CN115592597A - 用于监控拧紧过程的方法、计算单元和为此的拧紧装置 - Google Patents
用于监控拧紧过程的方法、计算单元和为此的拧紧装置 Download PDFInfo
- Publication number
- CN115592597A CN115592597A CN202210799710.XA CN202210799710A CN115592597A CN 115592597 A CN115592597 A CN 115592597A CN 202210799710 A CN202210799710 A CN 202210799710A CN 115592597 A CN115592597 A CN 115592597A
- Authority
- CN
- China
- Prior art keywords
- screwing
- screw
- tightening
- measured values
- tightening device
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25B—TOOLS OR BENCH DEVICES NOT OTHERWISE PROVIDED FOR, FOR FASTENING, CONNECTING, DISENGAGING OR HOLDING
- B25B21/00—Portable power-driven screw or nut setting or loosening tools; Attachments for drilling apparatus serving the same purpose
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Details Of Spanners, Wrenches, And Screw Drivers And Accessories (AREA)
Abstract
本发明涉及一种用于监控拧紧过程(S)的方法,其中借助于拧紧装置来将螺丝旋入至少一个构件中,其中在螺丝的旋入过程(E)期间,获得、尤其是确定(210)至少一个表征该旋入过程(E)的物理参数(M)的测量值,而且其中在该旋入过程(E)期间,对这些测量值(V)进行分析(220)并且基于此来确定(230)该拧紧过程(S)的质量(Q)。本发明还涉及一种拧紧装置和一种用于训练机器学习模型的方法。
Description
技术领域
本发明涉及:一种用于监控拧紧过程的方法,其中借助于拧紧装置来将螺丝旋入至少一个构件中;一种计算单元;一种拧紧装置和一种为此的系统;以及一种用于训练机器学习模型的方法。
背景技术
在装配工作中、尤其是在工业领域的装配工作中,主要使用拧紧装置,更确切地说尤其是所谓的测量螺丝刀或拧紧装置,所述测量螺丝刀或拧紧装置具有一个或多个传感器,以便例如确定用来将螺丝拧紧的扭矩。依据当螺丝完全被旋入时所需要的或所达到的扭矩,例如可以在与参考值的比较的情况下识别螺旋拧紧的质量是好是坏。
一般来说,螺旋拧紧的质量,尤其是当在工业规模上进行这一点时,是一项重要的标准。在该背景下,值得期望的是:能够尽可能好地确定螺旋拧紧的质量;但是同时也应该注意的是:尤其是在工业领域,工作应该尽可能快地被执行。
发明内容
按照本发明,提出了具有专利独立权利要求的特征的一种用于监控拧紧过程的方法,其中借助于拧紧装置来将螺丝旋入至少一个构件中;具有专利独立权利要求的特征的一种计算单元;具有专利独立权利要求的特征的一种拧紧装置和一种为此的系统;以及具有专利独立权利要求的特征的一种用于训练机器学习模型的方法。有利的设计方案是从属权利要求以及随后的描述的主题。
本发明涉及借助于其将螺丝插入(拧入)构件的拧紧装置的运行,以及尤其是涉及对这些拧紧装置的监控并且涉及对这种拧紧过程的质量的确定。在此,尤其可以考虑自动化或测量螺丝刀或拧紧装置、即具有一个或多个传感器的拧紧装置,作为拧紧装置,以便测量或确定在拧紧或旋入过程中的参量或物理参数。在此,尤其可以涉及移动式拧紧装置,即手动工具或手动螺丝刀,但是同样可以涉及固定式拧紧装置,如螺杆。
例如,在这种拧紧装置的情况下,可以为像扭矩那样的参量指定在将螺丝旋入时应该达到的特定值(目标值或设定值)。如果未达到该值或者所达到的值不在该目标值附近的一定范围内,则螺丝连接可以被确定或评定为不正常。以这种方式,完成的螺丝连接的质量虽然原则上可以可靠地被评定,但是只能在拧紧过程结束之后才进行。如果拧紧过程不正常,则必须重新卸下螺丝。
在该背景下,提出了一种更快或更早获得关于拧紧过程的质量的信息的可能性。为此,在螺丝的旋入过程期间,获得、尤其是确定或测量至少一个表征该旋入过程的物理参数的测量值。在旋入过程期间,对测量值进行分析并且基于此来确定拧紧过程的质量。这尤其意味着:在旋入过程期间,关于至少一条标准来分析这些测量值,而且当满足该至少一条标准时,该拧紧过程在旋入过程期间就被确定为不正常。这样,例如可以检查实际值与目标值的偏差是否大于特定阈值。
在这种情况下的一个关键点是:对这些测量值的分析不是在拧紧或旋入过程结束时或者在拧紧或旋入过程完成之后才进行,而是在该拧紧或旋入过程期间就已经进行,尤其是在旋入过程开始之后同时并且接着连续地或准连续地进行,例如分别依据最新的和/或自从旋入过程开始以来产生的测量值。如果拧紧过程在此被确定为不正常,则(仍然)可以在旋入过程结束之前自动化地引起并且尤其是也实现拧紧过程的停止和/或螺丝的旋出。但是,替代地或附加地,也可以向用户输出信息,接着该用户可以自行决定应该做什么。尤其是通过使用诸如人工神经网络那样的机器学习模型来使这种实时(或“在线(online)”)分析成为可能。
这里考虑的可能的物理参数尤其是如下物理参数:作用于螺丝和/或由拧紧装置施加的力;作用于螺丝和/或由拧紧装置施加的扭矩;螺丝和/或拧紧装置的角度;螺丝和/或拧紧装置的角速度;螺丝和/或拧紧装置的角加速度;和旋入过程的时长(尤其是自从旋入过程开始直至当前的测量时间点为止)。
在拧紧过程中,这些物理参数具有典型的变化过程或者模式。这样,扭矩例如首先略微增加,接着大致保持恒定并且接着将近旋入过程的结束时(当螺丝已经或几乎止动时)急剧增加。物理量或这些物理量的测量值的典型的变化过程例如可以依据测试测量来被获得。
如果现在出现不希望的干扰或影响,则会发生这些典型或理想的变化过程(例如目标值)或模式的偏差。这种干扰或干扰参量例如是螺丝和/或至少一个构件的螺纹(或者在那里是孔,如果在那里存在螺纹的话)、螺丝和至少一个构件的配合、在螺丝与在至少一个构件中的孔之间的轴对称的质量。如果例如螺丝的螺纹质量差,例如具有错误的或不均匀的螺距,则例如扭矩将持续地变得过大或过小或者波动。这一点可以被识别,更确切地说尤其是在旋入过程结束之前。接着,例如可以限定阈值,作为所提及的标准,使得在超过该阈值时(例如当扭矩持续地比预期高10%以上时),拧紧过程被确定为不正常。
如已经表明的那样,特别适合的是:在分析测量值时确定这些物理参数中的至少一个(即例如在其它情况下被分析的多个参数中的仅仅一个)的测量值的频谱,尤其是例如由拧紧装置施加(或者由相对应的传感器测量)的扭矩的测量值的频谱。这种频谱例如可以通过对(扭矩的)测量值的傅里叶变换来被获得。带有理想的或至少可接受的螺纹的螺丝具有这种频率的某种模式,而在带有不再可接受的螺纹的螺丝的情况下,频率会随着更高的幅度而偏移或者幅度在特定频率范围内会发生变化。螺纹损坏例如导致必须施加的扭矩的有规律的变化;这反映在频谱中。在旋入时,同样可能发生通常更大的阻力,这可以在扭矩的一般变化过程方面被识别出。如果阻力例如由于螺纹损坏或螺丝倾斜而增加,则在旋入时的角速度也将发生变化。
优选地,基于对测量值的分析,还确定至少一个干扰参量对这些测量值的影响的量度。在此,可以考虑上文已经提及的干扰参量或干扰影响,作为干扰参量。根据干扰参量的类型或者根据干扰影响,测量值将以这种方式或其它方式偏离典型或理想的变化过程。在螺纹上的点状损坏点例如将影响扭矩的频谱中的某个频率,而倾斜的螺丝(也就是说螺丝和孔没有轴对称)将导致扭矩持续增加。这可以被用于例如识别所使用的螺丝或构件的问题,但是也同样可以被用于例如改善对螺旋拧紧的质量的确定。
本发明还涉及一种用于训练机器学习模型的方法,该机器学习模型用于对测量值的上述分析。为此,针对多个拧紧过程,提供在各一个旋入过程期间的至少一个物理参数的参考测量值,其中针对每个拧紧过程指定参考质量,尤其是该拧紧过程是被确定为或视为正常还是被确定为或视为不正常。接着,可以将这些参考测量值作为输入值输送给该机器学习模型并且依据该机器学习模型(该机器学习模型根据输入值来输出质量或对此的量度)的输出值与指定的参考质量之间的比较来使该机器学习模型适配。在人工神经网络的情况下,例如可以使神经元的权重适配。
在一种简单的情况下,可以在这种机器学习模型中规定:基于输入值(物理量的测量值)来根据拧紧过程是正常或者不正常进行分类。这可以在使用常见的分类算法的情况下进行,例如决策树或者SVM(“支持向量机(Support Vector Machine)”)。在此,例如可以关于特定的模式或参量或变化过程来检查每个旋入过程的测量值(可设想的是预先应用傅里叶变换来获得频谱),接着依据这些测量值来进行分类。
但是,原则上,对于测量值的分析和对拧紧过程中的质量的确定来说,在应用该机器学习模型的情况下不需要了解现场(也就是说在其中进行拧紧过程的当前区域)的可能的干扰参量。但是可设想的是:仍然收集这种数据,必要时也在之后或者也随机式地收集这种数据,以便进一步改善该机器学习模型。
除了该方法之外,本发明还涉及一种计算单元以及一种拧紧装置。按照本发明的计算单元尤其是以程序技术方式被设立为执行按照本发明的方法。该拧紧装置被设立为:在拧紧过程的框架内,将螺丝旋入、尤其是自动化地旋入至少一个构件中,该拧紧装置具有至少一个传感器,该传感器被设立为在螺丝的旋入过程期间确定至少一个表征该旋入过程的物理参数的测量值。该计算单元可以是该拧紧装置的一部分,例如该拧紧装置的控制单元或控制设备。接着,可以直接在该拧紧装置中处理这些测量值。但是,该计算单元同样也可以是上级控制系统或该上级控制系统的一部分,也可设想的是中央服务器,该中央服务器例如提供所谓的云。那么,拧紧装置和计算单元构成一个系统,其中该拧紧装置被设立为:尤其是以无线方式或者以有线方式,将关于这些测量值的数据传送给该计算单元。接着,可以在该拧紧装置的外部进行对这些测量值的分析,必要时在使用更高的计算能力的情况下。接着,该计算单元例如可以将分析的结果(即拧紧过程的质量)重新发送回该拧紧装置(该拧紧装置相对应地同样包括控制单元以及必要时包括像无线电模块那样的其它组件),以便促使该拧紧装置例如停止该拧紧过程。
此外,对这些测量值的分析的结果例如可以在该拧紧装置或在那里的显示器上和/或以声音方式或者只借助于LED等等被报告给用户。也可设想的是网页界面(Web-Interface)或者所限定的协议,诸如OpenProtocol、VwXml、BmwTpc等等。此外,结果也可以以其它方式被收集和存放,例如用于以后的评估或者对该机器学习模型的所提及的适配。
尤其是当进行实施的控制设备还被用于其它任务并且因而总归存在时,按照本发明的方法的以具有用于执行所有方法步骤的程序代码的计算机程序或计算机程序产品的形式的实现方案也是有利的,因为这引起了特别低的成本。尤其是,适合于提供该计算机程序的数据载体是磁存储器、光存储器和电存储器,诸如硬盘、闪速存储器、EEPROM、DVD以及其它等等。通过计算机网络(因特网、内联网等等)来下载程序也是可行的。
本发明的其它优点和设计方案从说明书以及随附的附图中得到。
易于理解的是,上面所提到的并且随后还要阐述的特征不仅能以分别被说明的组合,而且能以其它组合或者单独地来应用,而不脱离本发明的保护范围。
本发明依据实施例在附图中示意性示出并且在下文参考附图详细予以描述。
附图说明
图1示意性示出了按照本发明的在一个优选的实施方式中的拧紧装置。
图2示意性示出了按照本发明的在一个优选的实施方式中的方法的流程。
图3A和3B示意性示出了在旋入过程中的测量参量的变化过程以阐述本发明。
图4示意性示出了按照本发明的在另一优选的实施方式中的方法的流程。
具体实施方式
在图1中示意性示出了按照本发明的在一个优选的实施方式中的拧紧装置100,这里示例性地以移动式拧紧装置、尤其是角螺丝刀为形式。角螺丝刀100具有外壳140、两个把手141和142、安装头120、蓄电池150以及用于操纵角螺丝刀100并且借此用于实施拧紧过程的操纵元件或操纵开关145。
在安装头120中,例如可以设置用于放到螺丝160上的钻头121。此外,在该角螺丝刀中设置有电动机130作为电驱动装置,该电动机用于驱动该角螺丝刀或用作该角螺丝刀的驱动装置并且借此用于执行拧紧过程,其中将螺丝160旋入例如两个构件或工件161、162中,以便使这两个构件或工件连接。还设置有被设计成控制单元的计算单元110,在该计算单元上例如寄存有应用程序,并且该计算单元具有对于运行角螺丝刀100所需的电子设备。还设置有显示装置111(例如显示器或触摸显示器),在该显示装置上例如可以显示某些参数或信息。
角螺丝刀100是所谓的测量螺丝刀,也就是说可以测量、监控、检查和/或记录物理参数,诸如扭矩或拧紧扭矩。为此,例如可以使用传感器180。还设置有用于例如WLAN的无线电模块112,该无线电模块连接到控制单元110上,使得控制单元110或角螺丝刀100可以与被设计成上级控制器的计算单元170交换数据。角螺丝刀100例如可以从那里获得新的应用程序并且把由传感器所检测到的测量值传输过去。
角螺丝刀100可以在本发明的范围内被使用,也就是说在螺丝160的旋入过程期间测量或确定例如扭矩的测量值。此外,在该旋入过程期间,对这些测量值进行分析,并且基于此来确定拧紧过程的质量,例如螺丝连接是否正常。该分析例如可以直接在控制单元上进行,但是同样也可以在上级控制器170上进行。在这两种情况下,例如可以在显示装置111上显示关于该分析的信息。
在图2中,以流程图的形式示意性示出了按照本发明的在一个优选的实施方式中的方法的流程。
首先,在步骤200中,开始拧紧过程S,该拧紧过程例如开始于对被放到螺丝上的拧紧装置的操纵。接着,片刻之后,当产生足以使螺丝旋转的扭矩时开始旋入过程E。
在步骤210中,在旋入过程期间,测量或确定例如扭矩的测量值。这些测量值按照步骤220被持续分析,并且在步骤230中确定拧紧过程的质量Q。如已经提及的那样,这尤其是在使用机器学习模型的情况下进行。这将在稍后还更详细地被描述。
为此,在图3A中示出了扭矩M随时间t的变化过程(以任意单位)。旋入过程开始于t0。扭矩M接着通常首先略微增加,但是接着基本上保持恒定。利用相对应的变化过程VR,示出了例如理想的旋入过程的参考测量值。该扭矩只有在旋入过程在tE处结束时才(急剧)增加,原因在于螺丝止动。在这种情况下,拧紧过程(该拧紧过程的质量)会被确定为正常。旋入过程总共持续时长∆tE。
另一方面,利用变化过程V示出了拧紧过程的测量值,其中例如在螺丝的螺纹上的一点处存在损坏。这导致:当该损坏进入构件中时,例如阻力会在短时间内或者在较长时间内升高。这导致:为了将螺丝旋入所需的扭矩增加。如果扭矩接着——更确切地说还在旋入过程期间——就超过阈值MS,则标准K可以被视为满足,使得拧紧过程被确定为不正常。接着,拧紧过程可以按照步骤230被停止,更确切地说例如其方式是拧紧装置自动化地调整拧紧过程,尤其是甚至也自动地使拧紧过程倒退,以便重新卸下螺丝。
在图3B中,示出了(诸如来自图3A中的)扭矩的变化过程的频谱。为此,在频率f上绘制幅度A。在此,V'R说明了例如理想的拧紧过程的参考频谱,另一方面,V'说明了当例如在螺丝的螺纹上的一点处存在损坏时的频谱。例如可以借助于傅里叶变换从随时间的变化过程中获得频谱。
现在,例如可能的是:在螺丝的螺纹上有损坏的情况下,在频率f1与f2之间的频率范围内出现幅度A方面的变化。如果幅度接着——更确切地说还在旋入过程期间——就超过阈值AS,则标准K可以被视为满足,使得拧紧过程被确定为不正常。接着,拧紧过程可以重新按照步骤230来被停止。
就这方面来说应提及:如图3A中那样的频谱通常只是抓拍;该频谱可能在旋入过程期间发生变化。这样,只有当螺纹上的损坏位于构件中时,才可能出现幅度方面的偏差。另一方面,在螺丝与构件之间不存在轴对称的情况下,这将从一开始就产生影响,原因在于从一开始就存在旋转不均匀。
还应提及的是:诸如扭矩那样的物理参数的变化过程不一定必须相对于时间而言被检测或分析。例如,扭矩可以随着角度(或作为角度的函数)来被检测或分析。
在图4示意性示出了按照本发明的在另一优选的实施方式中的方法的流程,更确切地说用于训练(或教导)机器学习模型的方法的流程,如其可以在本发明的范围内例如也按照图2被使用的那样。
在这种情况下,在步骤400中首先提供诸如扭矩那样的一个或多个所希望的物理参数的参考测量值或参考变化过程,包括对相关的拧紧过程是被视为正常还是被视为不正常的评价在内。这些接着(通常针对各一个拧紧过程,然后一个接一个拧紧过程)被输送给机器学习模型410。
接着,在那里,按照步骤420,必要时在傅里叶变换之后,例如提取或确定在特定频率范围内的像幅度水平那样的特征。基于具体的、所获得的特征,在步骤430中进行分类,使得在步骤440中获得结果(例如正常或者不正常)。这样,例如当在该频率范围内的幅度超过特定阈值(也参见图3A)时,拧紧过程可以被分类为不正常。
如果以这种方式获得的结果与参考测量数据的所希望的结果不匹配,则在步骤450中可以进行对机器学习模型的适配,例如对神经元的权重的适配。
以这种方式训练的机器学习模型的应用以类似的方式发挥作用。然而,接着不是使用参考测量值作为输入值,而是使用真实测量值,更确切地说实时地使用真实测量值。那么,相对应地同样不进行像在步骤450中那样的适配。
Claims (14)
1.一种用于监控拧紧过程(S)的方法,其中借助于拧紧装置(100)来将螺丝(160)旋入至少一个构件(161、162)中,
其中在所述螺丝(160)的旋入过程(E)期间,获得、尤其是确定(210)至少一个表征所述旋入过程(E)的物理参数(M)的测量值(V),而且
其中在所述旋入过程(E)期间,对所述测量值(V)进行分析(220)并且基于此来确定(230)所述拧紧过程(S)的质量(Q)。
2.根据权利要求1所述的方法,其中在所述旋入过程期间,关于至少一条标准(K)来分析所述测量值,而且当满足所述至少一条标准(K)时,所述拧紧过程(S)在所述旋入过程(E)期间就被确定为不正常。
3.根据权利要求2所述的方法,其中如果所述拧紧过程(S)被确定为不正常,则在所述旋入过程(E)结束之前自动化地引起所述拧紧过程(S)的停止和/或所述螺丝(160)的旋出。
4.根据上述权利要求中任一项所述的方法,其中使用机器学习模型(410),以便分析所述测量值(V)并且基于此来确定所述拧紧过程(S)的质量(Q)。
5.根据上述权利要求中任一项所述的方法,其中在分析所述测量值时确定物理参数中的至少一个物理参数的测量值的频谱(V')。
6.根据上述权利要求中任一项所述的方法,其中至少一个表征所述旋入过程的物理参数选自:作用于所述螺丝(160)和/或由所述拧紧装置(100)施加的力;作用于所述螺丝(160)和/或由所述拧紧装置(100)施加的扭矩;所述螺丝(160)和/或所述拧紧装置(100)的角度;所述螺丝(160)和/或所述拧紧装置(100)的角速度;所述螺丝(160)和/或所述拧紧装置(100)的角加速度;和所述旋入过程的时长。
7.根据上述权利要求中任一项所述的方法,其中基于对所述测量值(V)的分析,还确定至少一个干扰参量对所述测量值的影响的量度。
8.根据权利要求7所述的方法,其中所述至少一个干扰参量选自:所述螺丝(160)和/或所述至少一个构件(161、162)的螺纹、所述螺丝(160)和所述至少一个构件(161、162)的配合、在所述螺丝(160)与在所述至少一个构件(161、162)中的孔之间的轴对称的质量。
9.一种用于训练机器学习模型(410)的方法,所述机器学习模型用于分析至少一个物理参数的测量值,所述测量值是在借助于拧紧装置(100)被旋入至少一个构件(161、162)中的螺丝(160)的旋入过程期间被检测到的,并且所述至少一个物理参数表征所述旋入过程,而且所述机器学习模型还用于基于对所述测量值的分析来确定相关的拧紧过程的质量,
其中针对多个拧紧过程,提供在各一个旋入过程期间的所述至少一个物理参数的参考测量值(VR),其中针对每个拧紧过程指定参考质量,尤其是所述拧紧过程是被确定为正常还是被确定为不正常,
其中所述参考测量值作为输入值被输送给所述机器学习模型,而且
其中依据所述机器学习模型(410)的输出值与指定的参考质量之间的比较来使所述机器学习模型适配(450)。
10.一种计算单元(110),所述计算单元被设立为执行根据上述权利要求中任一项所述的方法。
11.一种拧紧装置(100),所述拧紧装置被设立为:在拧紧过程的框架内,将螺丝(160)旋入、尤其是自动化地旋入至少一个构件(161、162)中,所述拧紧装置具有至少一个传感器(180),所述传感器被设立为在所述螺丝(160)的旋入过程期间确定至少一个表征所述旋入过程的物理参数的测量值,而且所述拧紧装置具有根据权利要求10所述的计算单元(110)。
12.一种具有拧紧装置和根据权利要求10所述的计算单元的系统,其中所述拧紧装置被设立为:在拧紧过程的框架内,将螺丝旋入、尤其是自动化地旋入至少一个构件中,所述拧紧装置具有至少一个传感器,所述传感器被设立为在所述螺丝的旋入过程期间确定至少一个表征所述旋入过程的物理参数的测量值,而且其中所述拧紧装置被设立为:尤其是以无线方式或者以有线方式,将关于所述测量值的数据传送给所述计算单元。
13.一种计算机程序,当所述计算机程序在计算单元(110)、尤其是根据权利要求10至12中任一项所述的计算单元上被执行时,所述计算机程序促使所述计算单元(110)执行根据权利要求1至9中任一项所述的方法。
14.一种机器可读存储介质,其具有被存储在其上的根据权利要求13所述的计算机程序。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102021207271 | 2021-07-09 | ||
DE102021207271.2 | 2021-07-09 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115592597A true CN115592597A (zh) | 2023-01-13 |
Family
ID=84842021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210799710.XA Pending CN115592597A (zh) | 2021-07-09 | 2022-07-08 | 用于监控拧紧过程的方法、计算单元和为此的拧紧装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115592597A (zh) |
-
2022
- 2022-07-08 CN CN202210799710.XA patent/CN115592597A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6443311B2 (ja) | 制御装置、制御プログラムおよび記録媒体 | |
EP1927440A1 (en) | Method and device for monitoring the condition of an industrial robot | |
US11300949B2 (en) | Data processing device of production equipment | |
WO2010048996A1 (en) | A method and a device for detecting abnormal changes in play in a transmission unit of a movable mechanical unit | |
US10486279B2 (en) | Abnormality determination device and abnormality determining method | |
US11285602B2 (en) | Adjustment support device | |
US20180297199A1 (en) | Controller and machine learning device | |
EP4041495A1 (de) | Verfahren zum betrieb einer handwerkzeugmaschine | |
CN111551383A (zh) | 一种基于异质多传感器的机械状态监测方法及系统 | |
KR102491716B1 (ko) | 가공 환경 추정 장치 | |
KR20230114818A (ko) | IoT 기반 공작기계의 지능형 모니터링 진단 방법 및 장치 | |
CN109240253B (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
CN115592597A (zh) | 用于监控拧紧过程的方法、计算单元和为此的拧紧装置 | |
JP7381280B2 (ja) | 診断装置及び機械学習装置 | |
WO2020110354A1 (ja) | 材料試験機、及び材料試験機の制御方法 | |
CN108367416B (zh) | 用于脉冲扳手旋转检测的方法及装置 | |
CN110132628A (zh) | 一种联合收割机装配质量检测装置及方法 | |
WO2022075181A1 (ja) | 状態判定装置及び状態判定方法 | |
WO2021069208A1 (de) | Verfahren zum einlernen von anwendungsabschaltungen mit hilfe des auffindens von charakteristischen signalformen | |
CN111356963A (zh) | 用于制造设施的状态监控的方法 | |
WO2019057356A1 (en) | DETECTION OF ANOMALY IN AN INDUSTRIAL ROBOT | |
WO2023047545A1 (ja) | 追加学習データ選定装置及びコンピュータ読み取り可能な記録媒体 | |
JP2019185391A (ja) | 状態判定装置 | |
US11992953B2 (en) | Abnormality determination device and abnormality determination method | |
CN107866738B (zh) | 控制装置、计算机可读存储介质及控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |