具有多个纤维处理单元及将多个纤维处理单元集中控制的一个控制装置，获取部及判断部设于控制装置，控制装置分别从多个纤维处理单元收集状态变量，控制装置具有输出由判断部判断出的判断结果的输出部。在该纤维机械系统中，基于从纺织工厂中配备的各个纤维处理单元收集的状态变量来判断各个纤维处理单元中包含的磨损部件的磨损状态。由此，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
根据本发明，能够更高精度地判断在利用驱动部使卷装旋转的期间内发生磨损的磨损部件的磨损状态。
附图说明
图1是包含由一个实施方式的磨损判断系统判断磨损状态的磨损部件的自动络纱机的概要构成图。
图2是图1的自动络纱机中包含的络纱单元的侧视图。
图3是图2的络纱单元中包含的摇架的主视图。
图4是图2的络纱单元中包含的摇架的侧视图。
图5是表示一个纺织工厂中配备的自动络纱机和管理装置的概要构成图。
图6是表示一个实施方式的磨损判断系统的一个例子的系统整体图。
图7是表示图5的管理装置的功能构成的功能框图。
图8是表示图6的服务器装置的功能构成的功能框图。
图9是表示直到作为已学习模型的分析模型M生成为止的流程的流程图。
图10是表示直到使用作为已学习模型的分析模型M判定磨损部件为止的流程的流程图。
图11的(A)是表示杆套筒的磨损量、卷合套的磨损量、第一方向振动的大小之间的关系的图。
图11的(B)是表示杆套筒的磨损量、卷合套的磨损量、第二方向振动的大小之间的关系的图。
图11的(C)是表示杆套筒的磨损量、卷合套的磨损量、卷装的直到旋转停止为止的旋转数的大小之间的关系的图。
具体实施方式
以下，参照附图来说明一个实施方式的磨损判断系统100。在附图的说明中，对相同要素标注相同的附图标记并省略重复说明。
磨损判断系统100是对图2所示的向卷绕管T卷绕纱线Y而形成卷装P的络纱单元(纤维处理单元)10中包含的部件、且是构成将卷装P以能够旋转的方式进行支承的摇架31的部件中的、在利用驱动部47使卷装P旋转的期间内发生磨损的磨损部件的磨损状态进行判断的系统。
在本实施方式中，驱动部47使与卷装P接触而使卷装P旋转的卷筒45旋转。因此，利用驱动部47使卷装P旋转的期间是指卷筒45与卷装P接触、并且卷筒45通过驱动部47而旋转的期间。例如，由于之后说明的制动装置39在使卷筒45与卷装P分离后的状态下工作，所以构成制动装置39的部件不会成为磨损判断系统100的判断对象。在本实施方式中，上述磨损部件的例子包括杆套筒41a(参照图4)及卷合套(巻きブッシュ)37a(参照图3)。
在此，首先对具备上述络纱单元10的自动络纱机(纤维机械)1进行说明。如图1所示，自动络纱机1具备机台控制装置2、多个络纱单元10、和落纱装置50。机台控制装置2具有设定部3、显示部4和控制部5。设定部3是通过由作业人员输入规定的设定值或选择适当的控制方法来进行对各络纱单元10的设定的部分。显示部4是显示各络纱单元10中的纱线Y的卷绕状况、所发生的故障的内容、磨损部件的磨损状态、以及与维护有关的日程信息等的部分。此外，设定部3及显示部4可以由触摸面板构成。
络纱单元10通过使从喂纱纱管B退绕的纱线Y一边横动一边卷绕到卷绕管T(参照图2)上而形成卷装P。作为卷绕管T及卷装P能够应用各种尺寸及形状。例如，卷绕管T及卷装P的形状既可以是圆台形(圆锥状)也可以是圆柱形。在本实施方式中，卷绕管T及卷装P在机台高度方向上相对于喂纱纱管B配置于铅垂方向上侧，纱线Y从下侧朝向上侧行进。此外，络纱单元10也可以变更成纱线Y从上侧朝向下侧行进的结构。在该情况下，优选地，本申请说明书的说明文中的“下”替换称为“上”或“(纱线行进方向的)上游”，并且“上”替换称为“下”或“(纱线行进方向的)下游”。
落纱装置50例如当在络纱单元10中卷装P成为满卷时，移动至该络纱单元10的位置，从该络纱单元10将满卷的卷装P落纱，并且向该络纱单元10供给空的卷绕管T。由落纱装置50落纱的卷装P被排出到设于各络纱单元10的后侧(将相对于自动络纱机1而言作业人员用的通路所在的一侧作为前侧，将其相反侧作为后侧)的载置部(未图示)，并通过各种方法回收。此外，落纱装置50不仅能够适当排出满卷的卷装P，还能适当排出非满卷的卷装P及空的卷绕管T。也可以不在自动络纱机1设置落纱装置32。在该情况下，优选由作业人员以手工作业进行落纱作业。
如图2所示，络纱单元10具备单元控制部11和单元主体12。单元控制部11容纳在单元框架10a中。单元控制部11是由CPU(Central Processing Unit：中央处理单元)、ROM(Read Only Memory：只读存储器)、RAM(Random Access Memory：随机存取存储器)、I/O接口及通信接口等构成的电子控制单元。ROM中记录有用于控制单元主体12的各构成的程序。在I/O接口及通信接口连接有单元主体12的各构成及机台控制装置2。由此，单元控制部11能够一边与机台控制装置2通信一边控制单元主体12的各构成的动作。
在单元主体12中，沿着从喂纱纱管B到卷绕管T及卷装P的纱线Y的行进路径设有纱线退绕辅助装置13、张力施加装置14、接纱装置15、纱线监视装置16及卷绕装置30。纱线退绕辅助装置13、张力施加装置14、接纱装置15、纱线监视装置16及卷绕装置30分别支承于单元框架10a。在单元主体12的下部设有喂纱部17。喂纱部17将喂纱纱管B保持于规定位置。喂纱纱管B可以由纱管搬送系统(未图示)搬送至喂纱部17，或者也可以由作业人员以手工作业放置于喂纱部17。
纱线退绕辅助装置13通过将由从喂纱纱管B退绕的纱线Y在喂纱纱管B上侧形成的气圈控制为恰当大小来辅助纱线Y的退绕。张力施加装置14对行进的纱线Y施加规定的张力。对于张力施加装置14而言，例如能够使用门式、盘式等的装置。接纱装置15在基于纱线监视装置16的纱线切断时、来自喂纱纱管B的纱线Y的断纱时等，连接喂纱纱管B侧的下纱线与卷装P侧的上纱线。纱线监视装置16通过检测纱线Y的粗细来检测粗节等纱线缺陷。在纱线监视装置16上设有例如在检测到纱线缺陷的情况下切断纱线Y的切断器。此外，纱线监视装置16有时也检测纱线Y中有无包含异物。
在接纱装置15的下侧设有捕捉喂纱纱管B侧的下纱线并将其引导至接纱装置15的下纱线捕捉引导装置18。下纱线捕捉引导装置18具有以轴18a为中心向上下转动的管臂18b、和设于管臂18b的前端的下纱线吸引口18c。在管臂18b连接有负压源(未图示)，在下纱线吸引口18c产生用于捕捉喂纱纱管B侧的下纱线的吸引流。
在接纱装置15的上侧设有捕捉卷装P侧的上纱线并将其引导至接纱装置15的上纱线捕捉引导装置19。上纱线捕捉引导装置19具有以轴19a为中心向上下转动的管臂19b、和设于管臂19b的前端的上纱线吸引口19c。在管臂19b连接有负压源(未图示)，在上纱线吸引口19c产生用于捕捉卷装P侧的上纱线的吸引流。
卷绕装置30使纱线Y一边横动一边卷绕到卷装P上。卷绕装置30具有摇架31和卷筒45。
摇架31通过夹持卷装P的卷绕管T来保持卷装P。摇架31构成为能够摆动至使所保持的卷装P与卷筒45接触的状态、和使卷装P从卷筒45离开的状态。
卷筒45使驱动部47的驱动力传递到与卷筒45接触的卷装P而使卷装P旋转，并且使纱线Y在卷装P的表面横动。卷筒45在其外周面形成有螺旋状的横动槽45a。卷筒45由驱动部47旋转驱动。驱动部47设于卷筒45的一端侧，并容纳在单元框架10a中。驱动部47的例子例如包括伺服马达或步进马达等。驱动部47由单元控制部11控制。
从喂纱纱管B退绕的纱线Y通过形成于卷筒45的外周面的横动槽45a而一边以恒定幅度横动一边被卷绕到卷装P的表面。由此，能够形成具有恒定卷宽的卷装P。此外，卷筒45在摇架31保持着缠绕有纱线Y的卷绕管T的情况下与卷装P的外周面接触，在摇架31保持着未缠绕纱线Y的空的卷绕管T的情况下与卷绕管T的外周面接触。在以下说明中，也将卷装P和卷绕管T总称为卷装P。
如图3及图4所示，摇架31具有成一对的第一摇架臂33及第二摇架臂34、和将第一摇架臂33的基端部33a与第二摇架臂34的基端部34a连结的连结部35。摇架31摆动自由地支承于单元框架10a，并以所保持的卷装P以规定压力与卷筒45接触的方式被施力。
第一摇架臂33以其前端部33b向内侧(第二摇架臂34的前端部34b侧)和外侧摆动自由的方式安装于连结部35，并被向内侧施力以能够将卷装P夹持而进行保持。在第一摇架臂33上设有用于操作卷装P的装拆等的摇架杆(杆)40。
摇架杆40经由轴承部41设于第一摇架臂33。轴承部41包含杆套筒(lever bush)41a。杆套筒41a是例如由金属等材料形成的环状构件。如上所述，杆套筒41a是在卷筒45与卷装P接触且卷装P通过驱动部47的驱动力而旋转的期间内发生磨损的部件之一。
在第一摇架臂33的前端部33b的内侧安装有第一轴承单元(轴承部)37。在第二摇架臂34的前端部34b的内侧安装有第二轴承单元(轴承部)38。卷装P通过在卷绕管T的两端部分别嵌入第一轴承单元37及第二轴承单元38而旋转自由地保持于摇架31。在本实施方式中，第一轴承单元37为将圆锥状的卷装P的大径端部(一个端部)以旋转自由的方式进行支承的轴承单元。另外，第二轴承单元38为将圆锥状的卷装P的小径端部(另一个端部)以旋转自由的方式进行支承的轴承单元。
第一轴承单元37包含卷合套37a。卷合套37a是例如由树脂等材料形成的环状构件。如上所述，卷合套37a是在卷筒45与卷装P接触且卷装P通过驱动部47的驱动力而旋转的期间内发生磨损的部件之一。在本实施方式中，形成卷合套37a的材料与形成杆套筒41a的材料互不相同。因此，卷合套37a与杆套筒41a可能因设置场所的差异和材料的差异而在磨损的方式上产生差异。
在摇架31上设有角度传感器36a。角度传感器36a由旋转编码器或旋转变压器等构成，检测摇架31相对于框架的摆动角。当在卷装P上卷绕纱线Y而使得卷装P的直径增大时，摇架31相对于框架摆动。因此，能够基于由角度传感器36a检测到的摆动角计算卷装P的直径(厚度)。角度传感器36a获取到的摆动角由机台控制装置2获取。
在络纱单元10中设有加速度传感器36b。加速度传感器36b检测摇架31产生的振动。本实施方式的加速度传感器36b检测与卷绕管T的轴向一致的第一方向的振动、和与第一方向正交的第二方向的振动。加速度传感器36b获取到的振动由机台控制装置2获取。在本实施方式中，第一方向是卷绕管T的轴向，与机台的宽度方向(络纱单元10的宽度方向)一致。另外，第二方向与机台的前后方向(络纱单元10的前后方向)一致。
加速度传感器36b具体设于在络纱单元10的单元框架10a中设置的控制基板上。该控制基板作为单元控制部11发挥功能。此外，加速度传感器36b并不限定于设于构成单元控制部11的控制基板上，例如也可以设于摇架31的适当部位。
制动装置39对卷装P的旋转进行制动。制动装置39具有被推抵到第一轴承单元37的制动片、和使制动片工作的气压可变部等。制动装置39由单元控制部11控制。制动装置39在使卷筒45与卷装P隔离开的状态(抬升(lift up))下工作。在本实施方式中，能够获取从制动装置39工作起直到卷装P的旋转停止为止的旋转数。
制动装置39的工作时机例如能够通过用于使制动装置39工作的指令信号的输入输出来判断。另外，在第一轴承单元37上设有检测卷装P的旋转的传感器，能够根据该传感器的变化来判断卷装P的旋转已停止的情况。
如图5所示，例如一个纺织工厂中配备有多个自动络纱机1，并具备管理多个自动络纱机1的管理装置70。管理装置70以能够与多个自动络纱机1所具备的机台控制装置2分别通信的方式设置。管理装置70从机台控制装置2收集各种运转数据，并监视各自动络纱机1的状态。运转数据的例子包括摇架31的振动、从制动装置39工作起直到卷装P停止为止的旋转数、以及从角度传感器36a获取的与卷装P的直径有关的信息。另外，运转数据的例子还包括纱线缺陷除去数、运转效率、以及接纱失败率等。另外，运转数据的例子还包括卷装P的卷绕速度。
此外，卷绕速度是由作业人员经由设定部设定的卷绕条件。因此，卷绕速度能够称为设定数据。在本申请说明书及权利要求中，包括运转数据及设定数据在内也称为“与运转状态有关的信息”。
管理装置70构成为包含CPU、RAM及ROM等主存储部和以硬盘、闪存等为例的辅助存储部等的计算机系统。在本实施方式中，作为上述辅助存储部而具有图7所示的存储部71F。另外，之后详述的运转数据输入部(收集部)71A、运转数据输出部71B、判断结果输入部71C、通知部71D、管理部71E中的各功能通过在CPU及主存储部等硬件上读入规定的计算机软件而在CPU的控制下执行。
存储部71F是存储与各自动络纱机1的维护有关的日程的部分。在本实施方式中，存储部71F针对构成自动络纱机1的磨损部件(杆套筒41a及卷合套37a)的每一个，按络纱单元10存储下一个维护预定日。另外，存储部71F针对磨损部件(杆套筒41a及卷合套37a)各自的磨损状态，存储有与磨损部件的作为更换时期标准的更换时期相关联的更换时期信息。更换时期信息例如是表示若杆套筒41a的磨损状态为“磨损量(小)”则更换时期在一年后到来的信息。另外，更换时期信息例如是表示若杆套筒41a的磨损状态为“磨损量(中)”则更换时期在三个月后到来的信息。另外，更换时期信息例如是表示若杆套筒41a的磨损状态为“磨损量(大)”则更换时期在一周以内到来的信息。
运转数据输入部71A是从多个自动络纱机1获取运转数据的部分。运转数据输入部71A可以将获取到的运转数据暂时存储到未图示的存储部中。
运转数据输出部71B是将由运转数据输入部71A获取到的运转数据发送至服务器装置80的部分。运转数据输出部71B既可以在每次由运转数据输入部71A获取运转数据时将其发送至服务器装置80，也可以以规定时机发送存储在未图示的存储部中的运转数据。
判断结果输入部71C是输入由之后详述的服务器装置80的解析部(判断部)81B判断的磨损部件的判断状态、即杆套筒41a及卷合套37a的磨损状态的部分。在本实施方式中，判断结果输入部71C获取从服务器装置80发送来的信息。
管理部71E是基于杆套筒41a及卷合套37a的磨损状态来判断杆套筒41a及卷合套37a是否分别处于更换时期的部分。管理部71E例如能够基于预先存储在存储部71F等中的更换时期信息来判断是否处于更换时期。
管理部71E是将构成自动络纱机1的磨损部件(杆套筒41a及卷合套37a)各自的维护预定日按络纱单元10进行管理的部分。管理部71E管理从管理装置70的未图示的输入部输入的维护预定日，并且基于从判断结果输入部71C输入的杆套筒41a及卷合套37a的磨损状态来修正(更新)维护预定日。例如，若磨损部件的状态良好(若磨损量小)则管理部71E使维护预定日推迟，或者若磨损部件的状态差(若磨损量大)则管理部71E使维护预定日提前。
通知部71D是将由判断结果输入部71C获取到的磨损部件的判断状态通知给自动络纱机1的作业人员(“作业人员”也能包括“管理人员”和“保养人员”。)的部分。更具体而言，判断结果输入部71C使以能够与管理装置70通信的方式设置的显示装置(未图示)、机台控制装置2的显示部4(参照图1)及以能够与管理装置70或机台控制装置2通信的方式设置的平板电脑等移动终端73的显示部(参照图6)中的至少一个显示杆套筒41a及卷合套37a的磨损状态。
另外，通知部71D使以能够与管理装置70通信的方式设置的显示装置(未图示)、机台控制装置2的显示部4(参照图1)及以能够与管理装置70或机台控制装置2通信的方式设置的平板电脑等移动终端73的显示部(参照图6)中的至少一个显示由管理部71E管理的杆套筒41a及卷合套37a的维护预定日。
即，通知部71D使管理装置70所具备的显示装置(未图示)、以能够与机台控制装置2通信的方式设置的显示部4(参照图1)及以能够与管理装置70或机台控制装置2通信的方式设置的平板电脑等移动终端73的显示部(参照图6)中的至少一个，将由管理部71E判断的杆套筒41a及卷合套37a是否处于更换时期的信息作为例如维护日程来显示。
通知部71D也可以基于磨损状态使上述显示部显示提醒订购磨损部件的消息。杆套筒41a及卷合套37a的磨损大多以几个月的跨度发展。另外，各纺织工厂未必总是能够确保上述套筒的库存。因此，作业人员只要看到显示部上显示的提醒订购的消息并在磨损量为“中”的时间点订购部件就能在磨损量变成“大”之前得到部件，从而能够在接下来磨损量变成“大”的时间点马上更换部件。因此，能够防止因部件的等待得到(更换待机)而使生产效率下降。即，通知部71D优选作为第一阶段而进行提醒订购部件的通知(预测维护的通知)，并作为第二阶段而进行提醒更换部件的通知(异常通知)。
作为第二阶段的通知例如在具有定期预定了维护的日程(维护日程)的情况下，能够通过该日程的更新来实现。日程按络纱单元10或按维护对象(例如磨损部件)或按维护内容来设定维护预定日。维护内容例如是“杆套筒41a的更换”、“卷合套37a的更换”、“制动片的更换”、“上油”、“检查”或“清扫”等。维护日程优选显示为例如日历式并在各维护预定日示出各维护信息。
接着，对磨损判断系统100进行说明。如图8所示，磨损判断系统100由以能够与各纺织工厂U1、U2、U3分别配备的管理装置70通信的方式设置的服务器装置80构建。即，磨损判断系统100构建为纤维机械系统200的一部分，该纤维机械系统200构成为包含各纺织工厂U1、U2、U3分别配备的自动络纱机1及管理装置70、和服务器装置80。服务器装置80构成为包含CPU、RAM及ROM等主存储部和以硬盘、闪存等为例的辅助存储部等的计算机系统。在本实施方式中，作为上述辅助存储部而具有图8所示的分析模型存储部83A和训练数据存储部83B。
另外，之后详述的获取部81A、解析部81B、输出部81D、训练数据输入部(受理部)81E、分析模型学习部(学习部)81F中的各功能通过在CPU及主存储部等硬件上读入规定的计算机软件而在CPU的控制下执行。此外，也可以使用高速进行用于快速进行运算处理的矩阵计算及积和计算的硬件。该情况下的处理也在CPU的控制下执行。
分析模型存储部83A是存储通过机器学习生成的分析模型M的部分。分析模型M是使用将下述所示的状态变量(也称为说明变量)、与获取到状态变量时的杆套筒41a及卷合套37a的磨损状态相关联得到的训练数据(之后详述的卷合套学习用数据、卷合套验证用数据、杆套筒学习用数据及杆套筒验证用数据)进行了学习的已学习模型。即，在分析模型存储部83A中存储有以下两个分析模型M：若输入下述所示的状态变量则输出表示杆套筒41a的磨损状态的信息的杆套筒用分析模型M1；以及若输入下述所示的状态变量则输出表示卷合套37a的磨损状态的信息的卷合套用分析模型M2。
本实施方式的磨损判断系统100的状态变量包括摇架31产生的振动、和从使对卷装P的旋转进行制动的制动装置39工作起直到卷装P的旋转停止为止的旋转数(以下也简称为“直到停止为止的卷装旋转数”。)。摇架31产生的振动包括与卷绕管T的轴向一致的第一方向的振动、和与第一方向正交的第二方向的振动。
训练数据存储部83B是存储以下数据的部分，该数据是杆套筒41a及卷合套37a的磨损状态分别相对于包括摇架31产生的振动和直到停止为止的卷装旋转数在内的状态变量相关联得到的数据。训练数据存储部83B存储由训练数据输入部81E加工后的数据。此外，由训练数据输入部81E加工后的数据的详情之后详述。另外，存储在训练数据存储部83B中的训练数据由分析模型学习部81F读取，用于生成(更新)已学习模型。
获取部81A是获取包括摇架31产生的振动和直到停止为止的卷装旋转数在内的状态变量的部分。具体而言，上述状态变量由各自动络纱机1中装备的机台控制装置2作为运转数据的一部分而获取。由机台控制装置2获取到的运转数据被汇总在管理装置70中。服务器装置80的获取部81A从各地配备的管理装置70获取该运转数据，并从该运转数据中提取摇架31产生的振动(第一方向的振动及第二方向的振动)及直到停止为止的卷装旋转数。
此外，在本实施方式中，服务器装置80从获取自管理装置70的多种运转数据中提取利用于机器学习的运转数据，但提取利用于机器学习的运转数据的主体并不限定于服务器装置80。例如，也可以是管理装置70从多种运转数据中提取(挑选)利用于机器学习的运转数据并将其发送至服务器装置80。
解析部81B是将由获取部81A获取到的状态变量输入至存储在分析模型存储部83A中的分析模型M、并获取从分析模型M输出的磨损部件的磨损状态(将磨损状态作为判断结果输出)的部分。更具体而言，解析部81B将由获取部81A获取到的状态变量分别输入至杆套筒用分析模型M1及卷合套用分析模型M2，由此分别输出表示杆套筒41a的磨损状态的信息及表示卷合套37a的磨损状态的信息。
解析部81B优选根据例如磨损量的大小或程度来阶段性地示出磨损状态。具体而言，解析部81B优选分成“磨损量(大)”、“磨损量(中)”、“磨损量(小)”这三种来辨别磨损状态。“磨损量(小)”包括磨损量为零的状态。但是，基于解析部81B的磨损状态的输出方式并不限定于此。例如，解析部81B也可以输出具体的磨损量的数值。
输出部81D是将由解析部81B得到的杆套筒41a的磨损状态及卷合套37a的磨损状态分别发送至对运转数据的提供对象进行管理的管理装置70的部分。
训练数据输入部81E是获取用于供分析模型学习部81F学习的训练数据的部分。另外，训练数据输入部81E也是获取与在各运转条件下进行了运转时的杆套筒41a的磨损状态及卷合套37a的磨损状态有关的数据(以下也称为“运转数据”及“正解标签数据”。)的部分。
磨损状态能够通过由作业人员以手工作业测定磨损量来掌握。作业人员将在各运转数据表示的运转状况下运转后的自动络纱机1的摇架31分解，在将杆套筒41a及卷合套37a取出之后测定它们的磨损量，并将其测定结果作为磨损状态输入至训练数据输入部81E。磨损状态例如与测定日、自动络纱机1的工厂代码、自动络纱机1的机台编号(序列号)、单元编号等相关联地记录。由于运转数据也与运转日期时间、自动络纱机1的工厂代码、自动络纱机1的机台编号、单元编号等相关联地记录，所以训练数据存储部83B能够将运转数据与磨损状态相关联地存储。
分析模型学习部81F是通过使用蓄积在训练数据存储部83B中的训练数据执行机器学习而生成作为已学习模型的分析模型M的部分。这种通过机器学习而得到的分析模型M是以如下方式构成的已学习模型：输入包括摇架31产生的振动(第一方向的振动及第二方向的振动)及直到卷装P停止为止的旋转数在内的状态变量，并输出杆套筒41a的磨损状态及卷合套37a的磨损状态的推定结果。由分析模型学习部81F生成(更新)的分析模型M存储在分析模型存储部83A中。
接着，主要参照图8及图9对上述磨损判断系统100中直到作为已学习模型的分析模型M生成为止的流程进行说明。
磨损判断系统100的训练数据输入部81E获取用于供分析模型学习部81F学习的训练数据，并使其存储到训练数据存储部83B中。在本实施方式中，训练数据输入部81E获取从各地配备的管理装置70发送来的运转数据(步骤S1)。另外，训练数据输入部81E获取与在该运转条件下进行了运转时的杆套筒41a的磨损状态及卷合套37a的磨损状态有关的数据(以下称为“正解标签数据”。)(步骤S2)。
接着，训练数据输入部81E将由步骤S1获取到的运转数据与由步骤S2获取到的正解标签数据相关联(步骤S3)。在本实施方式中，训练数据输入部81E获取对运转数据与正解标签数据进行合并处理而生成的训练数据来作为卷合套学习用数据及卷合套验证用数据(步骤S4)。卷合套学习用数据与卷合套验证用数据是相同格式的数据。更具体而言，将对运转数据与正解标签数据进行合并处理而生成的训练数据(多个记录)分成卷合套学习用数据和卷合套验证用数据。例如是以下情况：当有10000件训练数据时，将8000件作为卷合套学习用数据使用、并将2000件作为卷合套验证用数据使用。
同样地，训练数据输入部81E对运转数据与正解标签数据进行合并处理而生成杆套筒学习用数据及杆套筒验证用数据(步骤S7)。
在本实施方式中，训练数据输入部81E使如上所述由训练数据输入部81E生成的卷合套学习用数据、卷合套验证用数据、杆套筒学习用数据及杆套筒验证用数据作为训练数据存储到训练数据存储部83B中。
接着，分析模型学习部81F通过执行使用蓄积在训练数据存储部83B中的训练数据的机器学习(步骤S5及步骤S8)，来获取作为已学习模型的分析模型M(步骤S6及步骤S9)。分析模型学习部81F获取输出杆套筒41a的磨损状态的杆套筒用分析模型M1、及输出卷合套37a的磨损状态的卷合套用分析模型M2这两个分析模型M。
此外，分析模型学习部81F执行的机器学习的方法并不限于特定的方法，例如能够使用神经网络、k-近邻算法、SVM(support vector machine：支持向量机)等各种方法。例如，在分析模型M由神经网络构成的情况下，能够得到根据训练数据调整了神经网络的中间层的参数后的已学习模型作为分析模型M。
分析模型学习部81F在生成了杆套筒用分析模型M1及卷合套用分析模型M2时，验证所生成的杆套筒用分析模型M1及卷合套用分析模型M2的性能。具体而言，杆套筒用分析模型M1使用与在训练数据输入部81E中生成的杆套筒学习用数据为相同格式、且不包括在杆套筒学习用数据中的作为未知数据的杆套筒验证用数据进行验证。
例如，分析模型学习部81F在通过10000件训练数据中的8000件杆套筒学习用数据使杆套筒用分析模型M1进行了学习之后，向杆套筒用分析模型M1输入2000件杆套筒验证用数据中的运转数据(状态变量)，并将杆套筒的磨损状态作为判断结果输出。然后，分析模型学习部81F将该判断结果与2000件杆套筒验证用数据中的正解数据(磨损状态)一个一个进行比较来计算正解率。若这种验证的结果是正解率为预先确定的水准，则分析模型学习部81F判定为验证结果“OK”，若并非如此则判定为“NG”。分析模型学习部81F在判定为“NG”的情况下实施算法的调整或增加学习用数据等应对。分析模型学习部81F反复执行这种学习和验证，直到正解率成为预先确定的水准为止。
接着，主要参照图8及图10对在上述磨损判断系统100中直到使用作为已学习模型的分析模型M判定磨损部件为止的流程进行说明。
获取部81A获取包括摇架31产生的振动和直到旋转停止为止的卷装旋转数在内的状态变量。在本实施方式中，获取部81A从各地配备的管理装置70获取该运转数据(步骤S11)。接着，获取部81A从该运转数据中提取摇架31产生的振动(第一方向的振动及第二方向的振动)及直到卷装P停止为止的旋转数(步骤S12)。由此，获取部81A获取卷合套用状态变量(步骤S13)，并且获取杆套筒用状态变量(步骤S16)。
解析部81B将由获取部81A获取到的状态变量输入至存储在分析模型存储部83A中的卷合套用分析模型M2，并获取从卷合套用分析模型M2输出的卷合套37a的磨损状态(步骤S14)。另外，解析部81B将由获取部81A获取到的状态变量输入至存储在分析模型存储部83A中的杆套筒用分析模型M1，并获取从杆套筒用分析模型M1输出的杆套筒41a的磨损状态(步骤S17)。
接着，输出部81D将由解析部81B解析出的结果、即由解析部81B获取到的卷合套37a的磨损状态和杆套筒41a的磨损状态输出至管理装置70(步骤S15及步骤S18)。
对上述实施方式的磨损判断系统100中的作用效果进行说明。在上述磨损判断系统100中，不仅基于摇架31产生的振动、还基于从使对卷装P的旋转进行制动的制动装置39工作起直到卷装P的旋转停止为止的旋转数，来判断磨损部件(杆套筒41a及卷合套37a)的磨损状态。由此，由于在考虑了更好地反映磨损部件的磨损状态的“摇架31产生的振动”和“直到停止为止的卷装旋转数”这些要素的情况下判断磨损部件的磨损状态，所以能够进行更恰当的判断。其结果是，能够更高精度地判断在利用驱动部47的驱动力使卷装P旋转的期间内发生磨损的磨损部件的磨损状态。
图11的(A)是表示杆套筒41a的磨损量、卷合套37a的磨损量、第一方向振动的大小之间的关系的图。图11的(B)是表示杆套筒41a的磨损量、卷合套37a的磨损量、第二方向振动的大小之间的关系的图。图11的(C)是表示杆套筒41a的磨损量、卷合套37a的磨损量、直到停止为止的卷装旋转数的大小之间的关系的图。
本申请发明人发现，杆套筒41a的磨损量和卷合套37a的磨损量与第一方向振动、第二方向振动、或直到停止为止的卷装旋转数之间的关系性具有特征。即，关于振动(第一方向振动及第二方向振动)，发现即使杆套筒41a磨损，振动(例如振动加速度)也不会变大，并发现当卷合套37a磨损时振动变大(参照图11的(A)及图11的(B))。另外，还发现：当杆套筒41a磨损时，直到卷装P的旋转停止为止的旋转数变大；当卷合套37a磨损时，直到卷装P的旋转停止为止的旋转数变少。(参照图11的(C))。
由此，发现杆套筒41a与卷合套37a中的磨损度的组合具有相互作用。而且，还发现通过使这些组合与振动或直到卷装P停止为止的旋转数相结合而能够提高磨损部件的磨损状态的判断精度。在上述实施方式的磨损判断系统100中，由于会考虑这些要素即振动及直到卷装P的旋转停止为止的旋转数，所以能够提高磨损部件的磨损状态的判断精度。
在上述磨损判断系统100中，能够通过机器学习实现高精度的磨损状态的判断。另外，在通过机器学习生成分析模型M之后，能够容易且高精度地推定磨损状态。作业人员能够容易地掌握磨损部件是否处于更换时期(是否应该更换)。
在上述磨损判断系统100中，计算磨损部件的磨损状态的分析模型M是使用将状态变量与获取到状态变量时的磨损部件的磨损状态相关联得到的训练数据进行了学习的已学习模型，因此磨损状态的判定精度高。因此，能够更高精度地判断磨损部件的磨损状态。
在上述磨损判断系统100中，具备训练数据输入部81E，因此能够使用被输入至训练数据输入部81E的训练数据随时更新分析模型M。由此，能够生成可导出更高精度的磨损状态的分析模型M，并能通过该高精度的分析模型M判断磨损部件的磨损状态。
在上述磨损判断系统100的训练数据输入部81E中，能够连续地收集运转数据。由此，能够基于更多训练数据来生成(更新)分析模型M，因此能够提高分析模型M的精度。另外，通过用验证用数据还进行验证，能够防止例如错误学习、学习不足及过度学习。
在上述磨损判断系统100中，作为摇架31产生的振动而获取与卷绕管T的轴向一致的第一方向的振动、和与第一方向正交的第二方向的振动，并将它们用于磨损状态的判断要素。由此，由于作为摇架31产生的振动而将特征性的第一方向的振动及第二方向的振动用于判断磨损部件的磨损状态，所以能够更高精度地判断在利用驱动部47使卷装P旋转的期间内发生磨损的磨损部件的磨损状态。
上述磨损判断系统100的通知部71D使以能够与管理装置70通信的方式设置的显示装置(未图示)、机台控制装置2的显示部4(参照图1)、及以能够与管理装置70或机台控制装置2通信的方式设置的平板电脑等移动终端73的显示部(参照图6)中的至少一个，显示由解析部81B判断出的判断结果。由此，向作业人员等通知磨损部件的磨损状态，因此作业人员能够恰当应对该磨损部件。
在上述磨损判断系统100中，具备针对磨损部件的每一个管理维护的日程的管理部71E，并基于由解析部81B判断出的判断结果来更新日程。由此，即使在维护以固定间隔定期预定的情况下，也能例如当磨损部件的磨损状态大时使维护预定日提前、或者当磨损部件的磨损状态小时使维护预定日推迟等、根据磨损部件的磨损状态使日程恰当地更新。其结果是，能够拟定更有效的维护日程。
以上，对一个实施方式进行了说明，但本发明并不限定于上述实施方式。
在上述实施方式中，列举基于包括摇架31产生的振动、和从使对卷装P的旋转进行制动的制动装置39工作起直到卷装P的旋转停止为止的旋转数在内的多种状态变量，来判断磨损部件(杆套筒41a及卷合套37a)的磨损状态的例子进行了说明，但并不限定于此。例如，也可以是，在变形例1的磨损判断系统100中，在上述实施方式的状态变量的基础上还包括络纱单元10中的卷装P的卷绕速度。卷装P的卷绕速度例如能够通过参照由设定部3设定的设定值(或者通过参照运转数据)来获取。
该情况下的分析模型M是使用以下训练数据进行了学习的已学习模型，该训练数据是将包括摇架31产生的振动、从使对卷装P的旋转进行制动的制动装置39工作起直到卷装P的旋转停止为止的旋转数、和卷装P的卷绕速度在内的状态变量与获取到该状态变量时的杆套筒41a及卷合套37a的磨损状态相关联得到的数据。该已学习模型的生成方法使用卷装P的卷绕速度作为状态变量被关联的训练数据。在该变形例1的磨损判断系统100中，能够进行更恰当的磨损判断。
也可以是，变形例2的磨损判断系统100在上述实施方式或变形例1的状态变量的基础上还将与卷绕在卷装P上的纱线量有关的信息包括在状态变量中。此处所说的“与卷绕在卷装P上的纱线量有关的信息”包括“卷绕在卷绕管T上的纱线Y的全长”、“卷绕在卷绕管T上的纱线Y的总重量”及“卷装P的直径(厚度)”等中的至少一个。
例如，卷装P的直径(厚度)能够基于卷绕在卷装P上的纱线Y的全长(或从纱线Y相对于卷装P的卷绕开始起的经过时间)、纱线Y的卷绕速度、及纱线Y的种类(粗细等)来计算。另外，能够基于喂纱纱管B与卷筒45之间的纱线Y的行进路径上的纱线Y的行进速度及横动速度来计算斜纹角度，基于纱线Y的行进速度及计算出的斜纹角度来计算卷装P的圆周速度，并进一步基于卷装P的旋转速度及计算出的卷装P的圆周速度来计算卷装P的直径。在该变形例2的磨损判断系统100中，能够进行更恰当的磨损判断。
也可以是，变形例3的磨损判断系统100在上述实施方式、变形例1或变形例2的状态变量的基础上还将与卷绕管T的状态有关的信息包括在状态变量中。此处所说的“与卷绕管T的状态有关的信息”是指因使用或缺陷而导致的卷绕管T本身的功能或性能的劣化状态。卷绕管T的状态既可以是作业人员的感官评价，也可以是通过规定的拍摄方法拍摄到的卷绕管T的图像。在该变形例3的磨损判断系统100中，能够进行更恰当的磨损判断。
在上述实施方式中，列举将从使对卷装P的旋转进行制动的制动装置39工作起直到卷装P的旋转停止为止的旋转数作为状态变量之一的例子进行了说明，但也可以将直到卷装P的旋转停止为止的时间作为状态变量之一。
在上述实施方式及变形例中，列举由服务器装置80构建磨损判断系统100的例子进行了说明，但也可以在管理装置70中构建，还可以在自动络纱机1的机台控制装置2中构建。另外，由管理装置70中的管理部71E等实现的功能也可以在服务器装置80中构成。
在上述实施方式中，作为摇架31产生的振动而检测与卷绕管T的轴向一致的第一方向的振动和与第一方向正交的第二方向的振动，且第二方向为机台前后方向，但并不限定于此。例如，第二方向也可以是相对于机台前后方向向铅垂方向倾斜45度的方向。另外，也可以将能够测定三轴振动的传感器搭载于络纱单元10，检测作为与卷绕管T的轴向一致的第一方向的振动的机台宽度方向(左右方向)的振动、作为第二方向的振动的机台前后方向的振动、和作为与第一方向及第二方向正交的第三方向的振动的铅垂方向的振动这三个方向的振动，并将这三个方向的振动作为状态变量使用。
在上述实施方式中，列举将设于圆锥状的卷装P的大径端部(一个端部)的卷合套37a作为磨损状态的判断对象的例子进行了说明，但也可以代替该判断对象或在该判断对象的基础上将设于小径端部(另一个端部)的卷合套37a作为磨损状态的判断对象。另外，在圆柱形的卷装P支承于摇架的情况下，也可以将设于轴向的至少一方的卷合套37a作为磨损状态的判断对象。在设有多个卷合套的情况下，既可以将它们统一作为一个磨损状态判断，也可以分别独立地判断磨损状态。
在本发明的一个方面，作为磨损状态的判断对象的部件只要是在利用驱动部使卷装P旋转的期间内发生磨损的部件即可，并不限定于上述卷合套37a及杆套筒41a。
在上述实施方式及变形例中，判断部使用通过机器学习生成的分析模型来判断磨损部件的磨损状态，但判断部的判断方法并不限定于使用通过机器学习生成的分析模型。例如，判断部也可以通过统计方法判断良好与否、或通过人工智能判断良好与否、或将预先通过计算值求出的数值作为阈值来判断良好与否。在上述实施方式及变形例中，作为机器学习的方法例而列举基于训练数据进行学习的有训练学习为例进行了说明，但也可以执行基于强化学习的机器学习。
解析部81B判断磨损部件的磨损状态的时机并无特别限定，既可以每当由获取部81A获取状态变量时进行判断，也可以将由获取部81A获取的状态变量存储起来并例如以每一个月或每三个月等的方式每数个月判断一次。另外，解析部81B也可以配合标准维护期间来判断磨损状态，例如在标准维护期间为两年的情况下，可以留有余裕地在一年半前进行判断。
以上记载的实施方式及变形例的至少一部分能够任意组合。

Claims (17)

1.一种磨损判断系统，其在向卷绕管卷绕纱线而形成卷装的纤维处理单元中，对构成将所述卷装以能够旋转的方式进行支承的摇架的部件中的、在利用驱动部使所述卷装旋转的期间内发生磨损的磨损部件的磨损状态进行判断，该磨损判断系统的特征在于，具备：
获取部，该获取部获取状态变量，该状态变量包括所述摇架产生的振动、和从使对所述卷装的旋转进行制动的制动装置工作起直到所述卷装的旋转停止为止的旋转次数或时间；以及
判断部，该判断部基于由所述获取部获取到的所述状态变量来判断所述磨损部件的磨损状态。
2.如权利要求1所述的磨损判断系统，其特征在于，
还具备存储通过机器学习生成的分析模型的存储部，
所述判断部向所述分析模型输入所述状态变量，并将所述磨损部件的磨损状态作为判断结果输出。
3.如权利要求2所述的磨损判断系统，其特征在于，
所述分析模型是使用将所述状态变量与获取到所述状态变量时的所述磨损部件的磨损状态相关联得到的训练数据进行了学习的已学习模型。
4.如权利要求3所述的磨损判断系统，其特征在于，
还具备：
受理部，该受理部受理所述训练数据；和
学习部，该学习部根据在所述受理部中受理的所述训练数据来学习所述磨损部件的磨损状态。
5.如权利要求4所述的磨损判断系统，其特征在于，
所述受理部与从多个所述纤维处理单元收集与运转状态有关的信息的收集部以能够通信的方式连接，
所述学习部将由所述收集部收集到的与所述运转状态有关的信息的一部分作为所述训练数据使用。
6.如权利要求1～5中任一项所述的磨损判断系统，其特征在于，
所述状态变量包括所述纤维处理单元中的所述卷装的卷绕速度。
7.如权利要求1～6中任一项所述的磨损判断系统，其特征在于，
所述状态变量包括与卷绕在所述卷装上的纱线量有关的信息。
8.如权利要求1～7中任一项所述的磨损判断系统，其特征在于，
所述摇架产生的振动包括与所述卷绕管的轴向一致的第一方向的振动、和与所述第一方向正交的第二方向的振动，
所述状态变量包括所述第一方向的振动和所述第二方向的振动。
9.如权利要求1～8中任一项所述的磨损判断系统，其特征在于，
所述状态变量包括与所述卷绕管的状态有关的信息。
10.如权利要求1～9中任一项所述的磨损判断系统，其特征在于，
所述摇架具有夹持所述卷绕管的摇架臂，
所述磨损部件是卷合套，该卷合套构成将由所述摇架臂夹持的所述卷绕管以能够旋转的方式进行支承的轴承部，
所述判断部判断所述卷合套的磨损状态。
11.如权利要求1～9中任一项所述的磨损判断系统，其特征在于，
所述摇架具有夹持所述卷绕管的摇架臂、和以成为夹持所述卷绕管的闭状态或打开所述卷绕管的夹持的开状态的方式使所述摇架臂转动的杆，
所述磨损部件是杆套筒，该杆套筒构成将所述杆以能够转动的方式进行支承的轴承部的一部分，
所述判断部判断所述杆套筒的磨损状态。
12.如权利要求1～9中任一项所述的磨损判断系统，其特征在于，
所述摇架具有夹持所述卷绕管的摇架臂、和以成为夹持所述卷绕管的闭状态或打开所述卷绕管的夹持的开状态的方式使所述摇架臂转动的杆，
所述磨损部件包括卷合套和杆套筒，该卷合套构成对由所述摇架臂夹持的所述卷绕管的旋转进行支承的轴承部，该杆套筒构成支承所述杆的轴承部的一部分，
所述判断部分别判断所述卷合套的磨损状态及所述杆套筒的磨损状态。
13.如权利要求1～12中任一项所述的磨损判断系统，其特征在于，
还具备通知由所述判断部判断出的判断结果的通知部。
14.如权利要求1～13中任一项所述的磨损判断系统，其特征在于，
还具备针对所述磨损部件的每一个管理维护的日程的管理部，
所述管理部基于由所述判断部判断出的判断结果来更新所述日程。
15.一种纤维机械系统，其特征在于，
具备：
权利要求1～14中任一项所述的磨损判断系统；
多个纤维机械，该多个纤维机械分别具有多个所述纤维处理单元及将多个所述纤维处理单元集中控制的一个控制装置；
管理装置，该管理装置管理多个所述纤维机械；和
服务器装置，该服务器装置以能够与所述管理装置通信的方式设置，
所述获取部及所述判断部设于所述服务器装置，
所述控制装置分别从多个所述纤维处理单元收集所述状态变量并将其发送至所述服务器装置，
所述服务器装置将由所述判断部判断出的判断结果发送至所述管理装置。
16.一种纤维机械系统，其特征在于，
具备：
权利要求1～14中任一项所述的磨损判断系统；
多个纤维机械，该多个纤维机械分别具有多个所述纤维处理单元及将多个所述纤维处理单元集中控制的一个控制装置；和
管理装置，该管理装置管理多个所述纤维机械，
所述获取部及所述判断部设于所述管理装置，
所述控制装置分别从多个所述纤维处理单元收集所述状态变量并将其发送至所述管理装置，
所述管理装置具有输出由所述判断部判断出的判断结果的输出部。
17.一种纤维机械系统，其特征在于，
具备：
权利要求1～14中任一项所述的磨损判断系统；和
纤维机械，该纤维机械具有多个所述纤维处理单元及将多个所述纤维处理单元集中控制的一个控制装置，
所述获取部及所述判断部设于所述控制装置，
所述控制装置分别从多个所述纤维处理单元收集所述状态变量，所述控制装置具有输出由所述判断部判断出的判断结果的输出部。
CN202010406128.3A 2019-06-19 2020-05-14 磨损判断系统及纤维机械系统 Pending CN112116728A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019114056A JP2021001038A (ja) 2019-06-19 2019-06-19 摩耗判断システム及び繊維機械システム
JP2019-114056 2019-06-19

Publications (1)

Publication Number Publication Date
CN112116728A true CN112116728A (zh) 2020-12-22

Family

ID=73799473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010406128.3A Pending CN112116728A (zh) 2019-06-19 2020-05-14 磨损判断系统及纤维机械系统

Country Status (2)

Country Link
JP (1) JP2021001038A (zh)
CN (1) CN112116728A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112680918A (zh) * 2020-12-30 2021-04-20 江苏华一机械有限公司 一种基于组合式碳纤维磨毛机的磨毛处理方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06127833A (ja) * 1992-10-16 1994-05-10 Murata Mach Ltd クレードルの故障診断装置及びその方法
US5337550A (en) * 1991-09-19 1994-08-16 Rieter Ingolstadt Spinnereimaschinenbau Ag Method and device for stopping a spool on an open-end spinning machine
CN1112082A (zh) * 1993-10-19 1995-11-22 帝人制机株式会社 纱线卷绕机
CN1137782A (zh) * 1993-12-17 1996-12-11 Iro有限公司 在贮纱筒和给线装置上检测纱卷的方法及装置
CN103014942A (zh) * 2011-09-21 2013-04-03 村田机械株式会社 纺纱机
CN103014936A (zh) * 2011-09-21 2013-04-03 村田机械株式会社 纺纱机
CN203593465U (zh) * 2013-10-31 2014-05-14 河南省通信电缆有限公司 线缆收放线装置
CN105905680A (zh) * 2015-02-24 2016-08-31 村田机械株式会社 纱线卷取装置以及纤维机械
CN106167201A (zh) * 2015-05-21 2016-11-30 村田机械株式会社 纱线卷取机
CN108689244A (zh) * 2017-04-04 2018-10-23 村田机械株式会社 纱线卷绕机

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5337550A (en) * 1991-09-19 1994-08-16 Rieter Ingolstadt Spinnereimaschinenbau Ag Method and device for stopping a spool on an open-end spinning machine
JPH06127833A (ja) * 1992-10-16 1994-05-10 Murata Mach Ltd クレードルの故障診断装置及びその方法
CN1112082A (zh) * 1993-10-19 1995-11-22 帝人制机株式会社 纱线卷绕机
CN1137782A (zh) * 1993-12-17 1996-12-11 Iro有限公司 在贮纱筒和给线装置上检测纱卷的方法及装置
CN103014942A (zh) * 2011-09-21 2013-04-03 村田机械株式会社 纺纱机
CN103014936A (zh) * 2011-09-21 2013-04-03 村田机械株式会社 纺纱机
CN203593465U (zh) * 2013-10-31 2014-05-14 河南省通信电缆有限公司 线缆收放线装置
CN105905680A (zh) * 2015-02-24 2016-08-31 村田机械株式会社 纱线卷取装置以及纤维机械
CN106167201A (zh) * 2015-05-21 2016-11-30 村田机械株式会社 纱线卷取机
CN108689244A (zh) * 2017-04-04 2018-10-23 村田机械株式会社 纱线卷绕机

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112680918A (zh) * 2020-12-30 2021-04-20 江苏华一机械有限公司 一种基于组合式碳纤维磨毛机的磨毛处理方法及系统

Also Published As

Publication number Publication date
JP2021001038A (ja) 2021-01-07

Similar Documents

Publication Publication Date Title
JP7316303B2 (ja) リング精紡設備及びリング精紡設備を運転する方法
JP5916374B2 (ja) ワインダを動作させる方法およびワインダ
CN106185468B (zh) 管理装置、控制装置、纤维机械管理系统以及纤维机械的管理方法
CN104775295B (zh) 纱线处理预测装置、纱线处理装置以及纱线处理预测方法
CN105383999B (zh) 纱线卷绕装置
CN107539838A (zh) 监视环锭纺纱机的纺纱工位正确运行的方法
CN106494937A (zh) 纱线卷绕装置、自动络纱机、纤维机械系统及喂纱纱管异常检测方法
EP1939123A1 (en) Textile machine and automatic winder
CN103569780B (zh) 驱动状态检测装置、卷绕单元、卷绕机、纺纱单元及纺纱机
JP5805194B2 (ja) 繊維機械
JP2018193198A (ja) 生産力表示制御装置及び方法並びに自動ワインダ
JP2014024655A (ja) 糸巻取機
CN112116728A (zh) 磨损判断系统及纤维机械系统
JP2011508107A (ja) リング精紡機の複数の作業個所を監視する装置及び方法
CN106927307B (zh) 纱线卷取装置、纱线卷取方法以及纱线卷取系统
EP2690047B1 (en) Yarn winding machine
JPWO2006134783A1 (ja) 巻き糸パッケージの巻取り管および巻き糸パッケージの管理装置
CN113646716A (zh) 纺织机管理系统和方法
CN103359544B (zh) 纱线行进信息获取装置及纱线处理装置
JP2019031399A (ja) 糸から糸欠陥をクリアリング除去する装置
JP3951941B2 (ja) 自動ワインダ
CN110938901A (zh) 用于纺纱机的纺纱位的自动供应的维护车和方法
EP0854107A1 (en) Package grade determination system and package transfer system
CN105819269B (zh) 纱线卷绕机
CN111661706B (zh) 废纱产生量输出装置及纤维机械

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20201222