CN115768577A - 工具诊断装置以及工具诊断方法 - Google Patents
工具诊断装置以及工具诊断方法 Download PDFInfo
- Publication number
- CN115768577A CN115768577A CN202180045003.5A CN202180045003A CN115768577A CN 115768577 A CN115768577 A CN 115768577A CN 202180045003 A CN202180045003 A CN 202180045003A CN 115768577 A CN115768577 A CN 115768577A
- Authority
- CN
- China
- Prior art keywords
- tool
- time
- data
- series data
- diagnostic
- 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.)
- Withdrawn
Links
- 238000003745 diagnosis Methods 0.000 title claims abstract description 154
- 238000000034 method Methods 0.000 title description 26
- 230000006866 deterioration Effects 0.000 claims abstract description 90
- 238000003754 machining Methods 0.000 claims abstract description 58
- 238000000605 extraction Methods 0.000 claims abstract description 44
- 239000000284 extract Substances 0.000 claims abstract description 19
- 230000015556 catabolic process Effects 0.000 claims 1
- 238000006731 degradation reaction Methods 0.000 claims 1
- 238000002405 diagnostic procedure Methods 0.000 claims 1
- 238000005553 drilling Methods 0.000 description 80
- 238000012545 processing Methods 0.000 description 43
- 238000013500 data storage Methods 0.000 description 31
- 238000010586 diagram Methods 0.000 description 18
- 230000002093 peripheral effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 230000001186 cumulative effect Effects 0.000 description 7
- 238000010801 machine learning Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 238000009499 grossing Methods 0.000 description 5
- 238000010079 rubber tapping Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23B—TURNING; BORING
- B23B49/00—Measuring or gauging equipment on boring machines for positioning or guiding the drill; Devices for indicating failure of drills during boring; Centering devices for holes to be bored
- B23B49/001—Devices for detecting or indicating failure of drills
-
- 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
- B23Q17/0961—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 power, current or torque of a motor
-
- 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
- B23Q17/0995—Tool life management
-
- 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
- G05B2219/37514—Detect normality, novelty in time series for online monitoring
-
- 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
- G05B2219/50185—Monitoring, detect failures, control of efficiency of machine, tool life
-
- 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
-
- 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)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Numerical Control (AREA)
Abstract
一种工具诊断装置,具备:数据取得部,其在进行孔的加工时取得与开孔工具的劣化状态相关的时间序列数据;诊断区间提取部,其提取由数据取得部取得的时间序列数据中的、在进行从孔的中途位置到加工结束位置为止的诊断区间的加工时取得的诊断区间时间序列数据;以及劣化诊断部,其利用由诊断区间提取部提取的诊断区间时间序列数据来诊断开孔工具的劣化。
Description
技术领域
本发明涉及工具诊断装置以及工具诊断方法。
背景技术
以往,在机床中,加工工具的使用极限按照加工工具的规格来设定。
例如,开孔工具的使用极限使用工具制造商推荐的极限加工时间、极限加工距离或极限加工次数。达到了使用极限的开孔工具被更换为新品的开孔工具。
但是,在这样设定使用极限的方法中,没有考虑加工条件或者工件的材质等使用开孔工具的使用条件。因此,有可能将尚未劣化的开孔工具更换为新品的开孔工具,或者即使是剧烈劣化的开孔工具也没有更换。
另外,还通过求出干扰负载转矩的变化率来诊断开孔工具的劣化(专利文献1)。
现有技术文献
专利文献
专利文献1:日本特开平7-51998号公报
发明内容
发明所要解决的课题
但是,在专利文献1所记载的技术中,在干扰负载转矩的检测数据受到噪声的影响的情况下,有可能无法高精度地诊断开孔工具的劣化。
本发明的目的在于提供一种高精度地诊断开孔工具的劣化的工具诊断装置以及工具诊断方法。
用于解决课题的手段
工具诊断装置具备:数据取得部,其在进行孔的加工时取得与开孔工具的劣化状态相关的时间序列数据;诊断区间提取部,其提取由数据取得部取得的时间序列数据中的、在进行从孔的中途位置到加工结束位置为止的诊断区间的加工时取得的诊断区间时间序列数据;以及劣化诊断部,其利用由诊断区间提取部提取的诊断区间时间序列数据来诊断开孔工具的劣化。
工具诊断方法包括如下步骤:在进行孔的加工时取得与开孔工具的劣化状态相关的时间序列数据;提取时间序列数据中的、在进行从孔的中途位置到加工结束位置为止的诊断区间的加工时取得的诊断区间时间序列数据;以及利用所提取的诊断区间时间序列数据来诊断开孔工具的劣化。
发明效果
根据本发明,能够提供高精度地诊断开孔工具的劣化的工具诊断装置以及工具诊断方法。
附图说明
图1是说明机床的硬件结构的一例的图。
图2是表示第一实施方式的工具诊断装置的功能的一例的框图。
图3是表示由新品的开孔工具进行孔加工时的波形数据的一例的图。
图4是表示由非新品的开孔工具进行孔加工时的波形数据的一例的图。
图5是表示第一实施方式的工具诊断装置所执行的处理的一例的流程图。
图6是表示第二实施方式的工具诊断装置的功能的一例的框图。
图7是表示加工履历存储部所存储的加工履历数据的一例的图。
图8是表示差分波形数据的一例的图。
图9是表示第二实施方式的工具诊断装置所执行的处理的一例的流程图。
图10是表示第三实施方式的工具诊断装置的功能的一例的框图。
图11是说明提取特征数据的定时以及剩余寿命的图。
图12是表示制作学习模型时执行的处理的一例的流程图。
图13是表示诊断工具的寿命时执行的处理的一例的流程图。
具体实施方式
[第一实施方式]
以下,使用附图对第一实施方式进行说明。
图1是说明机床的硬件结构的一例的图。
机床1具备工具诊断装置2、显示装置3、输入装置4、伺服放大器5和伺服电动机6、主轴放大器7和主轴电动机8、周边设备9。
工具诊断装置2是诊断工具、特别是开孔工具的磨损等劣化的装置。
开孔工具例如是钻头。钻头例如是整体式钻头、刀头更换式钻头或者深孔钻。
工具诊断装置2也可以组装于机床1的数值控制装置。另外,工具诊断装置2也可以组装于与机床1的数值控制装置连接的PC(Personal Computer:个人计算机)以及服务器等。在本实施方式中,将工具诊断装置2组装于机床1的数值控制装置,设为工具诊断装置2执行数值控制装置的各功能来进行说明。
工具诊断装置2具备CPU(Central Processing Unit:中央处理单元)10、总线11、ROM(Read Only Memory:只读存储器)12、RAM(Random Access Memory:随机存取存储器)13以及非易失性存储器14。
CPU10是按照系统程序控制工具诊断装置2整体的处理器。CPU10经由总线11读出存储在ROM12中的系统程序、工具诊断程序等。另外,CPU10按照工具诊断程序执行工具的诊断处理。另外,CPU10按照加工程序,控制伺服电动机6以及主轴电动机8等,执行开孔加工。
总线11是将工具诊断装置2内的各硬件相互连接的通信路径。工具诊断装置2内的各硬件经由总线11交换数据。
ROM12是存储用于控制工具诊断装置2整体的系统程序、用于进行开孔工具的劣化诊断的工具诊断程序、以及用于解析各种数据的解析程序等的存储装置。
RAM13是暂时存储各种数据的存储装置。RAM13暂时存储对加工程序进行解析而计算出的与工具路径相关的数据、显示用的数据、从外部输入的数据等。RAM13作为CPU10用于处理各种数据的作业区域发挥功能。
非易失性存储器14是在机床1的电源被切断且未向工具诊断装置2供给电源的状态下也保持数据的存储装置。非易失性存储器14例如由SSD(Solid State Drive:固态硬盘)构成。非易失性存储器14例如存储从输入装置4输入的工具校正数据、或者经由网络(未图示)输入的加工程序等。
工具诊断装置2还具备第一接口15、第二接口16、轴控制电路17、主轴控制电路18、PLC(Programmable Logic Controller:可编程逻辑控制器)19以及I/O单元20。
第一接口15是连接总线11和显示装置3的接口。第一接口15例如将CPU10处理后的各种数据发送给显示装置3。
显示装置3是经由第一接口15接收各种数据并显示各种数据的装置。显示装置3例如显示存储于非易失性存储器14的加工程序、与工具校正量相关的数据等。显示装置3是LCD(Liquid Crystal Display:液晶显示器)等显示器。
第二接口16是连接总线11和输入装置4的接口。第二接口16例如将从输入装置4输入的数据经由总线11发送给CPU10。
输入装置4是用于输入各种数据的装置。输入装置4例如接受与工具的校正量相关的数据的输入,将输入的数据经由第二接口16发送给非易失性存储器14。输入装置4例如是键盘。此外,输入装置4和显示装置3例如也可以如触摸面板那样构成为1个装置。
轴控制电路17是控制伺服电动机6的控制电路。轴控制电路17接收来自CPU10的控制指令,将用于驱动伺服电动机6的指令输出到伺服放大器5。轴控制电路17例如将控制伺服电动机6的转矩的转矩指令发送到伺服放大器5。另外,轴控制电路17也可以将控制伺服电动机6的旋转速度的旋转速度指令发送到伺服放大器5。
伺服放大器5接受来自轴控制电路17的指令,向伺服电动机6供给电力。
伺服电动机6是从伺服放大器5接受电力的供给而驱动的电动机。伺服电动机6例如与驱动刀架、主轴头、工作台的滚珠丝杠连结。通过伺服电动机6进行驱动,刀架、主轴头、工作台等机床1的构成要素例如在X轴方向、Y轴方向或Z轴方向上移动。机床1也可以具有检测刀架等构成要素的位置以及移动速度的检测器(未图示)。在该情况下,轴控制电路17也可以利用从检测器输出的检测数据来进行反馈控制。
主轴控制电路18是用于控制主轴电动机8的控制电路。在根据加工程序进行孔加工时,主轴控制电路18接收来自CPU10的控制指令,向主轴放大器输出用于驱动主轴电动机8的指令。主轴控制电路18例如向主轴放大器7发送控制主轴电动机8的转矩的转矩指令。另外,主轴控制电路18也可以将控制主轴电动机8的旋转速度的旋转速度指令发送给主轴放大器7。
主轴放大器7接受来自主轴控制电路18的指令,向主轴电动机8供给电力。
主轴电动机8是从主轴放大器7接受电力的供给而进行驱动的电动机。主轴电动机8与主轴(未图示)连结,使主轴旋转。
主轴电动机8例如也可以与检测主轴的旋转角的位置编码器(未图示)连结。位置编码器根据主轴的旋转角输出反馈脉冲。主轴控制电路18也可以利用从位置编码器输出的反馈脉冲来进行反馈控制。输入到主轴控制电路18的反馈脉冲也可以输入到CPU10。
PLC19是执行梯形图程序来控制周边设备9的控制装置。PLC19经由I/O单元20控制周边设备9。
I/O单元20是连接PLC19与周边设备9的接口。
I/O单元20将从PLC19接收到的指令发送到周边设备9。
周边设备9设置于机床1,是进行机床1执行工件加工时的辅助动作的装置。周边设备9也可以是设置于机床1的周边的装置。周边设备9例如是工具更换装置以及机械手等机器人。
接着,对第一实施方式的工具诊断装置2的功能进行说明。
图2是表示第一实施方式的工具诊断装置2的功能的一例的框图。工具诊断装置2例如具备控制部21、数据取得部22、波形生成部23、时间序列数据存储部24、诊断区间提取部25、特征提取部26、劣化诊断部27以及提示部28。控制部21、数据取得部22、波形生成部23、诊断区间提取部25、特征提取部26、劣化诊断部27以及提示部28例如通过CPU10使用存储于ROM12的系统程序、工具诊断程序以及各种数据,将RAM13作为作业区域进行运算处理来实现。另外,时间序列数据存储部24通过将CPU10的运算处理的运算结果存储于RAM13或非易失性存储器14来实现。
控制部21控制工具诊断装置2整体。控制部21例如按照加工程序控制伺服电动机6和主轴电动机8,进行工件的孔加工。
数据取得部22在通过开孔工具执行孔加工时,取得与开孔工具的劣化状态相关的时间序列数据。劣化状态例如是指工具的磨损或折损。时间序列数据是指在进行孔加工时,例如在每个控制周期取得的数据的集合。通过开孔工具加工的孔例如是盲孔。
数据取得部22例如从主轴控制电路18取得伺服数据作为时间序列数据。
伺服数据例如是表示主轴控制电路18向主轴放大器7输出的转矩指令的指令值的指令数据、或者表示从主轴电动机8向主轴控制电路18反馈的主轴的转矩的反馈数据。
伺服数据也可以是表示主轴控制电路18向主轴放大器7输出的旋转速度指令的指令值的指令数据、或者表示从主轴电动机8向主轴控制电路18反馈的主轴的旋转速度的反馈数据。
波形生成部23根据数据取得部22取得的时间序列数据而生成波形数据。波形生成部23例如在将纵轴设为转矩指令的指令值、将横轴设为时间的图表上,绘制在每个控制周期取得的转矩指令的指令值而生成波形数据。即,波形数据是以感知时间序列数据的变化的方式进行了处理的数据。
波形生成部23基于在利用新品的开孔工具进行最初的孔加工的期间取得的时间序列数据来生成波形数据。另外,波形生成部23基于在利用非新品的开孔工具进行孔加工的期间取得的时间序列数据来生成波形数据。
新品的开孔工具是尚未用于加工的未使用的开孔工具。非新品的开孔工具是指已经用于加工几个孔的开孔工具。
波形生成部可以在任何定时生成波形数据。例如,也可以在各孔的加工中持续地生成波形数据。或者,波形生成部23也可以在每当加工预先决定的个数的孔时,或者每当在预先决定的时间进行孔的加工时,生成波形数据。
图3及图4表示波形生成部23生成的波形数据的一例。
图3是表示基于在利用新品的开孔工具进行最初的孔加工时取得的时间序列数据而生成的波形数据的图。在图3中,纵轴为转矩指令的指令值,横轴为时间。
t1至t2表示基于在开孔工具与工件处于非接触的状态的非接触区间取得的时间序列数据而生成的波形数据。在非接触区间,波形数据的数据值以较低的值推移。
t2至t3表示基于在开孔工具与工件的接触开始而开孔工具的切削刃与工件的接触面积增大的接触开始区间取得的时间序列数据而生成的波形数据。在接触开始区间,波形数据的数据值急剧上升。
t3至t4表示基于在从开孔工具的外周与工件接触的位置加工至孔的中途位置为止的初始区间取得的时间序列数据而生成的波形数据。孔的中途位置是孔的入口与加工结束后的孔底之间的位置,是比孔的中间靠入口侧的位置。孔的中途位置例如是孔的全长的约1/3的深度的位置。即,初始区间是后述的诊断区间以下的长度,诊断区间是初始区间以上的长度。以下,将加工结束后的孔底的位置称为加工结束位置。
初始区间是由于各种噪声的影响而波形数据的数据值不稳定的区间。即,在初始区间取得的时间序列数据中,难以反映开孔工具的劣化状态。在初始区间,由于通过孔的内周面引导的开孔工具的外周面的面积小,因此认为开孔工具产生振动是一个原因。
在图3中,在初始区间,波形数据的数据值整体稍微下降。换言之,在对图3所示的波形数据进行了平滑化处理的情况下,在初始区间时间序列数据的数据值稍微下降。
t4至t5表示基于在从孔的中途位置到加工结束位置的诊断区间取得的时间序列数据而生成的波形数据。诊断区间是在开孔工具劣化时取得反映开孔工具的劣化状态的时间序列数据的区间。
图3所示的诊断区间中的波形数据的数据值平均地以大致恒定的值推移。换言之,在对图3所示的波形数据进行了平滑化处理的情况下,在诊断区间,波形数据的数据值以大致恒定的值推移。
t5是开孔工具到达加工结束位置且开孔加工结束的时间。在t5,开始将开孔工具从孔拔出。将开孔工具从孔完全拔出时,开孔工具为了加工其他的孔而被定位于其他的孔。
图4是表示基于通过非新品的开孔工具进行加工时取得的时间序列数据而生成的波形数据的图。在图4中,纵轴为转矩指令的指令值,横轴为时间。该波形数据用于开孔工具的劣化诊断。
t1’至t2’表示基于在非接触区间取得的时间序列数据而生成的波形数据。在非接触区间,波形数据的数据值以较低的值推移。
t2’至t3’表示基于在接触开始区间取得的时间序列数据而生成的波形数据。与新品的开孔工具的波形数据同样地,在接触开始区间,波形数据的数据值急剧上升。
t3’至t4’表示基于在初始区间中取得的时间序列数据而生成的波形数据。在初始区间,波形数据的数据值平均地上下波动。换言之,在对图4所示的波形数据进行了平滑化处理的情况下,在初始区间,数据值暂时上升之后下降,之后上升。如上所述,在初始区间,由于通过孔的内周面引导的开孔工具的外周面的面积较小,因此认为开孔工具产生振动是一个原因。
t4’至t5’表示基于在诊断区间取得的时间序列数据而生成的波形数据。在诊断区间,波形数据的数据值平均地进一步上升,并以较高的值推移。换言之,在对图4所示的波形进行了平滑化处理的情况下,在诊断区间数据值上升,以较高的值推移。原因在于,开孔工具的切削刃产生磨损等劣化,切削阻力上升。
t5’是开孔工具到达加工结束位置、且开孔加工结束的时间。在t5’开始开孔工具的拔出。将开孔工具从孔完全拔出时,开孔工具为了加工其他的孔而被定位于其他的孔。
在此,返回到图2继续进行工具诊断装置2的说明。
时间序列数据存储部24存储数据取得部22取得的时间序列数据。时间序列数据存储部24存储的时间序列数据例如是波形生成部23生成的波形数据。时间序列数据存储部24存储在利用新品的开孔工具进行了加工时取得的时间序列数据。另外,时间序列数据存储部24存储在利用非新品的开孔工具进行了加工时取得的时间序列数据。
诊断区间提取部25从存储在时间序列数据存储部24中的时间序列数据中提取在进行诊断区间的加工时取得的诊断区间时间序列数据。诊断区间时间序列数据例如是基于在进行诊断区间的加工时取得的时间序列数据而生成的诊断区间波形数据。
提取何种程度的量的诊断区间时间序列数据是根据开孔工具的种类、或者开孔工具的种类与工件的材质的组合等而预先由作业者等设定的。例如,在开孔工具的直径相对于开孔工具的全长较大的情况下,在开孔加工的初期产生的振动比较早地收敛。在该情况下,诊断区间时间序列数据的长度被设定得比较长。
另一方面,在直径相对于开孔工具的全长较小的情况下,在前端部分的一定程度的长度被孔的内周面引导之前,振动无法收敛。在该情况下,诊断区间时间序列数据的长度被设定得比较短。这样设定诊断区间时间序列数据的长度的理由是为了有效地排除初始区间的时间序列数据中出现的噪声的影响。
诊断区间提取部25例如基于加工程序以及伺服数据,确定开孔工具对诊断区间进行加工时所取得的时间序列数据,由此提取诊断区间时间序列数据。
特征提取部26提取表示诊断区间提取部25提取出的诊断区间时间序列数据的特征的特征数据。特征数据例如是诊断区间时间序列数据表示的数据值的平均、方差、偏度以及峰度中的至少任一个。另外,特征数据也可以是诊断区间时间序列数据表示的数据值的最大值。
劣化诊断部27基于由特征提取部26提取出的特征数据来诊断开孔工具的劣化。劣化诊断部27例如判定特征数据所表示的数据值是否为预先确定的阈值以上、或者是否为阈值以下,诊断开孔工具是否劣化。
也可以设定多个阈值。在该情况下,劣化诊断部27判定特征数据的值超过了哪个阈值,诊断开孔工具的劣化程度。
例如,设定第一阈值、第二阈值以及第三阈值。在特征数据的值小于第一阈值的情况下,劣化诊断部27判定为开孔工具尚未劣化。在特征数据的值为第一阈值以上且小于第二阈值的情况下,劣化诊断部27判定为开孔工具的劣化度较低。在特征数据的值为第二阈值以上且小于第三阈值的情况下,劣化诊断部27判定为开孔工具的劣化稍微发展。在特征数据的值为第三阈值以上的情况下,劣化诊断部27判定为开孔工具的劣化大幅度发展而达到了使用极限。
劣化诊断部27也可以根据开孔工具的劣化程度来推定开孔工具的寿命。开孔工具的寿命是开孔工具达到使用极限为止的时间。
提示部28提示劣化诊断部27对开孔工具的诊断结果。例如,提示部28将表示开孔工具的劣化状态的诊断结果的数据输出至显示装置3。另外,提示部28也可以将表示时间序列数据的特征的特征数据与开孔工具的诊断结果一起输出至显示装置3。
接着,对工具诊断装置2执行的处理的流程进行说明。
图5是表示工具诊断装置2执行的处理的流程的一例的流程图。工具诊断装置2也可以在每次进行各孔的加工时执行以下说明的处理。
另外,工具诊断装置2也可以在每次加工预先决定的个数的孔时执行该处理。
在通过开孔工具进行孔的加工时,数据取得部22取得与开孔工具的劣化状态相关的时间序列数据(步骤SA01)。
接着,波形生成部23基于由数据取得部22取得的时间序列数据生成波形数据(步骤SA02)。
接着,时间序列数据存储部24存储由数据取得部22取得的时间序列数据(步骤SA03)。时间序列数据存储部24存储的时间序列数据例如是由波形生成部23生成的波形数据。
接着,诊断区间提取部25从存储在时间序列数据存储部24中的时间序列数据中提取诊断区间时间序列数据(步骤SA04)。
接着,特征提取部26提取表示诊断区间提取部25提取出的诊断区间时间序列数据的特征的特征数据(步骤SA05)。
接着,劣化诊断部27基于由特征提取部26提取出的特征数据来诊断开孔工具的劣化(步骤SA06)。
接着,提示部28提示由劣化诊断部27诊断出的开孔工具的劣化的诊断结果(步骤SA07),结束处理。
本实施方式的工具诊断装置2利用诊断区间时间序列数据来诊断开孔工具的劣化。因此,能够排除在初始区间的时间序列数据中出现的噪声的影响。作为结果,工具诊断装置2能够高精度地诊断开孔工具的劣化。
另外,在本实施方式的工具诊断装置2中,诊断区间被设定为从孔的入口到中途位置为止的初始区间以上的长度。因此,能够基于可靠地反映开孔工具的劣化状态的时间序列数据来诊断开孔工具的劣化。
另外,在本实施方式的工具诊断装置2中,取得表示机床的主轴的转矩的数据以及表示主轴的旋转速度的数据中的至少任一个时间序列数据。因此,能够容易地取得与开孔工具的劣化状态相关的时间序列数据。
另外,在本实施方式的工具诊断装置2中,取得用于进行孔的加工的指令数据以及在进行孔的加工时反馈的反馈数据中的至少任一个时间序列数据。因此,能够容易地取得与开孔工具的劣化状态相关的时间序列数据。
另外,在本实施方式中,提取表示诊断区间时间序列数据的特征的特征数据,基于特征数据进行开孔工具的劣化的诊断。因此,能够排除噪声的影响而诊断开孔工具的劣化。
另外,在本实施方式中,基于诊断区间时间序列数据表示的数据值的平均、方差、偏度以及峰度中的至少任一个特征来进行开孔工具的劣化的诊断。因此,能够配合各种开孔工具而利用适当的特征数据。
[第二实施方式]
接着,使用附图对第二实施方式进行说明。此外,对于与第一实施方式相同的结构以及功能,省略说明。
第二实施方式的工具诊断装置利用表示在工具诊断中成为基准的基准时间序列数据与成为诊断对象的诊断时间序列数据的差分的差分时间序列数据,诊断开孔工具的劣化。关于基准时间序列数据和诊断时间序列数据,在后面详细说明。
图6是表示第二实施方式的工具诊断装置2的功能的一例的框图。
第二实施方式的工具诊断装置2具备第一实施方式的工具诊断装置2所具有的控制部21、数据取得部22、波形生成部23、时间序列数据存储部24、诊断区间提取部25、特征提取部26、劣化诊断部27以及提示部28。另外,工具诊断装置2还具备加工履历存储部31和差分时间序列数据生成部32。
加工履历存储部31例如通过将CPU10的运算处理的运算结果存储于RAM13或非易失性存储器14来实现。另外,差分时间序列数据生成部32通过CPU10使用存储于ROM12的系统程序、工具诊断程序以及各种数据,将RAM13作为作业区域进行运算处理来实现。
加工履历存储部31存储与各开孔工具的加工履历相关的加工履历数据。
图7是说明加工履历存储部31存储的加工履历数据的图。加工履历存储部31存储通过控制部21进行各孔的加工时的各开孔工具的累积加工时间。累积加工时间例如是各开孔工具进行孔的加工时的切削进给时间的合计。另外,加工履历存储部31也可以存储各开孔工具加工出的孔的数量的累积数量。
波形生成部23根据数据取得部22取得的时间序列数据而生成波形数据。波形生成部23基于在通过新品的开孔工具进行开孔加工的期间取得的时间序列数据来生成基准波形数据。基准波形数据是成为进行工具的劣化的诊断时的基准的波形数据。如在第一实施方式中说明的那样,图3所示的波形数据是基于在利用新品的开孔工具进行开孔加工的期间取得的时间序列数据而生成的波形数据。即,图3所示的波形数据是基准波形数据。
波形生成部23基于在通过非新品的开孔工具进行开孔加工的期间取得的时间序列数据来生成诊断波形数据。诊断波形数据是成为诊断开孔工具是否劣化时的诊断对象的波形数据。如在第一实施方式中说明的那样,图4所示的波形数据是基于在非新品的开孔工具进行开孔加工的期间取得的时间序列数据而生成的波形数据。即,图4所示的波形数据是诊断波形数据。
波形生成部23例如参照存储在加工履历存储部31中的加工履历数据,判定所生成的波形数据是基准波形数据还是诊断波形数据。波形生成部23例如在基于在孔的加工之前通过累积加工时间为零时间的开孔工具进行孔的加工时取得的时间序列数据生成了波形数据的情况下,将生成的波形数据作为基准波形数据。波形生成部23在基于在开孔加工之前通过累积加工时间不是零时间的开孔工具进行孔的加工时取得的时间序列数据生成了波形数据的情况下,将生成的波形数据作为诊断波形数据。波形生成部23也可以对基准波形数据以及诊断波形数据分别赋予表示是基准波形数据以及诊断波形数据的标签。
时间序列数据存储部24存储在通过新品的开孔工具进行开孔加工的期间取得的基准时间序列数据。时间序列数据存储部24存储的基准时间序列数据例如是波形生成部23生成的基准波形数据。
时间序列数据存储部24存储在通过非新品的开孔工具进行开孔加工的期间取得的诊断时间序列数据。时间序列数据存储部24所存储的诊断时间序列数据例如是波形生成部23所生成的诊断波形数据。
差分时间序列数据生成部32生成差分时间序列数据,该差分时间序列数据表示存储在时间序列数据存储部24中的基准时间序列数据与诊断时间序列数据的差分。差分时间序列例如是表示存储于时间序列数据存储部24的基准波形数据与诊断波形数据的差分的差分波形数据。
差分时间序列数据生成部32通过计算诊断时间序列数据中的非接触区间、接触开始区间、初始区间以及诊断区间的各区间的时间序列数据与基准时间序列数据中的非接触区间、接触开始区间、初始区间以及诊断区间的各区间的时间序列数据的差分,来生成差分时间序列数据。
图8是表示差分波形数据的一例的图。在图8中,纵轴为转矩指令的指令值,横轴为时间。
t1”至t2”是表示非接触区间的基准波形数据与诊断波形数据的差分的差分波形数据。非接触区间的差分波形数据平均地在零附近推移。即,在该区间,基本没有基准波形数据与诊断波形数据之差。
t2”至t3”是表示接触开始区间的基准波形数据与诊断波形数据的差分的差分波形数据。在接触开始区间,差分波形数据暂时上升。这被认为是由于表现出基准波形数据中的数据值的上升定时与诊断波形数据中的数据值的上升定时的一瞬间的偏差。
t3”至t4”是表示初始区间的基准波形数据与诊断波形数据的差分的差分波形数据。初始区间的差分波形数据平均地比非接触区间的差分波形数据所表示的值上升。认为其一个原因在于,在初始区间的基准波形数据中出现的噪声与诊断波形数据中出现的噪声之间存在差异。
t4”至t5”是表示诊断区间的基准波形数据与诊断波形数据的差分的差分波形数据。诊断区间的差分波形数据以平均较高的值推移。换言之,在对图8所示的差分波形数据进行了平滑化处理的情况下,在诊断区间差分波形数据所表示的值以较高的值推移。这是因为开孔工具的切削刃产生磨损等劣化,切削阻力上升而导致的。
t5”是开孔工具到达加工结束位置且开孔加工结束的时间。即,是开孔工具到达加工结束位置的时间。在t5”,开始开孔工具的拔出。
返回到图6继续说明工具诊断装置2的各部分。
诊断区间提取部25在差分时间序列数据中提取在加工诊断区间时取得的诊断区间时间序列数据。诊断区间提取部25例如基于加工程序以及伺服数据,确定开孔工具对诊断区间进行加工时所取得的时间序列数据,由此提取诊断区间时间序列数据。
特征提取部26提取表示诊断区间提取部25提取出的诊断区间时间序列数据的特征的特征数据。特征数据例如是诊断区间时间序列数据表示的数据值的平均、方差、偏度以及峰度中的至少任一个。
劣化诊断部27基于由特征提取部26提取出的特征数据来诊断开孔工具的劣化。劣化诊断部27例如判定特征数据所表示的值是否为预先确定的阈值以上、或者是否为阈值以下,诊断开孔工具是否劣化。
提示部28提示劣化诊断部27对开孔工具的诊断结果。例如,提示部28将表示开孔工具的劣化状态的诊断结果的数据输出至显示装置3。
接着,对工具诊断装置2执行的处理进行说明。
图9是表示工具诊断装置2执行的处理的一例的流程图。工具诊断装置2也可以在每次进行各孔的加工时执行以下说明的处理。另外,工具诊断装置2也可以在通过新品的开孔工具进行了最初的加工之后,每当加工预先决定的个数的孔时执行该处理。
在通过开孔工具进行孔的加工时,数据取得部22取得与开孔工具的劣化状态相关的时间序列数据(步骤SB01)。
接着,波形生成部23基于由数据取得部22取得的时间序列数据来生成波形数据(步骤SB02)。
接着,判断所取得的时间序列数据是基准时间序列数据还是诊断时间序列数据(步骤SB03)。
在所取得的时间序列数据是基准时间序列数据的情况下(在步骤SB03中为“是”的情况下),时间序列数据存储部24存储基准时间序列数据(步骤SB04)。当时间序列数据存储部24存储基准时间序列数据时,再次返回到步骤SB01的处理。
在所取得的时间序列数据是诊断时间序列数据的情况下(在步骤SB03中为“否”的情况下),时间序列数据存储部24存储诊断时间序列数据(步骤SB05)。
接下来,差分时间序列数据生成部32基于存储于时间序列数据存储部24的基准时间序列数据和诊断时间序列数据来生成差分时间序列数据(步骤SB06)。
接着,诊断区间提取部25提取差分时间序列数据生成部32生成的差分时间序列数据中的、表示在诊断区间被加工的期间取得的时间序列数据的诊断区间时间序列数据(步骤SB07)。
接着,特征提取部26提取表示诊断区间时间序列数据的特征的特征数据(步骤SB08)。
接着,劣化诊断部27基于由特征提取部26提取出的特征数据来诊断开孔工具的劣化(步骤SB09)。
最后,提示部28提示由劣化诊断部27诊断出的开孔工具的诊断结果(步骤SB10)。
本实施方式的工具诊断装置2基于表示基准时间序列数据与诊断时间序列数据的差分的差分时间序列数据来进行开孔工具的劣化的诊断。因此,不需要针对每个开孔工具设定成为用于判定开孔工具产生了劣化的基准的阈值。即,能够容易地诊断开孔工具的劣化。
[第三实施方式]
接着,对第三实施方式的工具诊断装置2进行说明。此外,对于与第一实施方式或者第二实施方式的工具诊断装置2相同的结构以及功能,省略说明。
第三实施方式的工具诊断装置2具备利用机器学习来诊断开孔工具的寿命的结构。
图10是表示第三实施方式的工具诊断装置2的功能的一例的框图。
第三实施方式的工具诊断装置2具备第二实施方式的工具诊断装置2所具有的控制部21、加工履历存储部31、数据取得部22、波形生成部23、时间序列数据存储部24、差分时间序列数据生成部32、诊断区间提取部25、特征提取部26、劣化诊断部27以及提示部28。工具诊断装置2还具备特征存储部33、剩余寿命计算部34、学习部35以及学习结果存储部36。
特征存储部33以及学习结果存储部36例如通过将CPU10的运算处理的运算结果存储于RAM13或者非易失性存储器14来实现。另外,剩余寿命计算部34以及学习部35例如通过CPU10使用存储于ROM12的系统程序、工具诊断程序以及各种数据,将RAM13作为作业区域进行运算处理来实现。
特征存储部33在新品的开孔工具到达使用极限为止的期间,依次存储表示所生成的差分时间序列数据的特征的各特征数据。特征存储部33将表示差分时间序列数据的特征的各特征数据与取得作为差分时间序列数据的原始数据的诊断时间序列数据时的开孔工具的累积加工时间对应起来进行存储。
剩余寿命计算部34在开孔工具到达使用极限时,基于开孔工具到达使用极限的定时和提取各特征数据的定时,计算提取各特征数据的定时的剩余寿命。在此,提取特征数据的定时是与取得作为差分时间序列数据的原始数据的诊断时间序列数据的定时相同的定时。
图11是说明提取特征数据的定时Ti与剩余寿命Si的关系的图。剩余寿命计算部34从开孔工具到达使用极限时的累积加工时间减去提取各特征数据的定时Ti的开孔工具的累积加工时间,计算提取各特征数据的定时Ti的剩余寿命Si。
特征存储部33将在各定时Ti提取的特征数据与表示剩余寿命Si的数据对应起来进行存储。
学习部35使用由输入数据和输出数据构成的数据集来进行机器学习。学习部将存储于特征存储部33的特征数据作为输入数据,将表示剩余寿命Si的数据作为输出数据来进行机器学习。学习部35例如将由这些输入数据和输出数据构成的数据集作为训练数据来进行监督学习。在监督学习中,例如能够利用神经网络、SVM(Support Vector Machine:支持向量机)。
学习部35在机器学习中学习特征数据与剩余寿命Si的相关性。作为学习的结果,学习部35生成表示特征数据与剩余寿命Si的相关性的学习模型。
学习结果存储部36存储通过学习部35执行机器学习而生成的学习模型。
劣化诊断部27使用存储于学习结果存储部36的学习模型来诊断工具的剩余寿命Si。劣化诊断部27将表示诊断区间时间序列数据的特征的特征数据输入到学习模型,得到与开孔工具的剩余寿命Si相关的输出。由此,劣化诊断部27能够诊断取得了成为差分时间序列数据的原始数据的诊断时间序列数据时的剩余寿命Si。
提示部28提示在劣化诊断部27中执行的开孔工具的诊断结果。
提示部28例如向显示装置3输出诊断结果。
接着,对工具诊断装置2制作学习模型时的处理进行说明。
图12是表示工具诊断装置2制作学习模型时的处理的一例的流程图。工具诊断装置2也可以在每次进行各孔的加工时执行以下说明的处理。另外,工具诊断装置2也可以在通过新品的开孔工具进行了最初的加工之后,每当加工预先决定的个数的孔时执行该处理。
在通过开孔工具进行开孔加工时,数据取得部22取得与开孔工具的劣化状态相关的时间序列数据(步骤SC01)。
接着,波形生成部23生成表示由数据取得部22取得的时间序列数据的波形数据(步骤SC02)。
接着,判断所取得的时间序列数据是基准时间序列数据还是诊断时间序列数据(步骤SC03)。
在所取得的时间序列数据是基准时间序列数据的情况下(在步骤SC03中为“是”的情况下),时间序列数据存储部24存储基准时间序列数据(步骤SC04)。当时间序列数据存储部24存储基准时间序列数据时,再次返回到步骤SC01的处理。
在所取得的时间序列数据是诊断时间序列数据的情况下(在步骤SC03中为“否”的情况下),时间序列数据存储部24存储诊断时间序列数据(步骤SC05)。
接下来,差分时间序列数据生成部32基于存储于时间序列数据存储部24的基准时间序列数据和诊断时间序列数据来生成差分时间序列数据(步骤SC06)。
接着,诊断区间提取部25提取差分时间序列数据生成部32生成的差分时间序列数据中的、表示在诊断区间被加工的期间取得的时间序列数据的诊断区间时间序列数据(步骤SC07)。
接着,特征提取部26提取表示诊断区间提取部25提取出的诊断区间时间序列数据的特征的特征数据(步骤SC08)。
接着,特征存储部33存储特征提取部26提取出的特征数据(步骤SC09)。
接着,判断开孔工具是否到达了使用极限(步骤SC10)。例如,在开孔工具折损时、或者加工后的孔的表面粗糙度超过了预定的阈值时,判断为使用极限。使用极限也可以由熟练的作业者进行判断。
在判断为开孔工具尚未达到使用极限的情况下(在步骤SC10中为“否”的情况下),再次返回到步骤SC01的处理。
在判断为开孔工具达到了使用极限的情况下(在步骤SC10中为“是”的情况下),剩余寿命计算部34计算提取出存储于特征存储部33的各特征数据的定时Ti的剩余寿命Si,将特征数据与表示剩余寿命Si的数据对应起来存储于特征存储部33(步骤SC11)。
接着,判断在特征存储部33中是否积蓄了充分的训练数据(步骤SC12)。存储于特征存储部33的训练数据是指特征数据和表示与特征数据相对应的剩余寿命Si的数据的数据集。这根据存储在特征存储部33中的数据集的数据量是否达到了预先决定的数据量来判断。
在判断为尚未积蓄充分的训练数据的情况下(在步骤SC12中为“否”的情况下),将开孔工具更换为新品的开孔工具(步骤SC13),返回到步骤SC01的处理。
在判断为积蓄了了充分的训练数据的情况下(在步骤SC12中为“是”的情况下),学习部35执行学习,制作学习模型(步骤SC14)。
接着,学习结果存储部36存储学习部35制作出的学习模型(步骤SC15)。
工具诊断装置2通过执行以上的处理来制作学习模型。
接着,对工具诊断装置2利用学习模型来诊断工具的寿命时执行的处理的一例进行说明。
图13是表示工具诊断装置2诊断开孔工具的寿命时执行的处理的一例的流程图。工具诊断装置2也可以在每次进行各孔的加工时执行以下说明的处理。另外,工具诊断装置2也可以在每次加工预先决定的个数的孔时执行该处理。
在通过开孔工具进行开孔加工时,数据取得部22取得与开孔工具的劣化状态相关的时间序列数据(步骤SD01)。
接着,波形生成部23生成由数据取得部22取得的时间序列数据表示的波形数据(步骤SD02)。
接着,判断所取得的时间序列数据是基准时间序列数据还是诊断时间序列数据(步骤SD03)。
在所取得的时间序列数据是基准时间序列数据的情况下(在步骤SD03中为“是”的情况下),时间序列数据存储部24存储基准时间序列数据(步骤SC04)。当时间序列数据存储部24存储基准时间序列数据时,再次返回到步骤SD01的处理。
在所取得的时间序列数据为诊断时间序列数据的情况下(在步骤SD03中为“否”的情况下),时间序列数据存储部24存储诊断时间序列数据(步骤SD05)。
接下来,差分时间序列数据生成部32基于存储于时间序列数据存储部24的基准时间序列数据和诊断时间序列数据来生成差分时间序列数据(步骤SD06)。
接着,诊断区间提取部25提取差分时间序列数据生成部32生成的差分时间序列数据中的、表示在诊断区间被加工的期间取得的时间序列数据的诊断区间时间序列数据(步骤SD07)。
接着,特征提取部26提取表示诊断区间提取部25提取出的诊断区间时间序列数据的特征的特征数据(步骤SD08)。
接着,劣化诊断部27向存储于学习结果存储部36的学习模型输入特征数据,诊断工具的剩余寿命Si(步骤SD09)。
接着,提示部28提示由劣化诊断部27诊断出的开孔工具的剩余寿命Si(步骤SD10)。
工具诊断装置2能够通过执行以上的处理来诊断工具的剩余寿命Si。
本实施方式的工具诊断装置2利用通过学习部35执行机器学习而生成的学习模型来诊断工具的剩余寿命Si,由此能够高精度地诊断开孔工具的剩余寿命Si。
以上,对本发明的实施方式1~3进行了说明,但本发明并不仅限定于上述的实施方式的例子,能够通过施加适当的变更而以各种方式实施。
例如,数据取得部22也可以从经由网络(未图示)连接的多个机床1取得与开孔工具的劣化状态有关的时间序列数据。在该情况下,在特征存储部33中能够在短时间内蓄积大量的训练数据。另外,劣化诊断部27能够进行在多个机床的每一个中使用的开孔工具的劣化的诊断。
另外,工具诊断装置2也可以利用在经由网络连接的其他工具诊断装置2中制作出的学习模型来进行开孔工具的劣化诊断。在该情况下,工具诊断装置2不需要执行机器学习来制作学习模型。
另外,在上述的实施方式中,作为伺服数据而利用了机床1的主轴的转矩以及主轴的旋转速度中的至少任一个。但是,伺服数据不限于此,例如也可以是向伺服电动机6供给的电流的电流值、或者从伺服电动机6取得的电流值的反馈数据。
另外,数据取得部22取得的时间序列数据不限于伺服数据。例如,也可以取得利用加速度传感器等进行开孔加工时的开孔工具中产生的振动所涉及的时间序列数据。或者,也可以使用AE(Acoustic Emission:声发射)传感器取得与从开孔工具放出的弹性波有关的时间序列数据。在这些情况下,也可以通过进行在诊断区间中取得的时间序列数据的频率解析,来进行开孔工具的劣化的诊断。
另外,在上述的实施方式中,时间序列数据不需要绘制在图表上。即,工具诊断装置2也可以通过执行时间序列数据中的在诊断区间取得的诊断区间时间序列数据的运算处理,提取表示时间序列数据的特征的特征数据,基于特征数据进行开孔工具的劣化的诊断。
另外,在由劣化诊断部27判定为开孔工具达到了使用极限的情况下,控制部21也可以向工具更换装置发送将达到了使用极限的开孔工具更换为预备的开孔工具的指令。
另外,在第三实施方式中,说明了使用差分时间序列数据进行学习的例子,但不一定需要使用差分时间序列数据。即,学习部35也可以学习表示诊断时间序列数据的诊断区间的特征的特征数据与取得了诊断时间序列数据时的剩余寿命的相关性来生成学习模型。
符号说明
1机床、
2工具诊断装置、
3显示装置、
4输入装置、
5伺服放大器、
6伺服电动机、
7主轴放大器、
8主轴电动机、
9周边设备、
10CPU、
11总线、
12ROM、
13RAM、
14非易失性存储器、
15第一接口、
16第二接口、
17轴控制电路、
18主轴控制电路、
19PLC、
20I/O单元、
21控制部、
22数据取得部、
23波形生成部、
24时间序列数据存储部、
25诊断区间提取部、
26特征提取部、
27劣化诊断部、
28提示部、
31加工履历存储部、
32差分时间序列数据生成部、
33特征存储部、
34剩余寿命计算部、
35学习部、
36学习结果存储部、
Ti定时、
Si剩余寿命。
Claims (11)
1.一种工具诊断装置,其特征在于,具备:
数据取得部,其在进行孔的加工时取得与开孔工具的劣化状态相关的时间序列数据;
诊断区间提取部,其提取由所述数据取得部取得的所述时间序列数据中的、在进行从所述孔的中途位置到加工结束位置为止的诊断区间的加工时取得的诊断区间时间序列数据;以及
劣化诊断部,其利用由所述诊断区间提取部提取的所述诊断区间时间序列数据来诊断所述开孔工具的劣化。
2.根据权利要求1所述的工具诊断装置,其特征在于,
所述诊断区间时间序列数据是差分时间序列数据,该差分时间序列数据表示由新品的开孔工具进行所述诊断区间的加工时取得的所述时间序列数据与由非新品的开孔工具进行所述诊断区间的加工时取得的所述时间序列数据的差分。
3.根据权利要求1或2所述的工具诊断装置,其特征在于,
所述诊断区间的长度为从所述孔的入口到所述中途位置为止的初始区间以上的长度。
4.根据权利要求1~3中的任一项所述的工具诊断装置,其特征在于,
由所述数据取得部取得的所述时间序列数据是表示机床的主轴的转矩的数据以及表示所述主轴的旋转速度的数据中的至少任一个。
5.根据权利要求1~4中的任一项所述的工具诊断装置,其特征在于,
由所述数据取得部取得的所述时间序列数据是用于进行所述孔的加工的指令数据以及在进行所述孔的加工时反馈的反馈数据中的至少任一个。
6.根据权利要求1~5中的任一项所述的工具诊断装置,其特征在于,
所述工具诊断装置还具备:特征提取部,其提取表示所述诊断区间时间序列数据的特征的特征数据,
所述劣化诊断部基于由所述特征提取部提取的所述特征数据来诊断所述开孔工具的劣化。
7.根据权利要求6所述的工具诊断装置,其特征在于,
所述工具诊断装置还具备:学习部,其学习所述特征数据与所述开孔工具的剩余寿命的相关性,
所述劣化诊断部基于所述学习部中的学习结果来诊断所述开孔工具的剩余寿命。
8.根据权利要求6或7所述的工具诊断装置,其特征在于,
所述特征数据是表示所述诊断区间时间序列数据所表示的数据值的平均、方差、偏度以及峰度中的至少任一个的数据。
9.根据权利要求1~8中的任一项所述的工具诊断装置,其特征在于,
所述工具诊断装置还具备提示部,其提示所述劣化诊断部诊断出的所述开孔工具的诊断结果。
10.根据权利要求1~9中的任一项所述的工具诊断装置,其特征在于,
所述数据取得部从多个机床取得所述时间序列数据。
11.一种工具诊断方法,其特征在于,包括:
在进行孔的加工时取得与开孔工具的劣化状态相关的时间序列数据;
提取所述时间序列数据中的、在进行从所述孔的中途位置到加工结束位置为止的诊断区间的加工时取得的诊断区间时间序列数据;以及
利用所提取的所述诊断区间时间序列数据来诊断所述开孔工具的劣化。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020109100 | 2020-06-24 | ||
JP2020-109100 | 2020-06-24 | ||
PCT/JP2021/023312 WO2021261418A1 (ja) | 2020-06-24 | 2021-06-21 | 工具診断装置、および工具診断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115768577A true CN115768577A (zh) | 2023-03-07 |
Family
ID=79281387
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180045003.5A Withdrawn CN115768577A (zh) | 2020-06-24 | 2021-06-21 | 工具诊断装置以及工具诊断方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230305520A1 (zh) |
JP (1) | JPWO2021261418A1 (zh) |
CN (1) | CN115768577A (zh) |
DE (1) | DE112021003337T5 (zh) |
WO (1) | WO2021261418A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023243043A1 (ja) * | 2022-06-16 | 2023-12-21 | 住友電気工業株式会社 | 異常検知システム、異常検知装置、異常検知方法、及びコンピュータプログラム |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0751998A (ja) | 1993-08-09 | 1995-02-28 | Fanuc Ltd | 工具の寿命推定方法 |
JP4919999B2 (ja) * | 2008-03-24 | 2012-04-18 | 三菱電機株式会社 | 工具寿命検出方法および工具寿命検出装置 |
JP5089618B2 (ja) * | 2009-01-13 | 2012-12-05 | 三菱電機株式会社 | 工具寿命検出方法及び工具寿命検出装置 |
JP2011118840A (ja) * | 2009-12-07 | 2011-06-16 | Fanuc Ltd | モータ負荷トルク測定機能を有する数値制御装置 |
US9772256B2 (en) * | 2012-01-19 | 2017-09-26 | Fuji Machine Mfg. Co., Ltd. | Tool abnormality determination system |
JP6675297B2 (ja) * | 2016-12-09 | 2020-04-01 | Dmg森精機株式会社 | 情報処理方法、情報処理システム、および情報処理装置 |
JP6404893B2 (ja) * | 2016-12-22 | 2018-10-17 | ファナック株式会社 | 工具寿命推定装置 |
JP7134062B2 (ja) * | 2018-10-23 | 2022-09-09 | オークマ株式会社 | 工作機械の異常診断システム、異常診断方法、異常診断プログラム |
-
2021
- 2021-06-21 JP JP2022531958A patent/JPWO2021261418A1/ja active Pending
- 2021-06-21 DE DE112021003337.9T patent/DE112021003337T5/de active Pending
- 2021-06-21 US US18/002,851 patent/US20230305520A1/en active Pending
- 2021-06-21 WO PCT/JP2021/023312 patent/WO2021261418A1/ja active Application Filing
- 2021-06-21 CN CN202180045003.5A patent/CN115768577A/zh not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
JPWO2021261418A1 (zh) | 2021-12-30 |
WO2021261418A1 (ja) | 2021-12-30 |
US20230305520A1 (en) | 2023-09-28 |
DE112021003337T5 (de) | 2023-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105171525B (zh) | 机床的诊断方法及系统 | |
CN111624947B (zh) | 颤振判定装置、机器学习装置以及系统 | |
EP1342534A2 (en) | Tool abnormality detecting device | |
JP3883485B2 (ja) | 工具折損あるいは予知検出装置 | |
US11048227B2 (en) | Abnormality detection device of machine tool | |
CN110405532B (zh) | 工具选定装置以及机器学习装置 | |
KR20190013344A (ko) | 가공좌표계상 가공시간에 따라 가공위치와 물리적 가공절삭 특성값을 매핑하는 절삭특성맵을 활용하여 절삭상태를 지능적으로 감시 및 진단하고, 절삭조건을 제어할 수 있는 지능형 cnc공작기계 제어시스템 | |
CN112512762B (zh) | 异常判定装置和异常判定方法 | |
US20230008247A1 (en) | Diagnostic system, diagnostic method, and recording medium | |
CN111290335A (zh) | 处理时间监视装置 | |
CN115768577A (zh) | 工具诊断装置以及工具诊断方法 | |
CN105938352B (zh) | 避免主轴过热的数值控制装置 | |
CN111722585A (zh) | 产业用机械的控制系统 | |
JP3566014B2 (ja) | 加工装置 | |
KR100548874B1 (ko) | 공구의 날 빠짐 검지기능을 갖는 수치제어장치 | |
US20240302813A1 (en) | Display device | |
WO2021241352A1 (ja) | 工具診断装置 | |
WO2022019249A1 (ja) | 異常検知装置 | |
JP7310195B2 (ja) | 診断装置、診断システム及び診断プログラム | |
CN110682160B (zh) | 机床的数控装置 | |
CN111185801A (zh) | 数值控制装置 | |
WO2023026368A1 (ja) | 数値制御装置、及び記憶媒体 | |
WO2022113957A9 (ja) | 工具損傷検出装置、およびコンピュータ読み取り可能な記憶媒体 | |
WO2024157352A1 (ja) | 診断装置 | |
WO2024176390A1 (ja) | データ分割装置、及びコンピュータ読み取り可能な記録媒体 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230307 |
|
WW01 | Invention patent application withdrawn after publication |