CN112135720A - 异常判定装置、异常判定系统以及异常判定方法 - Google Patents

异常判定装置、异常判定系统以及异常判定方法 Download PDF

Info

Publication number
CN112135720A
CN112135720A CN201880093027.6A CN201880093027A CN112135720A CN 112135720 A CN112135720 A CN 112135720A CN 201880093027 A CN201880093027 A CN 201880093027A CN 112135720 A CN112135720 A CN 112135720A
Authority
CN
China
Prior art keywords
abnormality determination
work
data
abnormality
type
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
CN201880093027.6A
Other languages
English (en)
Inventor
小林诚一
高木徹
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.)
Nissan Motor Co Ltd
Original Assignee
Nissan Motor 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 Nissan Motor Co Ltd filed Critical Nissan Motor Co Ltd
Publication of CN112135720A publication Critical patent/CN112135720A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/005—Manipulators for mechanical processing tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J15/00—Gripping heads and other end effectors
    • B25J15/04—Gripping heads and other end effectors with provision for the remote detachment or exchange of the head or parts thereof
    • B25J15/0483—Gripping heads and other end effectors with provision for the remote detachment or exchange of the head or parts thereof with head identification means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1653—Programme controls characterised by the control loop parameters identification, estimation, stiffness, accuracy, error analysis
    • 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] or computer integrated manufacturing [CIM]
    • G05B19/41875—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] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31402—Keep log book, for activities of a station, equipment
    • 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
    • G05B2219/35—Nc in input of data, input till input file format
    • G05B2219/35291—Record history, log, journal, audit of machine operation
    • 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
    • G05B2219/37252—Life of tool, service life, decay, wear estimation
    • 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
    • G05B2219/37256—Wear, tool wear
    • 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
    • G05B2219/37616—Use same monitoring tools to monitor tool and workpiece
    • 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
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50203—Tool, monitor condition 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
    • 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]
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Manipulator (AREA)

Abstract

本发明的异常判定装置从作业设备(5)获取状态数据，来确定被安装在安装部(C)上的作业部位(T)的种类，该作业设备(5)具备可更换地安装多种作业部位(T)的安装部(C)，异常判定装置与所确定的作业部位(T)的种类相对应地设定用于判定作业设备(5)的异常的异常判定数据，从自作业设备(5)获取到的状态数据中获取安装了所确定的种类的作业部位(T)时的状态数据，将获取到的状态数据与所设定的异常判定数据进行比较，来判定作业设备(5)的异常。

Description

异常判定装置、异常判定系统以及异常判定方法
技术领域
本发明涉及一种从具备可更换地安装多种作业部位的安装部的作业设备获取表示作业设备的状态的状态数据来判定作业设备的异常的异常判定装置、异常判定系统以及异常判定方法。
背景技术
作为产业用机器人、机床等作业设备中的异常判定方法，以往公开了专利文献1。在专利文献1所公开的异常负载检测装置中，对驱动机器人臂等的伺服电动机的干扰转矩进行估计，将估计出的干扰转矩与规定的基准转矩进行比较来判定异常。
现有技术文献
专利文献
专利文献1：日本特开2007-219991号公报
发明内容
发明要解决的问题
然而，即使是同一机器人，当更换被安装在机器人臂的顶端的作业部位时，作业部位的重量、作业动作也会大幅地变化。例如，在机器人臂的顶端安装有点焊机的情况下和在机器人臂的顶端安装有机械手的情况下，重量和作业动作均大幅地变化。
因此，在上述现有的异常负载检测装置中存在以下问题点：当更换被安装在机器人臂的顶端的作业部位时，作业部位的重量、作业动作大幅地变化，从而无法准确地判定出机器人等作业设备的异常。
因此，本发明是鉴于上述实际情况而提出的，其目的在于提供一种即使更换了被安装在机器人臂的顶端的作业部位也能够准确地判定出作业设备的异常的异常判定装置、异常判定系统及其方法。
用于解决问题的方案
为了解决上述问题，本发明的一个方式所涉及的异常判定装置、异常判定系统及其方法从作业设备获取表示作业设备的状态的状态数据，来确定被安装在安装部上的作业部位的种类。然后，与所确定的作业部位的种类相对应地设定用于判定作业设备的异常的异常判定数据，从自作业设备获取到的状态数据中获取安装了所确定的种类的作业部位时的状态数据。然后，将获取到的状态数据与所设定的异常判定数据进行比较，来判定作业设备的异常。
发明的效果
根据本发明，即使更换了被安装在机器人臂的顶端的作业部位，也能够准确地判定出作业设备的异常。
附图说明
图1是示出本发明的第一实施方式所涉及的异常判定系统的整体结构的框图。
图2是用于说明求出干扰转矩的过程的框图。
图3是示出由本发明的第一实施方式所涉及的异常判定装置进行的状态数据记录处理的过程的流程图。
图4是示出由本发明的第一实施方式所涉及的异常判定装置进行的异常判定处理的过程的流程图。
图5是用于说明以往的作业设备中的异常判定的问题的图。
图6是用于说明以往的作业设备中的异常判定的问题的图。
图7是示出本发明的第二实施方式所涉及的异常判定系统的整体结构的框图。
具体实施方式
[第一实施方式]
以下，参照附图来说明应用了本发明的第一实施方式。在附图的记载中，对同一部分标注同一附图标记，并省略说明。
[异常判定系统的结构]
图1是示出具备本实施方式所涉及的异常判定装置的异常判定系统的结构的框图。如图1所示，本实施方式所涉及的异常判定系统100由机器人1、机器人控制装置2、异常判定装置3以及生产管理装置4构成。机器人1被记载为作业设备的一例，该作业设备具备可更换地安装多种作业部位的安装部。例如，机器人1是多轴机械的示教再现型且多关节型的机器人。但是，机器人1也可以不是多轴机械，也可以是单轴机械。
机器人1中，作为动作轴、即关节轴，具备多个电动机驱动系统，但在图1中示出单轴的电动机驱动系统。机器人臂5通过伺服电动机(以下简称为电动机)6经由减速器8被驱动。电动机6附带有作为旋转角位置及速度的检测器的脉冲编码器(脉冲发生器或编码器)7。在机器人臂5的顶端设置有用于安装工具T的更换器(changer)C。更换器C作为可更换地安装多种工具T的安装部而发挥功能。工具T是被安装在机器人臂5的顶端来进行实际作业的作业部位。工具T包括点焊机、激光焊机作为焊接用的作业部位，包括机械手作为把持作业对象物的作业部位。此外，也可以包括密封涂布机等。
机器人控制装置2具备动作统一控制部9、通信部10、伺服控制部11以及伺服放大器部14。伺服控制部11包括干扰转矩运算部12和状态数据获取部13，伺服控制部11接收来自上级的动作统一控制部9的指令，经由伺服放大器部14驱动电动机6。附带于电动机6的脉冲编码器7与伺服控制部11之间形成用于针对电动机6的旋转角位置及速度的控制处理的反馈环。
伺服控制部11除了具备干扰转矩运算部12、状态数据获取部13以外，还具备处理器、ROM以及非易失性存储部，其中，该处理器进行用于控制电动机6的旋转角位置、速度、电流的处理，该ROM存储控制程序，该非易失性存储部存储设定值、各种参数。另外，伺服控制部11还具备RAM和寄存器，其中，该RAM暂时存储运算处理中的数据，该寄存器用于对来自脉冲编码器7的位置反馈脉冲进行计数并检测电动机6的绝对旋转角位置。
另外，由于机器人1是多关节的，因此需要与关节轴的数量相应数量的如图1那样的电动机驱动系统，但在图1中仅图示了单轴的量，省略了除此以外的电动机驱动系统的图示。另外，还有时在图1的电动机6与减速器8之间安装变速齿轮系。
动作统一控制部9位于伺服控制部11的上级，负责机器人1的动作的直接控制。通信部10与后述的异常判定装置3的通信部15之间例如通过LAN等进行必要的数据的发送和接收。另外，状态数据获取部13具有定期地收集表示机器人1的各关节轴的动作状态的各种数据的功能。在收集到的数据中包含表示收集期间的数据。干扰转矩运算部12具有基于由状态数据获取部13获取到的数据来运算干扰转矩值的功能。由于伺服控制部11构成为包括这些干扰转矩运算部12和状态数据获取部13，因此通过干扰转矩运算部12的运算而求出的干扰转矩值经由通信部10被输出到异常判定装置3。根据该结构，伺服控制部11形成为所谓的软件伺服的方式。
异常判定装置3具备通信部15、数据获取部16、作业部位确定部17、异常判定数据设定部18、异常判定部19、数据库20以及维护实绩数据库21。在此，异常判定装置3具有控制部，该控制部由包括微型计算机、微处理器、CPU的通用的电子电路和存储器等周边设备构成。因而，通过执行特定的程序，该控制部作为通信部15、数据获取部16、作业部位确定部17、异常判定数据设定部18、异常判定部19、数据库20以及维护实绩数据库21进行动作。
通信部15具有以下功能：与上述的机器人控制装置2及生产管理装置4各自的通信部10、22之间例如通过LAN等进行必要的数据的发送和接收。
数据获取部16从机器人1经由通信部15获取状态数据。特别是，数据获取部16获取由机器人控制装置2的状态数据获取部13收集到的表示机器人1的动作状态的各种数据、由干扰转矩运算部12计算出的干扰转矩值来作为状态数据。然后，数据获取部16针对由作业部位确定部17确定的工具T的每个种类，将获取到的状态数据记录到数据库20中。
作业部位确定部17确定被安装在更换器C上的工具T的种类。具体地说，作业部位确定部17从维护实绩数据库21中获取在安装工具T时记录的维护记录，基于获取到的维护记录来确定被安装在更换器C上的工具T的种类。例如，在维护记录中记录有工具T从T1更换为T2的日期时间的情况下，在该日期时间之前将工具T的种类确定为T1，在该日期时间以后将工具T的种类确定为T2。
异常判定数据设定部18与由作业部位确定部17确定的工具T的种类相对应地设定用于判定机器人1的异常的异常判定数据。特别是，异常判定数据设定部18根据由作业部位确定部17确定的工具T的种类的状态数据来计算阈值，并将计算出的阈值设定为异常判定数据。例如，在工具T的种类为T1的情况下，异常判定数据设定部18从数据库20获取工具T1的状态数据，使用该状态数据来计算工具T1的上一年同月的平均值、方差值、中央值，并将它们中的任一者设定为阈值。
另外，异常判定数据设定部18也可以通过在规定的学习模型下对由作业部位确定部17确定的工具T的种类的状态数据进行处理，来设定异常判定数据。例如，在工具T的种类为T1的情况下，异常判定数据设定部18从数据库20获取工具T1的状态数据，通过在规定的学习模型下对该状态数据进行处理来求出干扰转矩值等的波形图案、概率分布，将这些波形图案、概率分布设定为异常判定数据。另外，除此以外，也可以求出表示干扰转矩值的变化的频率、标准偏差等参数来设为异常判定数据。
异常判定部19从由数据获取部16获取到的状态数据中获取安装了由作业部位确定部17确定的种类的工具T时的状态数据。然后，将获取到的状态数据与由异常判定数据设定部18设定的异常判定数据进行比较，来判定机器人1的异常。
例如，在将阈值设定为异常判定数据且工具T的种类为T1的情况下，异常判定部19从数据库20获取安装了工具T1时的状态数据，使用该状态数据来计算工具T1的最近的平均值、方差值、中央值。然后，将由异常判定数据设定部18设定为阈值的上一年同月的平均值、方差值、中央值与计算出的最近的平均值、方差值、中央值进行比较，来判定机器人1的异常。
另外，在将波形图案设定为异常判定数据的情况下，异常判定部19从数据库20获取安装了工具T1时的状态数据，使用该状态数据来计算工具T1的最近的波形图案。然后，将由异常判定数据设定部18设定的上一年同月的波形图案与计算出的最近的波形图案进行比较，来判定机器人1的异常。
数据库20作为存储由数据获取部16获取到的状态数据的存储部发挥功能。在数据库20中，针对工具T的每个种类逐次存储状态数据，且蓄积有过去的状态数据。
作为针对工具T的每个种类进行存储的方法，只要针对工具T的每个种类预先设定存储区域，并在该存储区域中根据工具T的种类存储各个状态数据即可。另外，也可以对状态数据分别附加表示工具T的种类的标签等识别信息并进行存储。
维护实绩数据库21具有在对机器人1实施了维护、检查的情况下预先存储其维护记录和检查结果的功能。因而，在维护实绩数据库21中蓄积有过去的维护记录数据和检查结果数据。特别是，在工具T的安装时、更换时记录维护记录，记录有更换前后的工具T的种类、更换日期时间等。
生产管理装置4例如是对包含工厂中的生产线的运转状况等的生产信息进行管理的装置，具备通信部22和生产信息数据库23。通信部22与异常判定装置3的通信部15之间例如通过LAN等进行必要的数据的发送和接收。生产信息数据库23具有预先存储所收集到的各种生产信息的功能。因而，在生产信息数据库23中蓄积过去的各种生产信息。此外，生产信息中包含机器人1及附带设备的紧急停止信息、维护实绩等信息。
[干扰转矩的检测方法]
在本实施方式中，作为状态数据的一例，检测对驱动机器人1的各关节轴的电动机6施加的干扰转矩(干扰负载转矩)，基于该干扰转矩值将相应的电动机驱动系统的异常判定为机器人1的异常。求出该干扰转矩的过程大致如下。
如图2的框图所示，对根据来自脉冲编码器7的速度反馈信号求出的电动机6的实际速度Vr进行微分来求出加速度α，对该加速度α乘以对电动机6施加的所有惯性J，来求出加速度转矩Ta(＝J·α)。接着，从向电动机6发出的转矩指令Tc减去所求出的加速度转矩Ta、再减去力矩M，来求出干扰转矩Tb。通过伺服控制部11的速度环处理来求出转矩指令Tc。之后，通过实施规定的滤波处理来去除干扰的不规则分量，从而求出干扰转矩TG。伺服控制部11按每个规定的采样周期执行这样的处理，来求出干扰转矩TG。
更具体地说，伺服控制部11具备寄存器，该寄存器按每个规定的采样周期对来自脉冲编码器7的位置的反馈脉冲进行计数，求出电动机6的绝对位置。因此，伺服控制部11根据寄存器来检测电动机6的绝对位置，根据该电动机6的绝对位置来求出电动机6所驱动的关节轴的旋转角位置(移动位置)。进而，伺服控制部11如先前说明的那样进行图2的处理，来求出干扰转矩TG。
[状态数据记录处理]
接着，参照图3说明由本实施方式所涉及的异常判定装置3进行的状态数据记录处理。图3是示出由异常判定装置3进行的状态数据记录处理的处理过程的流程图。在图3中，将干扰转矩值作为状态数据的一例进行说明。
如图3所示，在步骤S1中，数据获取部16获取由机器人控制装置2运算出的干扰转矩值。该干扰转矩值是各动作轴的每个移动位置的值。另外，与此同时还获取表示收集到干扰转矩值的期间的信息。
接着，在步骤S2中，数据获取部16从生产管理装置4的生产信息数据库23获取设备的紧急停止信息。在步骤S3中，数据获取部16判断在获取到的干扰转矩值的收集期间内是否发生了设备的紧急停止，在判定为发生了紧急停止的情况下进入步骤S4。另一方面，在判定为没有发生紧急停止的情况下进入步骤S5。
在步骤S4中，数据获取部16仅删除所获取到的干扰转矩值中的发生紧急停止时的干扰转矩值，进入步骤S5。
在步骤S5中，作业部位确定部17参照维护实绩数据库21中记录的维护记录数据，来确定被安装在机器人1的更换器C上的工具T的种类。在维护记录中记录有更换了工具T的日期时间和更换前后的工具T的种类。另外，数据获取部16在获取干扰转矩值时，获取表示收集到该干扰转矩值的期间的信息。因而，作业部位确定部17基于这些信息来确定在收集到干扰转矩值时被安装在更换器C上的工具T的种类。
在步骤S6中，数据获取部16针对在步骤S5中确定的工具T的每个种类，将在获取到的干扰转矩值中排除了由设备的紧急停止产生的异常值后的干扰转矩值记录到数据库20中。因而，在数据库20中，针对工具T的每个种类仅记录并蓄积排除了由设备的紧急停止产生的异常值后的干扰转矩值。
此外，作为针对工具T的每个种类记录状态数据的方法，针对工具T的每个种类预先设定数据库20的存储区域，数据获取部16根据工具T的种类在所设定的存储区域中分别记录干扰转矩值即可。另外，数据获取部16也可以根据在步骤S5中确定的工具T的种类对干扰转矩值分别附加标签等识别信息并记录到数据库20中。这样，当获取到的干扰转矩值被记录到数据库20之后，结束本实施方式所涉及的状态数据记录处理。
[异常判定处理]
接着，参照图4来说明由本实施方式所涉及的异常判定装置3进行的异常判定处理。图4是示出由异常判定装置3进行的异常判定处理的处理过程的流程图。在图4中，将干扰转矩值作为状态数据的一例进行说明。
如图4所示，在步骤S11中，作业部位确定部17参照维护实绩数据库21中记录的维护记录数据，来确定被安装在机器人1的更换器C上的工具T的种类。由于在维护记录中记录有更换了工具T的日期时间和更换前后的工具T的种类，因此作业部位确定部17通过参照维护记录，能够确定被安装在机器人1的更换器C上的工具T的种类。
在步骤S12中，异常判定数据设定部18从数据库20获取在步骤S11中确定的工具T的种类的干扰转矩值的数据中的进行诊断的日子的上一年同月的干扰转矩值的数据。
由于在数据库20中针对工具T的每个种类存储有状态数据，因此异常判定数据设定部18访问存储有在步骤S11中确定的工具T的种类的干扰转矩值的存储区域，来获取干扰转矩值的数据。另外，在根据工具T的种类对状态数据附加了标签等识别信息的情况下，异常判定数据设定部18基于识别信息来获取在步骤S11中确定的工具T的种类的干扰转矩值的数据。但是，在无法获取上一年同月的干扰转矩值的情况下，将最近的干扰转矩值的数据视为上一年同月的干扰转矩值的数据进行获取。
在步骤S13中，异常判定数据设定部18与在步骤S11中确定的工具T的种类相对应地设定用于判定机器人1的异常的异常判定数据。
例如，在所确定的工具T的种类为T1的情况下，异常判定数据设定部18从数据库20的安装了工具T1时的状态数据中获取进行诊断的日子的上一年同月的干扰转矩值的数据，根据所获取到的数据来计算平均值、方差值以及中央值。然后，将其中的任一者或多个设定为异常判定数据，并用作判定异常时的阈值。这样，异常判定数据设定部18使用安装了工具T1时的状态数据来设定异常判定数据，因此与工具T的种类相对应地设定异常判定数据。
另外，异常判定数据设定部18也可以通过在规定的学习模型下对进行诊断的日子的上一年同月的干扰转矩值的数据进行处理来设定异常判定数据。例如，也可以对干扰转矩值的数据进行规定的处理，来求出干扰转矩值的波形图案、概率分布，将波形图案、概率分布设定为异常判定数据。另外，除此之外，还可以求出表示干扰转矩值的变化的频率、标准偏差等参数来设为异常判定数据。
在步骤S14中，异常判定部19从数据库20获取安装了在步骤S11中确定的种类的工具T时的干扰转矩值的数据中的最近的干扰转矩值的数据。然后，在步骤S15中，异常判定部19将获取到的最近的干扰转矩值的数据与在步骤S13中设定的异常判定数据进行比较，来判定机器人1是否异常。
例如，在所确定的工具T的种类为T1的情况下，异常判定部19从数据库20的安装了工具T1时的状态数据中获取最近的干扰转矩值的数据。然后，根据所获取到的数据来计算平均值、方差值以及中央值中的至少一个(也可以是多个)。然后，判定所计算出的最近的干扰转矩值的平均值、方差值以及中央值是否为在步骤S13中设定的阈值(上一年同月的平均值、方差值以及中央值)以下。如果其结果是最近的干扰转矩值的平均值、方差值以及中央值为阈值以下，则判定为机器人1没有发生异常，结束本实施方式所涉及的异常判定处理。另一方面，在最近的干扰转矩值的平均值、方差值以及中央值大于阈值(上一年同月的平均值、方差值以及中央值)的情况下，判定为机器人1有可能发生了异常，进入步骤S16。
另外，在将根据学习模型求出的波形图案设定为异常判定数据的情况下，异常判定部19从数据库20的安装了工具T1时的状态数据中获取最近的干扰转矩值的数据。然后，对获取到的数据进行规定的处理，来计算最近的干扰转矩值的波形图案，并将计算出的最近的干扰转矩值的波形图案与在步骤S13中设定的波形图案进行匹配。在其结果是匹配程度为规定值以上从而波形图案一致的情况下，判定为机器人1没有发生异常，结束本实施方式所涉及的异常判定处理。另一方面，在匹配程度小于规定值从而波形图案不一致的情况下，判定为机器人1有可能发生了异常，进入步骤S16。
在步骤S16中，异常判定部19在以附属于异常判定装置3的方式设置的监视器(未图示)的显示画面上显示与关节轴有关的异常警报，结束本实施方式所涉及的异常判定处理。
[第一实施方式的效果]
如以上详细地说明的那样，在本实施方式所涉及的异常判定装置3中，从机器人1获取状态数据，来确定被安装在安装部上的工具T的种类。然后，与所确定的工具T的种类相对应地设定用于判定机器人1的异常的异常判定数据，将所设定的异常判定数据与所确定的工具T的种类的状态数据进行比较，来判定机器人1的异常。由此，即使更换了被安装在机器人臂的顶端的工具T，也能够准确地判定机器人1的异常。
例如图5所示，如果不更换工具T1而是同一机器人，则干扰转矩值的大小为恒定的范围内，因此如果基于过去的应答来设定阈值，则能够判定异常。
但是，如图6所示，即使是同一机器人，如果将被安装在机器人臂的顶端的工具从T1更换为T2，则工具的重量、作业动作大幅地变化，因此干扰转矩值变化的范围也大幅地变化。因此，即使仅基于过去的应答来设定阈值，也无法准确地判定机器人1的异常。
因此，在本实施方式所涉及的异常判定装置3中，与工具T的种类相对应地设定用于判定机器人1的异常的异常判定数据，将所设定的异常判定数据与工具T的种类的状态数据进行比较，来判定机器人1的异常。由此，即使更换了被安装在机器人臂的顶端的工具T，也能够准确地判定机器人1的异常。
另外，在本实施方式所涉及的异常判定装置3中，基于在安装工具T时记录的维护记录，来确定被安装在安装部上的工具T的种类。由此，维护记录是在实施维护时必须要记录的，因此不需要另外生成用于确定工具T的特殊的信息。因而，为了确定工具T，无需设置追加的结构、处理就能够确定工具T。
并且，在本实施方式所涉及的异常判定装置3中，还具备存储状态数据的数据库20，针对所确定的工具T的每个种类将状态数据记录到数据库20中。由此，在从数据库20获取状态数据时，能够容易地获取与工具T的种类相对应的状态数据。
另外，在本实施方式所涉及的异常判定装置3中，根据安装了所确定的种类的工具T时的状态数据来计算阈值，并将计算出的阈值设定为异常判定数据。由此，使用所确定的工具T的种类的状态数据来设定阈值，因此能够设定与工具T的种类相对应的异常判定数据。因而，即使更换了被安装在机器人臂的顶端的工具T，也能够准确地判定机器人1的异常。
并且，在本实施方式所涉及的异常判定装置3中，通过在规定的学习模型下对安装了所确定的种类的工具T时的状态数据进行处理，来设定异常判定数据。由此，使用所确定的工具T的种类的状态数据来设定异常判定数据，因此能够设定与工具T的种类相对应的异常判定数据。因而，即使更换了被安装在机器人臂的顶端的工具T，也能够准确地判定机器人1的异常。
另外，在本实施方式所涉及的异常判定装置3中，作为多种工具T，至少包括焊接用的工具和用于把持作业对象物的工具。由此，即使在安装有各种工具的情况下，也能够准确地判定机器人1的异常。
[第二实施方式]
以下，参照附图来说明应用了本发明的第二实施方式。但是，对与第一实施方式相同的结构标注同一附图标记，并省略详细的说明。
[异常判定系统的结构]
图7是示出具备本实施方式所涉及的异常判定装置的异常判定系统的结构的框图。如图7所示，本实施方式所涉及的异常判定系统100与第一实施方式的异常判定系统100的不同点在于，在机器人1的更换器C具备作业部位探测部70。
作业部位探测部70作为用于探测被安装在机器人1的更换器C上的工具T的种类的传感器而发挥功能。作业部位探测部70基于被安装在更换器C上的工具T的构造来探测工具T的种类。例如，根据构成更换器C的配件的形状等的机械性连接来探测工具T的种类。
另外，作业部位探测部70也可以通过接收向工具T发送的信号，根据电连接来探测工具T的种类。并且，通过在工具T上预先设置通信标签等来与工具T进行通信，由此也能够探测工具T的种类。
作业部位探测部70在探测到工具T的种类时，生成表示工具T的种类的标签等识别信息后发送到动作统一控制部9。但是，关于识别信息，即使不由作业部位探测部70生成，也可以由机器人控制装置2中的任一个部件来生成。所生成的识别信息与状态数据一起经由通信部10被发送到异常判定装置3。
数据获取部16在从机器人1经由通信部15获取状态数据时，同时还获取识别信息。然后，数据获取部16将所获取到的状态数据和识别信息按照工具T的每个种类记录到数据库20中。此时，数据获取部16自行参照识别信息，来将状态数据针对工具T的每个种类记录到数据库20中。
作业部位确定部17基于从机器人1获取到的识别信息，来确定被安装在更换器C上的工具T的种类。例如，由于表示工具T的种类的标签作为识别信息与各状态数据一起被记录在数据库20中，因此作业部位确定部17参照该标签来确定在生成各状态数据时被安装在更换器C上的工具T的种类。另外，作业部位确定部17也可以从机器人1直接获取识别信息，来确定工具T的种类。
[状态数据记录处理]
接着，说明由本实施方式所涉及的异常判定装置3进行的状态数据记录处理。本实施方式所涉及的状态数据记录处理与第一实施方式的状态数据记录处理的不同点仅在于，图3的步骤S5中的确定工具T的种类的处理，其它处理与第一实施方式的处理相同。在第一实施方式中，在步骤S5中参照维护记录来确定工具T的种类，但在本实施方式中，参照识别信息来确定工具T的种类。这样，本实施方式的状态数据记录处理能够通过与图3相同的流程图来执行，因此省略详细的说明。
[异常判定处理]
接着，说明由本实施方式所涉及的异常判定装置3进行的异常判定处理。本实施方式所涉及的异常判定处理与第一实施方式的异常判定处理的不同点仅在于，图4的步骤S11中的确定工具T的种类的处理，其它处理与第一实施方式的处理相同。在第一实施方式中，在步骤S11中参照维护记录来确定工具T的种类，但在本实施方式中，参照识别信息来确定工具T的种类。这样，本实施方式的异常判定处理能够通过与图4相同的流程图来执行，因此省略详细的说明。
[第二实施方式的效果]
如以上详细地说明的那样，在本实施方式所涉及的异常判定装置3中，从机器人1获取表示工具T的种类的识别信息，基于该识别信息来确定被安装在更换器C上的工具T的种类。由此，仅参照识别信息就能够容易地确定工具T的种类。
另外，在本实施方式所涉及的异常判定装置3中，还具备作业部位探测部70，该作业部位探测部70探测被安装在机器人1的更换器C上的工具T的种类。由此，能够直接探测被安装在更换器C上的工具T的种类，因此能够容易地探测工具T的种类。
并且，在本实施方式所涉及的异常判定装置3中，基于被安装在更换器C上的工具T的构造来探测工具T的种类。由此，能够根据构成更换器C的配件的形状等容易地探测工具T的种类，能够消除误探测。
另外，在本实施方式所涉及的异常判定装置3中，通过与被安装在更换器C上的工具T进行通信来探测工具T的种类。由此，即使是配件的形状等机械性连接相同的工具，也能够探测工具T的种类。
此外，上述的实施方式是本发明的一例。因此，本发明不限定于上述的实施方式，即使是该实施方式以外的方式，只要在不脱离本发明的技术思想的范围内，则能够根据设计等进行各种变更，这是不言而喻的。
附图标记说明
1：机器人；2：机器人控制装置；3：异常判定装置；4：生产管理装置；5：机器人臂；6：伺服电动机；7：脉冲编码器；8：减速器；9：动作统一控制部；10、15、22：通信部；11：伺服控制部；12：干扰转矩运算部；13：状态数据获取部；14：伺服放大器部；16：数据获取部；17：作业部位确定部；18：异常判定数据设定部；19：异常判定部；20：数据库；21：维护实绩数据库；23：生产信息数据库；70：作业部位探测部；100：异常判定系统；C：变换器；T：工具。

Claims (12)

1.一种异常判定装置，具有控制部，所述控制部从作业设备获取表示所述作业设备的状态的状态数据，来判定所述作业设备的异常，所述作业设备具备可更换地安装多种作业部位的安装部，所述异常判定装置的特征在于，
所述控制部从所述作业设备获取所述状态数据，
所述控制部对被安装在所述安装部上的所述作业部位的种类进行确定，
所述控制部与所确定的所述作业部位的种类相对应地设定用于判定所述作业设备的异常的异常判定数据，
所述控制部从自所述作业设备获取到的状态数据中获取安装了所确定的种类的所述作业部位时的状态数据，将获取到的所述状态数据与所设定的所述异常判定数据进行比较，来判定所述作业设备的异常。
2.根据权利要求1所述的异常判定装置，其特征在于，
所述控制部基于在安装所述作业部位时记录的维护记录，来确定被安装在所述安装部上的所述作业部位的种类。
3.根据权利要求1所述的异常判定装置，其特征在于，
所述控制部从所述作业设备获取表示所述作业部位的种类的识别信息，基于所述识别信息来确定被安装在所述安装部上的所述作业部位的种类。
4.根据权利要求1～3中的任一项所述的异常判定装置，其特征在于，
还具备存储所述状态数据的存储部，
所述控制部针对所确定的所述作业部位的每个种类，将所述状态数据记录到所述存储部中。
5.根据权利要求1～4中的任一项所述的异常判定装置，其特征在于，
所述控制部根据安装了所确定的种类的所述作业部位时的所述状态数据来计算出阈值，并将计算出的阈值设定为所述异常判定数据。
6.根据权利要求1～4中的任一项所述的异常判定装置，其特征在于，
所述控制部通过在规定的学习模型下对安装了所确定的种类的所述作业部位时的所述状态数据进行处理，来设定所述异常判定数据。
7.根据权利要求1～6中的任一项所述的异常判定装置，其特征在于，
所述多种作业部位至少包括焊接用的作业部位和用于把持作业对象物的作业部位。
8.一种异常判定系统，具备：
作业设备，其具备可更换地安装多种作业部位的安装部；以及
异常判定装置，其从所述作业设备获取表示所述作业设备的状态的状态数据，来判定所述作业设备的异常，
所述异常判定系统的特征在于，
所述异常判定装置从所述作业设备获取所述状态数据，
所述异常判定装置对被安装在所述安装部上的所述作业部位的种类进行确定，
所述异常判定装置与所确定的所述作业部位的种类相对应地设定用于判定所述作业设备的异常的异常判定数据，
所述异常判定装置从自所述作业设备获取到的状态数据中获取安装了所确定的种类的所述作业部位时的状态数据，将获取到的所述状态数据与所设定的所述异常判定数据进行比较，来判定所述作业设备的异常。
9.根据权利要求8所述的异常判定系统，其特征在于，
还具备传感器，所述传感器探测被安装在所述作业设备的安装部上的所述作业部位的种类。
10.根据权利要求9所述的异常判定系统，其特征在于，
所述传感器基于被安装在所述安装部上的所述作业部位的构造，来探测所述作业部位的种类。
11.根据权利要求9所述的异常判定系统，其特征在于，
所述传感器通过与被安装在所述安装部上的所述作业部位进行通信，来探测所述作业部位的种类。
12.一种异常判定方法，是异常判定装置的异常判定方法，所述异常判定装置从作业设备获取表示所述作业设备的状态的状态数据，来判定所述作业设备的异常，所述作业设备具备可更换地安装多种作业部位的安装部，所述异常判定方法的特征在于，
所述异常判定装置从所述作业设备获取所述状态数据，
所述异常判定装置对被安装在所述安装部上的所述作业部位的种类进行确定，
所述异常判定装置与所确定的所述作业部位的种类相对应地设定用于判定所述作业设备的异常的异常判定数据，
所述异常判定装置从自所述作业设备获取到的状态数据中获取安装了所确定的种类的所述作业部位时的状态数据，将获取到的所述状态数据与所设定的所述异常判定数据进行比较，来判定所述作业设备的异常。
CN201880093027.6A 2018-05-01 2018-05-01 异常判定装置、异常判定系统以及异常判定方法 Pending CN112135720A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/017419 WO2019211892A1 (ja) 2018-05-01 2018-05-01 異常判定装置、異常判定システム及び異常判定方法

Publications (1)

Publication Number Publication Date
CN112135720A true CN112135720A (zh) 2020-12-25

Family

ID=68386472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880093027.6A Pending CN112135720A (zh) 2018-05-01 2018-05-01 异常判定装置、异常判定系统以及异常判定方法

Country Status (5)

Country Link
US (1) US11931904B2 (zh)
EP (1) EP3789165A4 (zh)
JP (1) JP6927421B2 (zh)
CN (1) CN112135720A (zh)
WO (1) WO2019211892A1 (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001147707A (ja) * 1999-11-24 2001-05-29 Olympus Optical Co Ltd 加工実績記録装置
US6260427B1 (en) * 1997-07-28 2001-07-17 Tri-Way Machine Ltd. Diagnostic rule tool condition monitoring system
US20080082200A1 (en) * 2006-09-29 2008-04-03 Matsushita Electric Works, Ltd. Device for estimating machining dimension of machine tool
CN103576567A (zh) * 2012-07-26 2014-02-12 苏州宝时得电动工具有限公司 机器人及其控制方法、机器人系统
US20170357243A1 (en) * 2016-06-09 2017-12-14 Fanuc Corporation Machine learning device, numerical control device and machine learning method for learning threshold value of detecting abnormal load
CN107614216A (zh) * 2015-05-25 2018-01-19 日产自动车株式会社 故障诊断装置及故障诊断方法
CN107614215A (zh) * 2015-05-22 2018-01-19 日产自动车株式会社 故障诊断装置及故障诊断方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63288688A (ja) * 1987-05-18 1988-11-25 本田技研工業株式会社 ロボットハンド判別装置
JPH11333657A (ja) 1998-05-22 1999-12-07 Okuma Corp 工具交換動作の異常監視装置
JP2004017260A (ja) * 2002-06-20 2004-01-22 Kawasaki Heavy Ind Ltd エンドエフェクタに分離機能を有する自動組立作業装置
JP2007219991A (ja) * 2006-02-20 2007-08-30 Fanuc Ltd 異常負荷検出装置
US7421886B1 (en) * 2007-06-15 2008-09-09 Fox Michael A Quick connect coupling test apparatus and method
US8316742B2 (en) * 2007-12-11 2012-11-27 Kennametal Inc. Cutting tool with integrated circuit chip
JP5589460B2 (ja) * 2010-03-15 2014-09-17 豊和工業株式会社 ツールホルダ装着異常検出方法及び工作機械
JP5914994B2 (ja) * 2011-06-06 2016-05-11 セイコーエプソン株式会社 ロボット、およびロボットの制御方法
JP5846479B2 (ja) * 2011-08-23 2016-01-20 株式会社Ihi ロボットとその制御方法
JP2014018822A (ja) * 2012-07-17 2014-02-03 Amada Co Ltd 工具交換方法及び装置
JP5942720B2 (ja) * 2012-09-12 2016-06-29 セイコーエプソン株式会社 状態判別方法、ロボット、制御装置、及びプログラム
JP5962371B2 (ja) * 2012-09-20 2016-08-03 株式会社Ihi ロボットシステム並びにセンサ検査装置及び方法
JP2016087700A (ja) 2014-10-29 2016-05-23 ファナック株式会社 負荷情報の設定を確認する機能を備えた制御装置
JP6492677B2 (ja) * 2015-01-15 2019-04-03 株式会社デンソー 車載機
JP6430263B2 (ja) * 2015-01-19 2018-11-28 株式会社日立製作所 異常診断分析装置
JP2017033346A (ja) * 2015-08-03 2017-02-09 オークマ株式会社 工作機械の情報取得装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6260427B1 (en) * 1997-07-28 2001-07-17 Tri-Way Machine Ltd. Diagnostic rule tool condition monitoring system
JP2001147707A (ja) * 1999-11-24 2001-05-29 Olympus Optical Co Ltd 加工実績記録装置
US20080082200A1 (en) * 2006-09-29 2008-04-03 Matsushita Electric Works, Ltd. Device for estimating machining dimension of machine tool
CN103576567A (zh) * 2012-07-26 2014-02-12 苏州宝时得电动工具有限公司 机器人及其控制方法、机器人系统
CN107614215A (zh) * 2015-05-22 2018-01-19 日产自动车株式会社 故障诊断装置及故障诊断方法
CN107614216A (zh) * 2015-05-25 2018-01-19 日产自动车株式会社 故障诊断装置及故障诊断方法
US20170357243A1 (en) * 2016-06-09 2017-12-14 Fanuc Corporation Machine learning device, numerical control device and machine learning method for learning threshold value of detecting abnormal load

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
叶旭明等: "先进制造技术 第3版", 华中科技大学出版社, pages: 120 - 123 *

Also Published As

Publication number Publication date
US11931904B2 (en) 2024-03-19
JPWO2019211892A1 (ja) 2021-05-13
US20210229283A1 (en) 2021-07-29
EP3789165A1 (en) 2021-03-10
WO2019211892A1 (ja) 2019-11-07
JP6927421B2 (ja) 2021-08-25
EP3789165A4 (en) 2021-08-18

Similar Documents

Publication Publication Date Title
KR101889248B1 (ko) 고장 진단 장치 및 고장 진단 방법
US10899023B2 (en) Failure diagnosis device and failure diagnosis method
CN107614215B (zh) 故障诊断装置及故障诊断方法
EP3299132A1 (en) Failure diagnostic device and failure diagnostic method
CN112512762B (zh) 异常判定装置和异常判定方法
CN107614213B (zh) 故障诊断装置及故障诊断方法
US20210229282A1 (en) Abnormality determination device and abnormality determination method
JP7110843B2 (ja) 異常判定装置及び異常判定方法
CN112135720A (zh) 异常判定装置、异常判定系统以及异常判定方法
JP6848206B2 (ja) 故障診断装置及び故障診断方法

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