DE102018109628B4 - Fehlererfassungsvorrichtung für einen Spindelkopf eines Maschinenwerkzeugs, die mehrere Sensoren aufweist - Google Patents

Fehlererfassungsvorrichtung für einen Spindelkopf eines Maschinenwerkzeugs, die mehrere Sensoren aufweist Download PDF

Info

Publication number
DE102018109628B4
DE102018109628B4 DE102018109628.3A DE102018109628A DE102018109628B4 DE 102018109628 B4 DE102018109628 B4 DE 102018109628B4 DE 102018109628 A DE102018109628 A DE 102018109628A DE 102018109628 B4 DE102018109628 B4 DE 102018109628B4
Authority
DE
Germany
Prior art keywords
sensor
spindle
anomaly
spindle head
detects
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.)
Active
Application number
DE102018109628.3A
Other languages
English (en)
Other versions
DE102018109628A1 (de
Inventor
Yohei Kamiya
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.)
Fanuc Corp
Original Assignee
Fanuc Corp
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 Fanuc Corp filed Critical Fanuc Corp
Publication of DE102018109628A1 publication Critical patent/DE102018109628A1/de
Application granted granted Critical
Publication of DE102018109628B4 publication Critical patent/DE102018109628B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME 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
    • G07C3/00Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16CSHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • F16C19/527Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to vibration and noise
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23QDETAILS, 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
    • B23Q17/00Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/12Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23QDETAILS, 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
    • B23Q17/00Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/007Arrangements for observing, indicating or measuring on machine tools for managing machine functions not concerning the tool
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16CSHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16CSHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C33/00Parts of bearings; Special methods for making bearings or parts thereof
    • F16C33/30Parts of ball or roller bearings
    • F16C33/38Ball cages
    • F16C33/44Selection of substances
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical 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
    • G05B19/182Numerical 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 the machine tool function, e.g. thread cutting, cam making, tool direction control
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical 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
    • G05B19/406Numerical 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
    • GPHYSICS
    • G07CHECKING-DEVICES
    • G07CTIME 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
    • G07C3/00Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/08Registering or indicating the production of the machine either with or without registering working or idle time
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16CSHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • F16C19/525Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to temperature and heat, e.g. insulation
    • FMECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16CSHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C2208/00Plastics; Synthetic resins, e.g. rubbers
    • F16C2208/80Thermosetting resins
    • F16C2208/90Phenolic resin
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/37Measurements
    • G05B2219/37375Climate, temperature and humidity
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/37Measurements
    • G05B2219/37435Vibration of machine
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/50Machine tool, machine tool null till machine tool work handling
    • G05B2219/50186Diagnostic of spindle bearing

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
  • Rolling Contact Bearings (AREA)
  • Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
  • Machine Tool Sensing Apparatuses (AREA)
  • Turning (AREA)

Abstract

Eine Fehlererfassungsvorrichtung weist einen Formaldehyd-Sensor, der die Erzeugung von Formaldehyd erfasst, einen Schwingungssensor, der eine Schwingung eines Spindelkopfes erfasst, und eine Maschinensteuerung, die das Auftreten einer Anomalie eines Spindellagers erfasst, auf. Die Maschinensteuerung bestimmt das Auftreten der Anomalie des Spindellagers und einen Grund für die Anomalie basierend auf einer Veränderung des Ausgangswerts des Formaldehyd-Sensors mit der Zeit und einer Veränderung des Ausgangswerts des Schwingungssensors mit der Zeit.

Description

  • Hintergrund der Erfindung
  • Gebiet der Erfindung
  • Die vorliegende Erfindung betrifft eine Fehlererfassungsvorrichtung für den Spindelkopf eines Maschinenwerkzeugs, die mehrere Sensoren aufweist.
  • Beschreibung der verwandten Technik
  • Ein Maschinenwerkzeug kann ein Werkstück in eine gewünschte Form bringen, durch Bewegen eines Spindelkopfes relativ zu dem Werkstück. Der Spindelkopf weist eine Spindel zum Halten eines Werkzeugs und einen Spindelmotor zum Drehen der Spindel auf. Der Spindelmotor wird angetrieben, um das Werkzeug um eine Achse zu drehen. Der Spindelkopf hat ein Lager, das die Spindel und die Welle des Spindelmotors drehbar lagert. Des Weiteren besitzt der Spindelmotor eine Öldichtung, die verhindert, dass Kühlmittel zwischen die Welle und die Umhüllung des Spindelmotors eintritt. Das Lager und die Öldichtung verschlechtern sich mit der Zeit durch die Benutzung des Spindelkopfes. Das Lager und die Öldichtung können aufgrund des Eintretens von Fremdkörpern defekt werden.
  • Im Stand der Technik ist bekannt, dass ein Temperatursensor, ein Schwingungssensor usw. in einem Maschinenwerkzeug angeordnet sind und eine Anomalie des Maschinenwerkzeugs erfasst wird (siehe zum Beispiel W02016/133100 und japanische ungeprüfte Patentveröffentlichung Nr. 2011-60076 ). Des Weiteren ist bekannt, dass ein Feuchtigkeitssensor oder ein Gassensor anstatt des Temperatursensors oder dergleichen angeordnet ist, um den Fehler eines Lagers zu erfassen (siehe zum Beispiel japanische ungeprüfte Patentveröffentlichung Nr. 2016-131004).
  • Abriss der Erfindung
  • Im Stand der Technik ist ein Schwingungssensor an einem Spindelkopf angebracht, um den Fehler des Spindelkopfes zu erfassen. Alternativ ist ein AE-Sensor zum Erfassen einer elastischen Welle an dem Spindelkopf angebracht. Wenn der Ausgangswert des Schwingungssensors oder der Ausgangswert des AE-Sensors ansteigt, kann bestimmt werden, dass eine Anomalie des Spindelkopfes aufgetreten ist. Alternativ können mehrere Schwingungssensoren an dem Spindelkopf angebracht sein.
  • Wenn ein einziger Schwingungssensor an dem Spindelkopf angebracht ist, ist es jedoch schwierig, das Element zu identifizieren, in dem die Anomalie auftritt, auch wenn der Ausgangswert des Schwingungssensors ansteigt. Auch wenn mehrere Schwingungssensoren an dem Spindelkopf angebracht sind, erhöht ein defektes Element eine Schwingung über dem Spindelkopf, und daher ist es schwierig das Element zu identifizieren, in dem die Anomalie auftritt. Des Weiteren ist es schwierig den Grund für die Anomalie des Elements zu bestimmen. Der Bediener muss den Spindelkopf auseinanderbauen, um das Element zu identifizieren, in dem die Anomalie auftritt oder um den Grund für die Anomalie zu bestimmen.
  • Es ist die Aufgabe der Erfindung, eine Fehlererfassungsvorrichtung zum Erfassen einer Anomalie eines Spindelkopfs eines Maschinenwerkzeugs zur Verfügung zu stellen, die besser geeignet ist, den Grund für eine Anomalie zu bestimmen und das die Anomalie verursachende Element zu identifizieren.
  • Diese Aufgabe wird durch eine Fehlererfassungsvorrichtung nach Anspruch 1 gelöst. Vorteilhafte Ausführungsformen sind in den Unteransprüchen angegeben.
  • Figurenliste
    • 1 ist ein Blockdiagramm eines ersten Maschinenwerkzeugs gemäß einer Ausführungsform.
    • 2 ist eine Teilquerschnittsansicht, die einen Spindelkopf gemäß der Ausführungsform schematisch zeigt.
    • 3 ist eine schematische Querschnittsansicht, die eine Öldichtung gemäß der Ausführungsform zeigt.
    • 4 ist ein Zeitdiagramm, das die Ausgangswerte der Sensoren im Fall einer Anomalie des Spindellagers zeigt.
    • 5 ist ein Zeitdiagramm, das die Ausgangswerte der Sensoren im Fall einer Anomalie des Motorlagers zeigt.
    • 6 ist ein Zeitdiagramm, das die Ausgangswerte der Sensoren zeigt, wenn Anomalien in der Öldichtung und dem Motorlager auftreten.
    • 7 ist ein Blockdiagramm eines zweiten Maschinenwerkzeugs gemäß der Ausführungsform.
    • 8 ist ein Blockdiagramm einer Maschinenlerneinheit gemäß der Ausführungsform.
    • 9 ist ein schematisches Diagramm, das ein Neuronenmodell zeigt.
    • 10 ist ein schematisches Diagramm eines neuronalen Netzwerks.
  • Ausführliche Beschreibung
  • Unter Bezugnahme auf 1 bis 10 wird im Folgenden eine Fehlererfassungsvorrichtung zum Erfassen einer Anomalie eines Maschinenwerkzeugs gemäß einer Ausführungsform beschrieben. Die Fehlererfassungsvorrichtung gemäß der vorliegenden Ausführungsform erfasst eine Anomalie von mindestens einem von dem Lager und der Öldichtung eines Spindelkopfes.
  • 1 ist ein Blockdiagramm, das ein erstes Maschinenwerkzeug gemäß der vorliegenden Ausführungsform zeigt. 2 ist eine Teilquerschnittsansicht, die den Spindelkopf gemäß der vorliegenden Ausführungsform schematisch zeigt. Unter Bezugnahme auf 1 und 2 bearbeitet ein Maschinenwerkzeug 1 ein Werkstück, während die Position eines Werkzeugs relativ zu dem Werkstück verändert wird. Das Maschinenwerkzeug 1 hat eine Vorschubachse, in der die Position des Werkzeugs relativ zu dem Werkstück verändert wird. Zum Beispiel weist die Vorschubachse drei lineare Achsen (X-Achse, Y-Achse und Z-Achse) auf. Die Vorschubachse des Maschinenwerkzeugs 1 ist nicht auf diese Konfiguration begrenzt. Die Vorschubachse kann beliebige Achsen oder Drehvorschubachsen aufweisen.
  • Das Maschinenwerkzeug 1 weist eine Bewegungsvorrichtung auf, die das Werkstück oder ein Werkzeug entlang der Vorschubachse bewegt. Die Bewegungsvorrichtung weist einen Vorschubachsenmotor 5 auf, der für jede Vorschubachse angeordnet ist. Das Maschinenwerkzeug 1 weist einen Spindelkopf 6 auf, der ein Werkzeug 16 dreht, während er das Werkzeug 16 hält. Der Spindelkopf 6 weist eine Spindel 14 auf, die das Werkzeug 16 trägt, und einen Spindelmotor 11, der die Spindel 14 dreht. Der Spindelmotor 11 weist eine Welle 12 und eine Umhüllung 18 auf, in der die Welle 12 angeordnet ist.
  • Der Spindelkopf 6 weist ein Gehäuse 17 auf, in dem die Spindel 14 angeordnet ist. Das Werkzeug 16 ist mit der Spindel 14 über einen Werkzeughalter 15 und ein Werkzeughalteelement 19 verbunden. Die Spindel 14 ist mit der Welle 12 des Spindelmotors 11 über ein Verbindungselement 13 verbunden. Der Spindelmotor 11 wird angetrieben, um das Werkzeug 16 um die Achse der Spindel 14 zu drehen. Der Spindelmotor 11 ist an dem Gehäuse 17 befestigt.
  • Das Maschinenwerkzeug 1 weist eine Maschinensteuerung 2 auf, die den Vorschubachsenmotor 5 und den Spindelmotor 11 steuert. Die Maschinensteuerung 2 der vorliegenden Ausführungsform ist ein Rechner, der eine CPU (zentrale Verarbeitungseinheit) und einen RAM (Direktzugriffsspeicher), einen ROM (Festwertspeicher) usw. aufweist, die mit der CPU über einen Bus verbunden sind.
  • Das Maschinenwerkzeug 1 der vorliegenden Ausführungsform ist ein numerisch gesteuertes Maschinenwerkzeug. Ein Bearbeitungsprogramm 7 zum Betreiben des Maschinenwerkzeugs 1 wird im Voraus durch den Bediener erzeugt. Die Maschinensteuerung 2 weist eine Speichereinheit 3 auf, die das Bearbeitungsprogramm 7 speichert, und eine Betriebssteuerungseinheit 4, die einen Aktionsbefehl für den Motor basierend auf dem Bearbeitungsprogramm 7 erzeugt. Das Maschinenwerkzeug 1 weist eine Motorantriebsvorrichtung 21 auf, die dem Vorschubachsenmotor 5 und dem Spindelmotor 11 basierend auf dem Aktionsbefehl, der durch die Maschinensteuerung 2 erzeugt wird, elektrische Leistung zuführt. Die Motorantriebsvorrichtung 21 führt elektrische Leistung zu, um den Vorschubachsenmotor 5 und den Spindelmotor 11 anzutreiben.
  • Die Maschinensteuerung 2 weist eine Eingabeeinheit 8 auf, über die der Bediener beliebige Informationen eingibt. Die Eingabeeinheit 8 ist aus einer Tastatur usw. gebildet. Die Maschinensteuerung 2 weist eine Anzeigeeinheit 9 auf, die beliebige Informationen anzeigt, die das Maschinenwerkzeug 1 betreffen. Die Anzeigeeinheit 9 ist aus zum Beispiel einer Flüssigkristallanzeigetafel gebildet.
  • Der Spindelkopf 6 hat Spindellager 34 und 35, die die Spindel 14 tragen. Die Spindellager 34 und 35 sind zum Beispiel Kugellager. Das Kugellager weist einen inneren Ring, einen äußeren Ring, Kugeln, die zwischen dem inneren Ring und dem äußeren Ring angeordnet sind, und einen Käfig zum Halten der Kugeln auf. Die Spindellager 34 und 35 sind durch das Gehäuse 17 getragen. Der Käfig für die Spindellager 34 und 35 der vorliegenden Ausführungsform ist aus Phenolharz hergestellt. Schmierfett ist als Schmiermittel in den Spindellagern 34 und 35 angeordnet.
  • Motorlager 31 und 32, die die Welle 12 tragen, sind in dem Spindelmotor 11 angeordnet. Die Motorlager 31 und 32 sind zum Beispiel Kugellager. Ein Schmiermittel ist in den Motorlagern 31 und 32 angeordnet. Harnstoffschmierfett wird als Schmiermittel für die Motorlager 31 und 32 der vorliegenden Ausführungsform benutzt.
  • 3 ist eine schematische Querschnittsansicht, die die Öldichtung gemäß der vorliegenden Ausführungsform zeigt. Unter Bezugnahme auf 2 und 3 weist der Spindelkopf 6 eine Öldichtung 33 auf, die einen Innenraum des Spindelmotors 11 abdichtet. Die Öldichtung 33 ist an der Umhüllung 18 des Spindelmotors 11 befestigt. Die Öldichtung 33 ist an einem Teil angeordnet, an dem die Welle 12 des Spindelmotors 11 von der Umhüllung 18 vorsteht.
  • Die Öldichtung 33 weist ein elastisches Element 37 auf, das ein Lippenteil 37a hat, das mit der Welle 12 in Kontakt kommt. Die Öldichtung 33 weist ein metallisches ringförmiges Element 38 und eine Feder 39 auf, die um das Lippenteil 37a angeordnet sind. Das elastische Element 37 ist ringförmig gebildet, um die Welle 12 zu umgeben. Die Öldichtung 33 stellt eine Abdichtung zwischen der Welle 12 und der Umhüllung 18 bereit. Das elastische Element 37 der vorliegenden Ausführungsform ist aus Nitrilgummi hergestellt.
  • Unter Bezugnahme auf 1 und 2 weist das Maschinenwerkzeug 1 der vorliegenden Ausführungsform eine Fehlererfassungsvorrichtung 20 auf, die eine Anomalie des Spindelkopfes 6 erfasst. Der Spindelkopf 6 ist aus mehreren Elementen zusammengesetzt. Die Fehlererfassungsvorrichtung 20 erfasst die Anomalie von mindestens einem von den Lagern und der Öldichtung des Spindelkopfes 6.
  • Die Fehlererfassungsvorrichtung 20 weist die Maschinensteuerung 2 auf. Die Maschinensteuerung 2 wirkt als Steuerung, die bestimmt, ob die Anomalie in mindestens einem von den Lagern und der Öldichtung auftritt oder nicht. Die Maschinensteuerung 2 der vorliegenden Ausführungsform identifiziert das Element, in dem eine Anomalie auftritt, aus den Spindellagern 34 und 35, den Motorlagern 31 und 32 und der Öldichtung 33. Mehrere Sensoren sind an dem Maschinenwerkzeug 1 angebracht, um einen Betriebszustand oder das Auftreten der Anomalie zu erfassen. Die Maschinensteuerung 2 identifiziert das Element, in dem die Anomalie auftritt, basierend auf den Ausgangswerten der vorbestimmten Sensoren und bestimmt den Grund für die Anomalie.
  • Die Fehlererfassungsvorrichtung 20 weist mehrere Sensoren auf, die eine Veränderung eines Zustands des Spindelkopfes 6 erfassen. Die Fehlererfassungsvorrichtung 20 der vorliegenden Ausführungsform weist einen Gassensor auf, der die Erzeugung eines vorbestimmten Gases in dem Spindelkopf 6 erfasst. Der Gassensor der vorliegenden Ausführungsform erfasst ein Gas, das nicht in dem normalen Betrieb des Spindelkopfes 6 erzeugt wird.
  • Der Gassensor der Fehlererfassungsvorrichtung 20 weist einen Formaldehyd-Sensor 47 auf, der die Erzeugung von Formaldehyd erfasst. Der Formaldehyd-Sensor 47 ist gebildet, um die Konzentration von Formaldehyd zu erfassen. Der Formaldehyd-Sensor 47 ist angeordnet, um Formaldehyd zu erfassen, das durch die Spindellager 34 und 35 erzeugt wird. Der Formaldehyd-Sensor 47 der vorliegenden Ausführungsform ist nahe den Spindellagern 34 und 35 in dem Gehäuse 17 angeordnet.
  • Der Gassensor der Fehlererfassungsvorrichtung 20 weist einen Stickstoffoxid-Sensor 45 auf, der die Erzeugung von Stickstoffoxid erfasst. Der Stickstoffoxid-Sensor 45 ist gebildet, um die Konzentration von Stickstoffoxid zu erfassen. Der Stickstoffoxid-Sensor 45 ist angeordnet, um das Stickstoffoxid zu erfassen, das in den Motorlagern 31 und 32 erzeugt wird. Der Stickstoffoxid-Sensor 45 der vorliegenden Ausführungsform ist nahe den Motorlagern 31 und 32 angeordnet. Der Stickstoffoxid-Sensor 45 der vorliegenden Ausführungsform ist an der Umhüllung 18 des Spindelmotors 11 befestigt.
  • Der Gassensor der Fehlererfassungsvorrichtung 20 weist einen Schwefelwasserstoff-Sensor 46 auf, der die Erzeugung von Schwefelwasserstoff erfasst. Der Schwefelwasserstoff-Sensor 46 ist gebildet, um die Konzentration von Schwefelwasserstoff zu erfassen. Der Schwefelwasserstoff-Sensor 46 ist angeordnet, um Schwefelwasserstoff zu erfassen, das in der Öldichtung 33 erzeugt wird. Der Schwefelwasserstoff-Sensor 46 der vorliegenden Ausführungsform ist nahe der Öldichtung 33 angeordnet. Der Schwefelwasserstoff-Sensor 46 der vorliegenden Ausführungsform ist an der Umhüllung 18 des Spindelmotors 11 befestigt. Der Schwefelwasserstoff-Sensor 46 kann in der Umhüllung 18 des Spindelmotors 11 angeordnet sein. Alternativ kann der Schwefelwasserstoff-Sensor an dem Gehäuse 17 befestigt sein.
  • Die Fehlererfassungsvorrichtung 20 weist einen Feuchtigkeitssensor 42 auf, der die Feuchtigkeit eines Innenraums des Spindelkopfes 6 erfasst. Das Gehäuse 17 hat einen Raum, in dem die Spindel 14 angeordnet ist. Der Feuchtigkeitssensor 42 ist angeordnet, um die Feuchtigkeit des Innenraums zu erfassen. Der Feuchtigkeitssensors 42 der vorliegenden Ausführungsform ist an dem Gehäuse 17 befestigt. Der Feuchtigkeitssensor 42 erfasst einen Anstieg der Feuchtigkeit gegenüber der Feuchtigkeit des Spindelkopfes 6 unter normalen Bedingungen.
  • Die Fehlererfassungsvorrichtung 20 weist einen Schwingungssensor 41 auf, der die Schwingung des Spindelkopfes 6 erfasst. Der Schwingungssensor 41 ist angeordnet, um die Schwingungsgröße des Gehäuses 17 zu erfassen. Der Schwingungssensor 41 der vorliegenden Ausführungsform ist an dem Gehäuse 17 des Spindelkopfes 6 befestigt. Der Schwingungssensor 41 erfasst einen Anstieg des Schwingungswerts gegenüber dem Schwingungswert des Spindelkopfes 6 unter normalen Bedingungen.
  • In der vorliegenden Ausführungsform ist der Schwingungssensor auf dem Spindelkopf 6 angeordnet. Die vorliegende Erfindung ist nicht auf diese Konfiguration begrenzt. Der Schwingungssensor kann auch mit einem Sensor zum Erfassen einer elastischen Welle ersetzt werden, die auf dem Spindelkopf erzeugt wird. Der Sensor zum Erfassen einer elastischen Welle wird als AE-Sensor (Acoustic Emission - Schallemission) bezeichnet. Wenn ein AE-Sensor eingesetzt wird, kann das Auftreten der Anomalie bestimmt werden oder das Auftreten der Anomalie kann vorhergesagt werden, unter Verwendung von zum Beispiel der Intensität (Amplitude) einer elastischen Welle, die sich durch das Gehäuse ausbreitet, anstatt der Intensität (Amplitude) der Schwingung, die von dem Schwingungssensor erfasst wird. In der folgenden Erläuterung wird der Schwingungssensor anstatt des AE-Sensors dargestellt.
  • In der vorliegenden Ausführungsform ist der Gassensor zum Erfassen einer Konzentration einer spezifischen Gaskomponente angeordnet. Die vorliegende Erfindung ist nicht auf diese Konfiguration begrenzt. Der Gassensor kann mit einem Geruchssensor 44 ersetzt werden, der die Erzeugung des Gases in dem Spindelkopf 6 erfasst. Der Geruchssensor 44 kann zum Beispiel ein Biosensor sein, in dem ein Proteinmaterial benutzt wird, das auf die spezifische Komponente reagiert. Auch in dem Geruchssensor kann die Konzentration einer spezifischen Gaskomponente erfasst werden. Alternativ kann der Geruchssensor, der imstande ist, die Konzentrationen von mehreren Gaskomponenten zu erfassen, benutzt werden. In der folgenden Erläuterung wird der Gassensor als Beispiel aus dem Gassensor und dem Geruchssensor dargestellt.
  • Die Fehlererfassungsvorrichtung 20 weist einen ersten Sensor auf, der die Erzeugung eines vorbestimmten ersten Gases in dem Spindelkopf 6 erfasst. Die Fehlererfassungsvorrichtung 20 weist einen zweiten Sensor auf, der eine Veränderung des Zustands des Spindelkopfes 6 erfasst, der sich von der Erzeugung des ersten Gases unterscheidet. Der zweite Sensor ist einer von einem Gassensor, der die Erzeugung eines vorbestimmten zweiten Gases erfasst, einem Schwingungssensor, der die Schwingung des Spindelkopfes erfasst, oder einem Feuchtigkeitssensor, der die interne Feuchtigkeit des Spindelkopfes erfasst. Diese Sensoren können in dem Maschinenwerkzeug 1 angeordnet sein.
  • Die Maschinensteuerung 2 weist eine Bestimmungseinheit 10 auf, die das Auftreten der Anomalie basierend auf den Ausgangswerten von mehr als einem Sensor bestimmt. Die Bestimmungseinheit 10 erfasst den Ausgangswert des ersten Sensors und den Ausgangswert des zweiten Sensors. Zum Beispiel erfasst die Bestimmungseinheit 10 den Ausgangswert des ersten Sensors und den Ausgangswert des zweiten Sensors in vorbestimmten Zeitintervallen. Der Schwingungssensor 41 kann die Schwingungsgröße in einer Periode erfassen, die sich von der Bearbeitungsperiode von Werkstücken unterscheidet. Zum Beispiel kann die Schwingungsgröße in einer Periode erfasst werden, in der der Spindelmotor eine Last von 0 hat, zum Beispiel unmittelbar vor dem Bearbeiten des Werkstücks oder unmittelbar nach dem Bearbeiten des Werkstücks.
  • Die Bestimmungseinheit 10 bestimmt das Element, in dem die Anomalie auftritt, aus den Lagern und der Öldichtung, und den Grund für die Anomalie basierend auf einer Veränderung des Ausgangswerts des ersten Sensors mit der Zeit und einer Veränderung des Ausgangswerts des zweiten Sensors mit der Zeit. Die Bestimmungseinheit 10 bestimmt das defekte Element und den Grund für den Fehler basierend auf dem Ausgangswert eines anderen Gassensors, dem Ausgangswert des Schwingungssensors oder dem Ausgangswert des Feuchtigkeitssensors zusätzlich zu dem Ausgangswert eines Gassensors. Ein Steuerungsbeispiel zum Bestimmen des Elements, in dem die Anomalie auftritt, und des Grunds für die Anomalie wird im Folgenden dargelegt.
  • 4 zeigt ein Zeitdiagramm einer Steuerung zum Erfassen der Anomalie des Spindellagers. Unter Bezugnahme auf 1, 2 und 4 sind die Spindellager 34 und 35 zum Beispiel Winkellager. Die Spindellager 34 und 35 der vorliegenden Ausführungsform sind mit einem großen DMN-Wert (dem mittigen Durchmesser des Wälzelements x Drehgeschwindigkeit) und Widerstand gegenüber einer radialen Last gebildet. Die Käfige der Spindellager 34 und 35 sind aus Phenolharz hergestellt. Ein Schmiermittel, zum Beispiel Lithiumseifenfett, wird benutzt. Wenn sich das Schmierfett verschlechtert, wobei ein metallischer Kontakt zwischen den Kugeln und dem Käfig verursacht wird, erreichen die Kugeln und der Käfig hohe Temperaturen. Wenn der Käfig eine hohe Temperatur erreicht, wird Formaldehyd durch den Käfig erzeugt. Da das Schmiermittel der vorliegenden Ausführungsform Lithiumseifenfett ist, wird Stickstoffoxidgas oder dergleichen nicht aus dem Schmiermittel erzeugt, sogar wenn die Temperatur der Kugeln und des Käfigs ansteigt. Des Weiteren, wenn die Spindellager 34 und 35 beschädigt sind, steigt die Schwingung nach der Erzeugung von Formaldehyd an.
  • Wenn der Ausgangswert des Schwingungssensors 41, der als der zweite Sensor dient, ansteigt, nachdem der Ausgangswert des Formaldehyd-Sensors 47, der als der erste Sensor dient, ansteigt, bestimmt die Bestimmungseinheit 10 der Maschinensteuerung 2, dass die Spindellager 34 und 35 aufgrund einer Verschlechterung des Schmiermittels anomal sind.
  • Die Bestimmungseinheit 10 erfasst den Ausgangswert des Formaldehyd-Sensors 47 und den Ausgangswert des Schwingungssensors 41. Die Bestimmungseinheit 10 erfasst, dass der Ausgangswert des Formaldehyd-Sensors 47 einen vorbestimmten Bestimmungswert für Formaldehyd oder mehr erreicht hat. Danach erfasst die Bestimmungseinheit 10, dass der Ausgangswert des Schwingungssensors 41 einen vorbestimmten Bestimmungswert für Schwingung oder mehr erreicht hat. In diesem Fall bestimmt die Bestimmungseinheit 10, dass die Spindellager 34 und 35 anomal sind. Des Weiteren bestimmt die Bestimmungseinheit 10, dass die Anomalie durch Verschlechterung des Schmierfetts verursacht wird, das auf die Spindellager 34 und 35 aufgetragen ist. Der Bestimmungswert für Formaldehyd und der Bestimmungswert für Schwingung werden im Voraus bestimmt und in der Speichereinheit 3 gespeichert.
  • In dem Beispiel von 4 bleibt der Erfassungswert für Formaldehyd im Wesentlichen konstant, bis zu einem Zeitpunkt t1. Zum Beispiel beträgt die Konzentration von Formaldehyd, das von dem Formaldehyd-Sensor 47 erfasst wird, 0. Zum Zeitpunkt t1 beginnt der Erfassungswert für Formaldehyd anzusteigen. Zum Zeitpunkt t2 erreicht der Erfassungswert für Formaldehyd den Bestimmungswert für Formaldehyd. Ab dem Zeitpunkt t3 bleibt der Erfassungswert für Formaldehyd im Wesentlichen konstant. Zum Zeitpunkt t2 erfasst die Bestimmungseinheit 10, dass der Erfassungswert für Formaldehyd den Bestimmungswert oder mehr erreicht hat.
  • Bis zum Zeitpunkt t4 bleibt der Erfassungswert für Schwingung im Wesentlichen konstant. Zum Zeitpunkt t4 beginnt der Erfassungswert für Schwingung anzusteigen. Zum Zeitpunkt t5 hat der Erfassungswert für Schwingung den Bestimmungswert für Schwingung erreicht. Ab dem Zeitpunkt t6 bleibt der Erfassungswert für Schwingung konstant. Zum Zeitpunkt t5 erfasst die Bestimmungseinheit 10, dass der Erfassungswert für Schwingung den Bestimmungswert für Schwingung oder mehr erreicht hat. Zum Zeitpunkt t5 bestimmt die Bestimmungseinheit 10, dass die Spindellager 34 und 35 anomal sind. Des Weiteren bestimmt die Bestimmungseinheit 10, dass die Anomalie durch eine Verschlechterung des Schmierfetts verursacht wird.
  • Die Bestimmungseinheit 10 überträgt ein Signal an die Anzeigeeinheit 9, das das Auftreten der Anomalie in den Spindellagern 34 und 35 und den Grund für die Anomalie angibt. Die Anzeigeeinheit 9 zeigt das Auftreten der Anomalie in den Spindellagern 34 und 35 und eine Verschlechterung des Schmierfetts als den Grund für die Anomalie an.
  • Auf diese Weise kann die Maschinensteuerung 2 das Auftreten der Anomalie in den Spindellagern 34 und 35 und den Grund für die Anomalie erfassen. Das Auftreten der Anomalie in den Spindellagern 34 und 35 kann auch unter der Bedingung bestimmt werden, unter der mindestens ein Sensor, der nicht der Formaldehyd-Sensor 47 und der Schwingungssensor 41 ist, einen konstanten Ausgangswert hat. Zum Beispiel kann das Auftreten der Anomalie auch unter der Bedingung bestimmt werden, unter der der Ausgangswert des Stickstoffoxid-Sensors 45 und der Ausgangswert des Schwefelwasserstoff-Sensors 46 im Wesentlichen konstant bleiben.
  • 5 zeigt ein Zeitdiagramm einer Steuerung zum Erfassen der Anomalie des Motorlagers. Unter Bezugnahme auf 1, 2 und 5 sind die Motorlager 31 und 32 in dem Spindelmotor 11 angeordnet. Der Spindelmotor 11 wird angetrieben und erzeugt Wärme, so dass der Spindelmotor 11 eine hohe Temperatur erreicht. Das Harnstoffschmierfett wird als Schmiermittel für die Motorlager 31 und 32 benutzt. Wenn sich das Schmierfett verschlechtert, wobei ein metallischer Kontakt zwischen den Kugeln und dem inneren Ring oder dem äußeren Ring verursacht wird, erreicht der Teil, der einen metallischen Kontakt verursacht, eine hohe Temperatur. Wenn sich die Temperatur des Harnstoffschmierfetts erhöht, wird Stickstoffoxid erzeugt. Wenn die Motorlager 31 und 32 beschädigt werden, steigt die Schwingung nach der Erzeugung des Stickstoffoxids an.
  • Wenn der Ausgangswert des Schwingungssensors 41, der als der zweite Sensor dient, ansteigt, nachdem der Ausgangswert des Stickstoffoxid-Sensors 45, der als der erste Sensor dient, ansteigt, bestimmt die Bestimmungseinheit 10 der Maschinensteuerung 2, dass die Motorlager 31 und 32 aufgrund einer Verschlechterung des Harnstoffschmierfetts anomal geworden sind.
  • Die Bestimmungseinheit 10 erfasst den Ausgangswert des Stickstoffoxid-Sensors 45 und den Ausgangswert des Schwingungssensors 41. Die Bestimmungseinheit 10 erfasst, dass der Ausgangswert des Stickstoffoxid-Sensors 45 einen vorbestimmten Bestimmungswert für Stickstoffoxid oder mehr erreicht hat. Danach erfasst die Bestimmungseinheit 10, dass der Ausgangswert des Schwingungssensors 41 den vorbestimmten Bestimmungswert für Schwingung oder mehr erreicht hat. In diesem Fall bestimmt die Bestimmungseinheit 10, dass die Motorlager 31 und 32 anomal sind. Des Weiteren bestimmt die Bestimmungseinheit 10, dass die Anomalie durch eine Verschlechterung des Schmierfetts verursacht wird, das auf die Motorlager 31 und 32 aufgetragen ist. Der Bestimmungswert für Stickstoffoxid und der Bestimmungswert für Schwingung werden im Voraus bestimmt und in der Speichereinheit 3 gespeichert.
  • In dem Beispiel von 5 bleibt der Erfassungswert für Stickstoffoxid bis zum Zeitpunkt t1 im Wesentlichen konstant. Zum Beispiel beträgt die Konzentration von Stickstoffoxid, die von dem Stickstoffoxid-Sensor 45 erfasst wird, 0. Zum Zeitpunkt t1 beginnt der Erfassungswert für Stickstoffoxid anzusteigen. Zum Zeitpunkt t2 erreicht der Erfassungswert für Stickstoffoxid den Bestimmungswert für Stickstoffoxid. Ab dem Zeitpunkt t3 bleibt der Erfassungswert für Stickstoffoxid im Wesentlichen konstant.
  • Nachdem der Erfassungswert für Stickstoffoxid ansteigt, bleibt der Erfassungswert für Schwingung bis zum Zeitpunkt t4 im Wesentlichen konstant. Zum Zeitpunkt t4 beginnt der Erfassungswert für Schwingung anzusteigen. Zum Zeitpunkt t5 erreicht der Erfassungswert für Schwingung den Bestimmungswert für Schwingung. Ab dem Zeitpunkt t6 bleibt der Erfassungswert für Schwingung im Wesentlichen konstant. Zum Zeitpunkt t5 erfasst die Bestimmungseinheit 10, dass der Erfassungswert für Schwingung den Bestimmungswert für Schwingung oder mehr erreicht hat. Zum Zeitpunkt t5 bestimmt die Bestimmungseinheit 10, dass die Motorlager 31 und 32 anomal sind. Des Weiteren bestimmt die Bestimmungseinheit 10, dass die Anomalie durch eine Verschlechterung des Schmierfetts verursacht wird.
  • Die Bestimmungseinheit 10 überträgt ein Signal an die Anzeigeeinheit 9, das das Auftreten der Anomalie in den Motorlagern 31 und 32 und den Grund für die Anomalie angibt. Die Anzeigeeinheit 9 zeigt das Auftreten der Anomalie in den Motorlagern 31 und 32 und eine Verschlechterung des Schmierfetts als den Grund für die Anomalie an.
  • Auf diese Weise kann die Maschinensteuerung 2 das Auftreten der Anomalie in den Motorlagern 31 und 32 und den Grund für die Anomalie erfassen. Das Auftreten der Anomalie in den Motorlagern 31 und 32 kann auch unter der Bedingung bestimmt werden, unter der mindestens ein Sensor, der nicht der Stickstoffoxid-Sensor 45 und der Schwingungssensor 41 ist, einen konstanten Ausgangswert ausgibt.
  • 6 zeigt ein Zeitdiagramm einer Steuerung zum Erfassen der Anomalie der Öldichtung. Unter Bezugnahme auf 1, 3 und 6 ist die Öldichtung 33 teilweise in der Bearbeitungskammer des Maschinenwerkzeugs 1 freigelegt. Die Öldichtung 33 kommt mit einem Kühlmittel während der Bearbeitungsperiode des Werkstücks in Kontakt. Daher können Späne zwischen der Welle 12 des Spindelmotors 11 und der Öldichtung 33 schleifen. In diesem Fall steigt die Temperatur des elastischen Elements 37 der Öldichtung 33 an und brennt aufgrund von Reibung der Späne. Da das elastische Element 37 der vorliegenden Ausführungsform aus einem Nitrilgummi hergestellt ist, wird Schwefelwasserstoff während eines Brennens des elastischen Elements 37 erzeugt. Danach erhöht sich die Temperatur der Öldichtung 33, wodurch die Temperatur der Umhüllung 18 des Spindelmotors 11 und des Gehäuses 17 erhöht wird. Der Temperaturanstieg des Gehäuses 17 erhöht die interne Feuchtigkeit des Gehäuses 17.
  • Wenn der Ausgangswert des Feuchtigkeitssensors 42, der als der zweite Sensor dient, ansteigt, nachdem der Ausgangswert des Schwefelwasserstoff-Sensors 46, der als der erste Sensor dient, ansteigt, bestimmt die Bestimmungseinheit 10 der Maschinensteuerung 2 gemäß der vorliegenden Ausführungsform, dass die Öldichtung 33 aufgrund des Schleifens des Fremdkörpers anomal ist.
  • Die Bestimmungseinheit 10 erfasst den Ausgangswert des Schwefelwasserstoff-Sensors 46 und den Ausgangswert des Feuchtigkeitssensors 42. Die Bestimmungseinheit 10 erfasst, dass der Ausgangswert des Schwefelwasserstoff-Sensors 46 einen vorbestimmten Bestimmungswert für Schwefelwasserstoff oder mehr erreicht hat. Danach erfasst die Bestimmungseinheit 10, dass der Ausgangswert des Feuchtigkeitssensors 42 einen vorbestimmten Bestimmungswert für Feuchtigkeit oder mehr erreicht hat. In diesem Fall bestimmt die Bestimmungseinheit 10, dass die Öldichtung 33 anomal ist. Des Weiteren bestimmt die Bestimmungseinheit 10, dass der Schaden an der Öldichtung durch das Schleifen des Fremdkörpers verursacht wird. Der Bestimmungswert für Schwefelwasserstoff und der Bestimmungswert für Feuchtigkeit werden im Voraus bestimmt und in der Speichereinheit 3 gespeichert.
  • In dem Beispiel von 6 bleibt der Erfassungswert für Schwefelwasserstoff bis zum Zeitpunkt t1 im Wesentlichen konstant. Zum Beispiel beträgt die Konzentration von Schwefelwasserstoff, die von dem Schwefelwasserstoff-Sensor 46 erfasst wird, 0. Zum Zeitpunkt t1 beginnt der Erfassungswert für Schwefelwasserstoff anzusteigen. Zum Zeitpunkt t2 erreicht der Erfassungswert für Schwefelwasserstoff den Bestimmungswert für Schwefelwasserstoff. Ab dem Zeitpunkt t3 wird der Erfassungswert für Schwefelwasserstoff im Wesentlichen konstant gehalten.
  • Nachdem der Erfassungswert für Schwefelwasserstoff beginnt anzusteigen, bleibt der Erfassungswert für Feuchtigkeit bis zum Zeitpunkt t4 im Wesentlichen konstant. Zum Zeitpunkt t4 beginnt die interne Feuchtigkeit des Spindelkopfes 6 anzusteigen. Zum Zeitpunkt t5 erreicht der Erfassungswert für Feuchtigkeit den Bestimmungswert für Feuchtigkeit. Ab dem Zeitpunkt t6 bleibt der Erfassungswert für Feuchtigkeit im Wesentlichen konstant. Zum Zeitpunkt t5 erfasst die Bestimmungseinheit 10, dass die Öldichtung 33 anomal ist. Des Weiteren bestimmt die Bestimmungseinheit 10, dass die Anomalie durch das Schleifen des Fremdkörpers verursacht wird.
  • Die Bestimmungseinheit 10 überträgt ein Signal an die Anzeigeeinheit 9, das das Auftreten der Anomalie in der Öldichtung 33 und den Grund für die Anomalie angibt. Die Anzeigeeinheit 9 zeigt das Auftreten der Anomalie in der Öldichtung 33 und das Schleifen des Fremdkörpers als den Grund für die Anomalie an. Auf diese Weise kann die Maschinensteuerung 2 das Auftreten der Anomalie in der Öldichtung 33 und den Grund für die Anomalie erfassen. Das Auftreten der Anomalie in der Öldichtung 33 kann auch unter der Bedingung bestimmt werden, unter der mindestens ein Sensor, der nicht der Schwefelwasserstoff-Sensor 46 und der Feuchtigkeitssensor 42 ist, einen konstanten Ausgangswert ausgibt.
  • Die Anzeigeeinheit 9 kann gesteuert werden, um die Anomalie der Öldichtung 33 nicht anzuzeigen. Alternativ kann die Steuerung, bei der die Anomalie der Öldichtung 33 nicht erfasst wird, durchgeführt werden. In einem derartigen Fall, wenn das Bearbeiten durch das Maschinenwerkzeug 1 fortgesetzt wird, tritt das Kühlmittel in das Innere des Spindelmotors 11 über einen beschädigten Teil der Öldichtung 33 ein. Folglich kann das Motorlager 31 beschädigt werden.
  • Bei der Steuerung von 6 wird die Anomalie der Motorlager 31 und 32 zusätzlich zu der Anomalie der Öldichtung 33 erfasst. Ab dem Zeitpunkt t6 führt die Bestimmungseinheit 10 die Steuerung zum Erfassen der Anomalie der Motorlager 31 und 32 durch. In diesem Fall wirkt der Stickstoffoxid-Sensor 45 als dritter Sensor. Wenn der Ausgangswert des Stickstoffoxid-Sensors 45 ansteigt, nachdem der Ausgangswert des Feuchtigkeitssensors 42 ansteigt, bestimmt die Bestimmungseinheit 10 der Maschinensteuerung 2, dass die Motorlager 31 und 32 anomal sind. Des Weiteren bestimmt die Bestimmungseinheit 10, dass die Anomalie durch eine Flüssigkeit verursacht wird, die in das Innere des Spindelmotors 11 eintritt.
  • Zum Zeitpunkt t7 erfasst die Bestimmungseinheit 10, dass der Erfassungswert für Stickstoffoxid beginnt anzusteigen. Zum Zeitpunkt t8 erfasst die Bestimmungseinheit 10, dass der Erfassungswert für Stickstoffoxid den Bestimmungswert für Stickstoffoxid oder mehr erreicht. Ab dem Zeitpunkt t8 bleibt der Erfassungswert für Stickstoffoxid konstant. Die Bestimmungseinheit 10 erfasst, dass der Erfassungswert für Schwefelwasserstoff, der Erfassungswert für Feuchtigkeit und der Erfassungswert für Stickstoffoxid in dieser Reihenfolge angestiegen sind. Die Bestimmungseinheit 10 der vorliegenden Ausführungsform erfasst, dass der Erfassungswert für Schwefelwasserstoff, der Erfassungswert für Feuchtigkeit und der Erfassungswert für Stickstoffoxid die Bestimmungswerte in dieser Reihenfolge erreichen. Zum Zeitpunkt t8 bestimmt die Bestimmungseinheit 10, dass die Motorlager 31 und 32 anomal sind. In diesem Fall bestimmt die Bestimmungseinheit 10, dass die Motorlager 31 und 32 anomal sind, weil die Öldichtung 33 durch das Schleifen des Fremdkörpers beschädigt ist, und die Flüssigkeit tritt in den Spindelmotor 11 ein.
  • Die Bestimmungseinheit 10 überträgt ein Signal an die Anzeigeeinheit 9, das das Auftreten der Anomalien in der Öldichtung 33 und den Motorlagern 31 und 32 und den Grund für die Anomalien angibt. Die Anzeigeeinheit 9 zeigt das Auftreten der Anomalie in der Öldichtung 33 und das Schleifen des Fremdkörpers als den Grund für die Anomalie an. Des Weiteren zeigt die Anzeigeeinheit 9 das Auftreten der Anomalie in den Motorlagern 31 und 32 und das Eintreten der Flüssigkeit als den Grund für die Anomalie an.
  • Wie oben beschrieben, wenn der Ausgangswert des zweiten Sensors ansteigt, nachdem der Ausgangswert des ersten Sensors ansteigt, bestimmt die Fehlererfassungsvorrichtung 20 der vorliegenden Ausführungsform, dass ein vorbestimmtes Element anomal ist. Insbesondere bestimmt die Fehlererfassungsvorrichtung 20 das anomale Element und den Grund für die Anomalie basierend auf der Reihenfolge, in der die Ausgangswerte der Sensoren ansteigen. Die Fehlererfassungsvorrichtung 20 der vorliegenden Ausführungsform kann den Grund für die Anomalie zusätzlich zu dem anomalen Element bestimmen.
  • Die Sensoren der vorliegenden Ausführungsform sind gebildet, um die Konzentration von Gas, Feuchtigkeit oder die Schwingungsgröße zu erfassen. Die vorliegende Erfindung ist nicht auf diese Konfiguration begrenzt. Sensoren, die imstande sind, die Erzeugung von Gas, einen Anstieg der Feuchtigkeit oder einen Anstieg der Schwingung zu erfassen, können benutzt werden.
  • Bei der Steuerung der vorliegenden Ausführungsform, wenn die Bestimmungseinheit 10 die Anomalie erfasst, zeigt die Anzeigeeinheit 9 das Element, in dem die Anomalie auftritt, und den Grund für die Anomalie an. Durch Einsetzen dieser Steuerung kann der Bediener die Anzeige der Anzeigeeinheit 9 sehen und eine beliebige Steuerung durchführen. Zum Beispiel kann der Bediener das Maschinenwerkzeug 1 anhalten und ein anomales Element austauschen.
  • Die Fehlererfassungsvorrichtung 20 der vorliegenden Ausführungsform kann den Bediener über das Element, in dem die Anomalie auftritt, und den Grund für die Anomalie benachrichtigen. Daher kann der Bediener das Element, in dem die Anomalie auftritt, schnell erkennen. Der Bediener muss nur das anomale Element austauschen, ohne andere Teile auszutauschen. Daher kann der Bediener den Spindelkopf 6 in kurzer Zeit reparieren. Die Verringerung der Betriebsrate des Maschinenwerkzeugs 1 aufgrund des Fehlers des Spindelkopfes 6 kann unterbunden werden. Des Weiteren kann der Bediener den Grund für den Fehler erkennen und daher eine Maßnahme für den Fehler prüfen.
  • Die Steuerung nach einem Erfassen der Anomalie durch die Bestimmungseinheit 10 ist nicht auf die Steuerung zum Anzeigen der Benachrichtigung für den Bediener auf der Anzeigeeinheit 9 begrenzt und daher kann eine beliebige Steuerung benutzt werden. Zum Beispiel überträgt die Bestimmungseinheit 10 ein Signal an die Betriebssteuerungseinheit 4, das das Auftreten der Anomalie eines vorbestimmten Elements angibt. Die Betriebssteuerungseinheit 4 kann ein Bearbeiten basierend auf dem Bearbeitungsprogramm 7 anhalten. Alternativ kann die Betriebssteuerungseinheit 4 steuern, um die Drehgeschwindigkeit des Vorschubachsenmotors 5 zu verringern. Alternativ kann die Maschinensteuerung 2 eine Steuerung durchführen, um Vorrichtungen, die nicht das Maschinenwerkzeug 1 sind, über das Auftreten der Anomalie und den Grund für die Anomalie zu benachrichtigen.
  • 7 zeigt ein Blockdiagramm eines zweiten Maschinenwerkzeugs gemäß der vorliegenden Ausführungsform. 8 zeigt ein Blockdiagramm einer Maschinenlerneinheit, die in einer Maschinensteuerung angeordnet ist. Unter Bezugnahme auf 7 und 8 weist eine Bestimmungseinheit 10 in einer Maschinensteuerung 2 des zweiten Maschinenwerkzeugs 1 eine Maschinenlerneinheit 60 zum Maschinenlernen auf. Die Maschinenlerneinheit 60 hat die Funktion, nützliche Regeln, Wissen, Ausdrücke und Kriterien durch Analysen von Datensätzen zu extrahieren, die einzugeben sind, wobei das Wissen gewonnen und das Bestimmungsergebnis ausgegeben werden.
  • Die Maschinenlerneinheit 60 weist eine Zustandsbeobachtungseinheit 61 und eine Lerneinheit 62 auf. Die Maschinenlerneinheit 60 der vorliegenden Ausführungsform führt ein überwachtes Lernen durch. Beim überwachten Lernen empfängt die Maschinenlerneinheit 60 Lehrerdaten, d.h. eine große Anzahl von eingegebenen Datenpaaren, die Eingänge und Ergebnisse (Kennungen) aufweisen. Die Maschinenlerneinheit 60 lernt ein Merkmal, das in den eingegebenen Datensätzen enthalten ist. Die Maschinenlerneinheit 60 erzeugt ein Modell (Lernmodell) zum Schätzen eines Ergebnisses aus einem Eingang, d.h. ein Modell zum induktiven Bestimmen der Beziehung des Ergebnisses zum Eingang. Ein überwachtes Lernen kann unter Verwendung eines Algorithmus durchgeführt werden, wie etwa ein neuronales Netzwerk. Das Lernmodell entspricht dem Algorithmus, z.B. dem neuronalen Netzwerk. Das neuronale Netzwerk wird im Folgenden dargelegt.
  • 9 ist ein schematisches Diagramm, das ein Modell eines Neurons zeigt, das in dem neuronalen Netzwerk enthalten ist. Das neuronale Netzwerk kann aus einem Rechner zum Erhalten eines neuronalen Netzwerks gebildet sein, das das Neuronenmodell in 9 usw. simuliert.
  • Das Neuron stellt Ausgänge y für mehrere Eingänge x bereit (z.B. Eingänge x1 bis x3 in 9). Jeder der Eingänge x1 bis x3 wird durch das Gewicht w (w1 bis w3) multipliziert, das dem Eingang x entspricht. Daher gibt das Neuron den Ausgang y aus, der durch Gleichung (1) ausgedrückt wird. Des Weiteren sind der Eingang x, der Ausgang y und das Gewicht w alles Vektoren. In der nächsten Gleichung (1) ist 0 eine Vorspannung und fk ist eine Aktivierungsfunktion. y = f k ( i = 1 n x i w i θ )
    Figure DE102018109628B4_0001
  • 10 ist ein schematisches Diagramm, das das neuronale Netzwerk zeigt. Das neuronale Netzwerk in 10 hat die Gewichte für drei Schichten, was die Neuronen kombiniert, wie oben beschrieben wird. 10 ist ein schematisches Diagramm, das das neuronale Netzwerk zeigt, das die Gewichte der drei Schichten D1 bis D3 hat.
  • Die mehreren Eingänge x (z.B. die Eingänge x1 bis x3) werden von der linken Seite des neuronalen Netzwerks eingegeben und Ergebnisse y (z.B. Ergebnisse y1 bis y3) werden von der rechten Seite des neuronalen Netzwerks ausgegeben. Insbesondere werden die Eingänge x1 bis x3 nach einer Multiplikation durch Gewichte, die drei Neuronen N11 bis N13 entsprechen, eingegeben. Die Gewichte, die diesen Eingängen zugeordnet werden, werden kollektiv mit w1 bezeichnet.
  • Die Neuronen N11 bis N13 geben jeweils z11 bis z13 aus. Die z11 bis z13 werden kollektiv als ein Merkmalsvektor z1 bezeichnet, der als ein Vektor betrachtet werden kann, der durch Extrahieren des Merkmals eines Eingangsvektors erhalten wird. Der Merkmalsvektor z1 ist der Merkmalsvektor zwischen dem Gewicht w1 und dem Gewicht w2. Die z11 bis z13 werden nach einem Multiplizieren durch Gewichte eingegeben, die zwei Neuronen N21 und N22 entsprechen. Die Gewichte, die diesen Merkmalsvektoren zugeordnet sind, werden kollektiv als w2 bezeichnet.
  • Die Neuronen N21 und N22 geben jeweils z21 und z22 aus. Die z21 und z22 werden kollektiv als Merkmalsvektor z2 bezeichnet. Der Merkmalsvektor z2 ist ein Merkmalsvektor zwischen dem Gewicht w2 und dem Gewicht w3. Die Merkmalsvektoren z21 und z22 werden nach einem Multiplizieren durch Gewichte eingegeben, die drei Neuronen N31 bis N33 entsprechen. Die Gewichte, durch die Merkmalsvektoren multipliziert werden, werden kollektiv als w3 bezeichnet. Schließlich geben Neuronen N31 bis N33 jeweils die Ergebnisse y1 bis y3 aus.
  • Der Betrieb des neuronalen Netzwerks hat einen Lernmodus und einen Vorhersagemodus. Zum Beispiel wird in dem Lernmodus das Gewicht w unter Verwendung von Übungsdaten und Lehrerdaten gelernt. In dem Vorhersagemodus wird das Ergebnis in das neuronale Netzwerk ausgegeben, in dem Parameter wie etwa gelernte Gewichte benutzt werden.
  • In diesem Fall kann ein On-Line-Lernen derart bereitgestellt werden, dass Daten, die durch tatsächliches Betreiben der Maschinensteuerung in dem Vorhersagemodus erhalten werden, sofort gelernt werden, um in einer nachfolgenden Aktion reflektiert zu werden. Des Weiteren kann Batch-Lernen derart bereitgestellt werden, dass ein kollektives Lernen unter Verwendung von zuvor gesammelten Datensätzen durchgeführt und dann ein Erfassungsmodus kontinuierlich unter Verwendung des Parameters ausgeführt wird. Alternativ kann ein Zwischenlernmodus jedes Mal durchgeführt werden, wenn eine bestimmte Datenmenge gesammelt wird.
  • Die Gewichte w1 bis w3 können durch Fehlerrückführung gelernt werden. Fehlerinformationen werden von der rechten Seite zu der linken Seite übertragen. Die Fehlerrückführung ist eine Technik des Einstellens (Lernens) von Gewichten für jedes Neuron, um den Unterschied zwischen einem wahren Ausgang y (Kennung) und dem Ausgang y für den Eingang x zu verringern. Ein derartiges neuronales Netzwerk kann drei oder mehr Schichten haben (die als Deep Learning bezeichnet werden).
  • Bei der Steuerung der Fehlererfassungsvorrichtung in dem ersten Maschinenwerkzeug wird die Anomalie des Lagers oder der Öldichtung in Abhängigkeit davon bestimmt, ob die Ausgangswerte der Sensoren die Bestimmungswerte überschreiten oder nicht. Im Gegensatz dazu werden bei der ersten Steuerung einer Fehlererfassungsvorrichtung in dem zweiten Maschinenwerkzeug das Auftreten der Anomalie des vorbestimmten Elements und der Grund für die Anomalie gemäß mindestens einer von der Anstiegsrate des Ausgangswerts, der Größe des Anstiegs des Ausgangswerts und des Zeitpunkts von dem Startzeitpunkt eines Anstiegs des Ausgangswerts des ersten Sensors bis zu dem Startzeitpunkt eines Anstiegs des Ausgangswerts des zweiten Sensors zusätzlich zu den Ausgangswerten der Sensor bestimmt.
  • Hiernach wird die Erfassung der Anomalie in den Spindellagern 34 und 35 als ein Beispiel dargelegt. Bei der Erfassung der Anomalie in den Spindellagern 34 und 35 ist der erste Sensor der Formaldehyd-Sensor 47. Der zweite Sensor ist der Schwingungssensor 41.
  • Die Zustandsbeobachtungseinheit 61 erfasst den Ausgangswert des Formaldehyd-Sensors 47 und den Ausgangswert des Schwingungssensors 41. Zum Beispiel erfasst die Zustandsbeobachtungseinheit 61 die Ausgangswerte der Sensoren in vorbestimmten Zeitintervallen. Die Zustandsbeobachtungseinheit 61 berechnet eine Zustandsgröße basierend auf den Ausgangswerten der Sensoren. Die Zustandsgröße weist mindestens einen der Ausgangswerte der jeweiligen Sensoren, die Anstiegsraten der Ausgangswerte der jeweiligen Sensoren, Werte der Größe des Anstiegs der Ausgangswerte der jeweiligen Sensoren und den Zeitpunkt von dem Startzeitpunkt des Anstiegs des Ausgangswerts des Formaldehyd-Sensors 47 bis zu dem Startzeitpunkt des Anstiegs des Ausgangswerts des Schwingungssensors 41 auf. Diese Größen werden im Folgenden unter Bezugnahme auf 4 beschrieben. Der Ausgangswert des Formaldehyd-Sensors 47 wird als ein Beispiel dargelegt.
  • Der Ausgangswert des Formaldehyd-Sensors 47 ist die Konzentration von Formaldehyd. Bei der Berechnung der Anstiegsrate des Ausgangswerts des Sensors wird der Erfassungswert für Formaldehyd, wenn der Erfassungswert beginnt zum Zeitpunkt t1 anzusteigen, als Referenzwert benutzt. Zu einem beliebigen Zeitpunkt nach Zeitpunkt t1 wird der Erfassungswert für Formaldehyd erfasst. Der Unterschied zwischen dem Erfassungswert für Formaldehyd und dem Referenzwert wird durch eine verstrichene Zeit ab dem Zeitpunkt t1 geteilt, wodurch die Anstiegsrate berechnet werden kann. Die Größe des Anstiegs des Ausgangswerts des Sensors ist der Unterschied zwischen einem Erfassungswert zu einem beliebigen Zeitpunkt nach Zeitpunkt t1 und dem Referenzwert. Die Zeitdauer ab dem Zeitpunkt t1 bis zum Zeitpunkt t4 entspricht der Zeit von dem Startzeitpunkt des Anstiegs des Ausgangswerts des Formaldehyd-Sensors 47 bis zu dem Startzeitpunkt des Anstiegs des Ausgangswerts des Schwingungssensors 41. Die Zustandsgröße für den Ausgangswert des Schwingungssensors 41 kann durch das gleiche Verfahren berechnet werden.
  • Unter Bezugnahme auf 8 erzeugt die Zustandsbeobachtungseinheit 61 die Übungsdaten, die die Zustandsgröße aufweisen. Die Übungsdaten können Daten aufweisen, die die Anomalien der jeweiligen Elemente betreffen, zusätzlich zu der Zustandsgröße. Die Daten, die die Anomalien der jeweiligen Elemente betreffen, können beliebige Informationen aufweisen, wie etwa Informationen über die Hersteller der jeweiligen Elemente und einen vorherigen Austauschzeitpunkt. Der Bediener kann Daten eingeben, die die Anomalien der jeweiligen Elemente von der Eingabeeinheit 8 betreffen. Die Speichereinheit 3 kann Daten speichern, die die Anomalien der jeweiligen Elemente betreffen. Die Zustandsbeobachtungseinheit 61 kann die Daten erfassen, die die Anomalien der jeweiligen Elemente betreffen, aus der Speichereinheit 3.
  • Die Lerneinheit 62 erhält Lehrerdaten. Die Lehrerdaten weisen Informationen über das Auftreten der Anomalie auf. Die Lehrerdaten weisen die Ergebnisse des Auftretens der Anomalie und des Grundes (Kennung) der Anomalie auf. Das Ergebnis des Auftretens der Anomalie und des Grundes der Anomalie können zum Beispiel über die Eingabeeinheit 8 durch den Bediener eingegeben werden. Die Lehrerdaten weisen Daten auf, die den Übungsdaten entsprechen, die der Kennung zugeordnet sind. Zum Beispiel weisen die Lehrerdaten mindestens eines von dem Ausgangswert des Sensors auf, wenn die Anomalie tatsächlich auftritt, der Anstiegsrate des Ausgangswerts, der Größe des Anstiegs des Ausgangswerts und der Zeit ab dem Startzeitpunkt des Anstiegs des Ausgangswerts des Formaldehyd-Sensors 47 bis zu dem Startzeitpunkt des Anstiegs des Ausgangswerts des Schwingungssensors 41.
  • Die Lehrerdaten können durch Kombinieren der Zustandsgröße, die in der Zustandsbeobachtungseinheit 61 durch Antreiben des Maschinenwerkzeugs 1 erhalten wird, und der Kennung, die über die Eingabeeinheit 8 durch den Bediener eingegeben wird, erzeugt werden. Alternativ können die Lehrerdaten, die durch zum Beispiel eine Simulation erhalten werden, in einer Vorrichtung benutzt werden, die nicht die Maschinensteuerung 2 ist.
  • Die Lerneinheit 62 weist eine Fehlerberechnungseinheit 64 auf, die einen Fehler basierend auf den Übungsdaten und den Lehrerdaten berechnet. Die Lerneinheit 62 weist eine Lernmodell-Aktualisierungseinheit 63 auf, die das Lernmodell zum Bestimmen des Auftretens der Anomalie des vorbestimmten Elements und des Grundes für die Anomalie aktualisiert. Die Lernmodell-Aktualisierungseinheit 63 aktualisiert das Lernmodell basierend auf dem Ausgang der Zustandsbeobachtungseinheit 61 und dem Ausgang der Fehlerberechnungseinheit 64.
  • In diesem Fall aktualisiert in dem Lernmodus des neuronalen Netzwerks die Lernmodell-Aktualisierungseinheit 63 das Lernmodell unter Verwendung der Übungsdaten und der Lehrerdaten. Die Lernmodell-Aktualisierungseinheit 63 aktualisiert das Lernmodell derart, dass sich der Ausgang, der für den Eingang gemäß dem Lernmodell berechnet wird, der Kennung der Lehrerdaten nähert. Zum Beispiel wird der Vorgang des Lernmodus durchgeführt, bis die Zustandsgröße, der Ausgang des Lernmodells und die Verlustfunktion der Lehrerdaten auf konstante Werte konvergieren.
  • Die Maschinenlerneinheit 60 weist eine Entscheidungseinheit 65 auf, die das Auftreten der Anomalie des vorbestimmten Elements und den Grund für die Anomalie basierend auf dem Lernmodell bestimmt, das in der Lerneinheit 62 aktualisiert wird. Die Entscheidungseinheit 65 erfasst aktuelle Übungsdaten. Die Entscheidungseinheit 65 erhält das Lernmodell, das in der Lernmodell-Aktualisierungseinheit 63 aktualisiert wird. Die Entscheidungseinheit 65 bestimmt, ob das vorbestimmte Element anomal ist oder nicht basierend auf dem Lernmodell und den Übungsdaten. In diesem Fall wird das neuronale Netzwerk in dem Vorhersagemodus benutzt. In dieser Konfiguration wird bestimmt, ob die Spindellager 34 und 35 anomal sind oder nicht. Die Entscheidungseinheit 65 bestimmt den Grund für die Anomalie basierend auf dem Lernmodell und den Übungsdaten.
  • Wenn das vorbestimmte Element anomal ist, überträgt die Entscheidungseinheit 65 ein Signal an die Anzeigeeinheit 9, das das Auftreten der Anomalie und den Grund für die Anomalie angibt. Die Anzeigeeinheit 9 zeigt das Auftreten der Anomalie des vorbestimmten Elements und den Grund für die Anomalie an. In diesem Fall überträgt die Entscheidungseinheit 65 ein Signal an die Anzeigeeinheit 9, das das Auftreten der Anomalie in den Spindellagern 34 und 35 und den Grund für die Anomalie angibt. Die Anzeigeeinheit 9 zeigt das Auftreten der Anomalie in den Spindellagern 34 und 35 und eine Verschlechterung des Schmierfetts als den Grund für die Anomalie an.
  • Die Anomalie in den Motorlagern 31 und 32 und die Anomalie der Öldichtung 33 können im Rahmen der Steuerung eines Maschinenlernens bestimmt werden, auf die gleiche Weise wie in dem Fall der Spindellager 34 und 35. Bei der Bestimmung der Anomalie in den Motorlagern 31 und 32 ist der erste Sensor der Stickstoffoxid-Sensor 45 und der zweite Sensor ist der Schwingungssensor 41. Bei der Bestimmung der Anomalie der Öldichtung 33 ist der erste Sensor der Schwefelwasserstoff-Sensor 46 und der zweite Sensor ist der Feuchtigkeitssensor 42.
  • Auch bei der Bestimmung der Anomalie der Motorlager 31 und 32 und der Bestimmung der Anomalie der Öldichtung 33 kann die Zustandsbeobachtungseinheit 61 eine Zustandsgröße erhalten, die mindestens eines von den Ausgangswerten der Sensoren, der Anstiegsrate des Ausgangswerts, der Größe des Anstiegs des Ausgangswerts und der Zeit ab dem Startzeitpunkt des Anstiegs des Ausgangswerts des ersten Sensors bis zu dem Startzeitpunkt des Anstiegs des Ausgangswerts des zweiten Sensors aufweist. Die Lerneinheit 62 kann das Lernmodell basierend auf den Lehrerdaten aktualisieren. Die Entscheidungseinheit 65 kann das Auftreten der Anomalie des vorbestimmten Elements und den Grund für die Anomalie basierend auf dem Lernmodell bestimmen.
  • Das Auftreten der Anomalie und der Grund für die Anomalie werden in der Maschinenlerneinheit bestimmt. Daher kann die Anomalie unter Berücksichtigung der Tendenz des Anstiegs des Ausgangswerts des Sensors und des Zeitpunkts, zu dem die Ausgangswerte der mehreren Sensoren ansteigen, bestimmt werden. Dies erlaubt der Maschinensteuerung 2, die Anomalie mit höherer Präzision zu bestimmen.
  • Nachfolgend wird die zweite Steuerung der Maschinenlerneinheit 60 der Fehlererfassungsvorrichtung beschrieben. Bei der zweiten Steuerung wird der Zeitpunkt, zu dem die Anomalie des vorbestimmten Elements auftritt, geschätzt. Unter Bezugnahme auf 7 und 8 schätzt die Maschinenlerneinheit 60 den Zeitpunkt, zu dem die Anomalie des vorbestimmten Elements auftritt, basierend auf dem Startzeitpunkt des Anstiegs des Ausgangswerts des ersten Sensors.
  • Bei der zweiten Steuerung kann bestimmt werden, ob das vorbestimmte Element anomal ist oder nicht, zum Beispiel im Rahmen der Steuerung in der Bestimmungseinheit 10 der Maschinensteuerung 2, die in 1 gezeigt ist. Die Bestimmungseinheit 10 kann bestimmen, dass das vorbestimmte Element anomal wird, wenn die Ausgangswerte der mehreren Sensoren die Bestimmungswerte überschreiten.
  • In der folgenden Erläuterung wird die Anomalie in den Spindellagern 34 und 35 als ein Beispiel beschrieben. Bei der Bestimmung der Anomalie der Spindellager 34 und 35 ist der erste Sensor der Formaldehyd-Sensor 47. Der zweite Sensor ist der Schwingungssensor 41. Unter Bezugnahme auf 4, 7 und 8 erfasst die Maschinenlerneinheit 60 den Zeitpunkt t1, wenn der Ausgangswert des Formaldehyd-Sensors 47 beginnt anzusteigen. Die Maschinenlerneinheit 60 schätzt die Zeitdauer ab dem Zeitpunkt t1 bis zu dem Auftreten der Anomalie der Spindellager 34 und 35 (die Dauer zwischen Zeitpunkt t1 und Zeitpunkt t5). Des Weiteren schätzt die Maschinenlerneinheit 60 den Zeitpunkt (Zeitpunkt t5), wenn die Spindellager 34 und 35 anomal werden, basierend auf der Zeitdauer.
  • Die Zustandsgröße, die von der Zustandsbeobachtungseinheit 61 beobachtet wird, weist den Ausgangswert des ersten Sensors und den Ausgangswert des zweiten Sensors auf. In diesem Fall weist die Zustandsgröße den Ausgangswert des Formaldehyd-Sensors 47 und den Ausgangswert des Schwingungssensors 41 auf. Des Weiteren weisen die Zustandsgrößen, die von der Zustandsbeobachtungseinheit 61 beobachtet werden, mindestens eines von den Daten, die den Betriebszustand des Spindelmotors 11 betreffen, und den Daten, die einen Zustand um den Spindelkopf 6 betreffen, auf.
  • Die Daten, die den Betriebszustand des Spindelmotors 11 betreffen, weisen zum Beispiel die Drehgeschwindigkeit des Spindelmotors 11, die Antriebszeit des Spindelmotors 11, den Strom, der dem Spindelmotor 11 zugeführt wird, die Spannung, die an den Spindelmotor 11 angelegt wird, und den Drehmomentbefehl zu dem Spindelmotor 11 auf. Die Antriebszeit des Spindelmotors 11 ist eine integrierte Zeit, in der der Spindelmotor 11 ab einer Veränderung eines vorbestimmten Elements betrieben wird. Der Bediener kann den Zeitpunkt des Austauschens eines Teils durch die Eingabeeinheit 8 eingeben. Die Antriebszeit des Spindelmotors 11 kann basierend auf der Periode erhalten werden, in der der Aktionsbefehl des Spindelmotors 11 von der Betriebssteuerungseinheit 4 übertragen wird. Die Drehgeschwindigkeit des Spindelmotors 11 kann von dem Drehwinkelsensor 43 erhalten werden, der an dem Spindelmotor 11 angebracht ist.
  • Der Strom und die Spannung, die an den Spindelmotor 11 angelegt werden, können von der Motorantriebsvorrichtung 21 erhalten werden. Alternativ können der Strom und die Spannung, die an den Spindelmotor 11 angelegt werden, basierend auf dem Aktionsbefehl erfasst werden, der von der Betriebssteuerungseinheit 4 ausgegeben wird. Der Drehmomentbefehl zu dem Spindelmotor 11 kann von dem Aktionsbefehl erhalten werden, der von der Betriebssteuerungseinheit 4 ausgegeben wird.
  • Die Daten, die den Betriebszustand des Spindelmotors 11 betreffen, sind nicht auf diese Ausführungsform begrenzt. Eine Größe, die den Spindelmotor 11 betrifft und während des Betriebs des Spindelmotors 11 verändert wird, kann eingesetzt werden.
  • Die Daten, die einen Zustand um den Spindelkopf 6 betreffen, weisen Temperatur, Luftdruck und Feuchtigkeit um den Spindelkopf 6 auf. Die Temperatur um den Spindelkopf 6 kann von einem Temperatursensor 51 erfasst werden, der nahe dem Spindelkopf 6 angeordnet ist. Der Luftdruck um den Spindelkopf 6 kann von einem Luftdrucksensor 52 erfasst werden, der nahe dem Spindelkopf 6 angeordnet ist. Die Feuchtigkeit um den Spindelkopf 6 kann von einem Feuchtigkeitssensor 53 erfasst werden, der nahe dem Spindelkopf 6 angeordnet ist. Der Temperatursensor 51, der Luftdrucksensor 52 und der Feuchtigkeitssensor 53 können zum Beispiel in einer Bearbeitungskammer angeordnet sein, in der der Spindelkopf 6 und ein Tisch zum Halten des Werkstücks angeordnet sind.
  • Die Daten, die den Zustand um den Spindelkopf 6 betreffen, sind nicht auf diese Ausführungsform begrenzt. Die Daten können eine beliebige Größe aufweisen, die sich um den Spindelkopf 6 verändert.
  • Die Zustandsbeobachtungseinheit 61 erzeugt die Übungsdaten, die die Zustandsgröße aufweisen. Die Übungsdaten können Daten aufweisen, die Anomalien der jeweiligen Elemente betreffen, zusätzlich zu der Zustandsgröße. Die Daten, die Anomalien der jeweiligen Elemente betreffen, können den Hersteller des Lagers oder der Öldichtung aufweisen.
  • Die Lerneinheit 62 erhält die Lehrerdaten, die den Zeitpunkt des Auftretens der Anomalie aufweisen. Die Lehrerdaten weisen das Ergebnis der Zeitdauer (Kennung) ab dem Startzeitpunkt des Anstiegs des Ausgangswerts des ersten Sensors bis zu dem Zeitpunkt der Bestimmung der Anomalie auf. Diese Kennung kann von zum Beispiel der Eingabeeinheit 8 durch den Bediener eingegeben werden. Die Lehrerdaten weisen Daten auf, die den Übungsdaten entsprechen, und sind der Kennung zugeordnet. Die Lehrerdaten weisen mindestens eines von den Daten, die einen Betriebszustand des Spindelmotors 11 betreffen, und den Daten, die einen Zustand um den Spindelkopf 6 betreffen, auf.
  • Die Fehlerberechnungseinheit 64 der Lerneinheit 62 berechnet einen Fehler basierend auf den Übungsdaten und den Lehrerdaten. Die Lernmodell-Aktualisierungseinheit 63 der Lerneinheit 62 aktualisiert das Lernmodell zum Schätzen des Zeitpunkts, wenn das vorbestimmte Element anomal wird, basierend auf dem Ausgang der Zustandsbeobachtungseinheit 61 und dem Ausgang der Fehlerberechnungseinheit 64. In diesem Fall aktualisiert die Lernmodell-Aktualisierungseinheit 63 das Lernmodell zum Schätzen der Zeitdauer ab dem Startzeitpunkt des Anstiegs des Erfassungswerts für Formaldehyd und dem Zeitpunkt, wenn der Erfassungswert für Schwingung den Bestimmungswert erreicht.
  • Die Entscheidungseinheit 65 erfasst Übungsdaten, die eine aktuelle Zustandsgröße aufweisen. Die Entscheidungseinheit 65 erfasst das Lernmodell, das in der Lernmodell-Aktualisierungseinheit 63 aktualisiert wird. Die Entscheidungseinheit 65 schätzt die Zeitdauer ab dem Startzeitpunkt des Anstiegs des Erfassungswerts für Formaldehyd bis zu dem Zeitpunkt, wenn der Erfassungswert für Schwingung den Bestimmungswert erreicht, basierend auf dem Lernmodell, das in der Lerneinheit 62 aktualisiert wird. Nachfolgend schätzt die Entscheidungseinheit 65 den Zeitpunkt, wenn die Spindellager 34 und 35 anomal werden, basierend auf dem Startzeitpunkt des Anstiegs des Erfassungswerts für Formaldehyd und der Zeitdauer.
  • Die Entscheidungseinheit 65 überträgt ein Signal des geschätzten Zeitpunkts an die Anzeigeeinheit 9. Die Anzeigeeinheit 9 zeigt den Zeitpunkt an, wenn die Spindellager 34 und 35 anomal werden. Der Bediener kann über den Zeitpunkt, wenn die Spindellager 34 und 35 anomal werden, informiert werden. Mit anderen Worten kann der Bediener über den Zeitpunkt von Fehlern der Spindellager 34 und 35 informiert werden.
  • In der Erläuterung oben werden die Spindellager 34 und 35 als ein Beispiel beschrieben und der Zeitpunkt, wenn die Anomalie auftritt, wird geschätzt. Der Zeitpunkt, wenn die Motorlager 31 und 32 anomal werden, und der Zeitpunkt, wenn die Öldichtung 33 anomal wird, können auch im Rahmen der gleichen Steuerung geschätzt werden wie die Schätzung des Zeitpunkts, wenn die Spindellager 34 und 35 anomal werden.
  • Die zweite Steuerung der Maschinenlerneinheit 60 kann den Zeitpunkt schätzen, wenn das vorbestimmte Element anomal wird, unter Berücksichtigung des Betriebszustands des Spindelmotors 11 und des Zustands um den Spindelkopf 6. Dies erlaubt dem Bediener, einen Teil vorzubereiten, der auszutauschen ist, oder den Betriebsplan des Maschinenwerkzeugs zu korrigieren.
  • Bei der zweiten Steuerung der Maschinenlerneinheit 60 wird der Zeitpunkt des Auftretens der Anomalie basierend auf dem Startzeitpunkt des Anstiegs des Ausgangswerts des ersten Sensors vorhergesagt, aber die Ausführungsform ist nicht darauf begrenzt. Der Zeitpunkt des Auftretens der Anomalie kann basierend auf einem beliebigen Zeitpunkt vorhergesagt werden. Zum Beispiel kann der Zeitpunkt des Auftretens der Anomalie basierend auf dem Zeitpunkt geschätzt werden, wenn der Ausgangswert des ersten Sensors den Bestimmungswert überschreitet. Alternativ kann der Zeitpunkt des Auftretens der Anomalie basierend auf dem Zeitpunkt geschätzt werden, wenn der Ausgangswert des ersten Sensors ansteigt und dann konstant bleibt.
  • Bei der ersten Steuerung und der zweiten Steuerung der Maschinenlerneinheit wird die Beziehung zwischen dem Sensor, in dem der Ausgangswert ansteigt, und dem Element, in dem die Anomalie auftritt, im Voraus bestimmt. Zum Beispiel, wenn die Konzentration von Formaldehyd ansteigt und die Schwingung ansteigt, wird bestimmt, dass das Spindellager anomal ist. Das Maschinenlernen ist nicht auf diese Ausführungsform begrenzt. Die Beziehung zwischen dem Element, in dem die Anomalie auftritt, und dem Sensor, in dem der Ausgangswert ansteigt, kann auch nicht bestimmt werden. Zum Beispiel kann die Lerneinheit die Ausgangswerte aller Sensoren als Zustandsgrößen erhalten. Das Element, in dem die Anomalie auftritt, kann bestimmt werden oder der Zeitpunkt des Auftretens der Anomalie kann geschätzt werden, basierend auf den Lehrerdaten, die die Ausgangswerte aller Sensoren betreffen.
  • In der vorangegangenen Ausführungsform weist die Maschinensteuerung 2, die den Betrieb des Maschinenwerkzeugs 1 steuert, die Maschinenlerneinheit 60 auf, die die Funktion des Maschinenlernens hat. Die vorliegende Erfindung ist nicht auf diese Konfiguration begrenzt. Die Maschinenlerneinheit kann durch eine Vorrichtung konfiguriert sein, die nicht die Maschinensteuerung ist. Die Maschinenlerneinheit kann durch einen Rechner (arithmetische Verarbeitungsvorrichtung) konfiguriert sein, die nicht die Maschinensteuerung ist. Zum Beispiel ist eine GPGPU (General-Purpose computing on Graphics Processing Units - Allzweck-Berechnung auf Grafikprozessoreinheit) oder ein großes PC-Cluster auf die Maschinenlerneinheit anwendbar. Diese Konfiguration erreicht ein Hochgeschwindigkeitsverarbeiten.
  • Bei der Steuerung des Maschinenlernens können die Zustandsgröße und die Lehrerdaten von mehreren Maschinenwerkzeugen erfasst werden, um das Auftreten der Anomalie des vorbestimmten Elements und den Grund für die Anomalie zu schätzen oder den Zeitpunkt des Auftretens der Anomalie zu schätzen. Mit anderen Worten kann das Lernmodell von mehreren Maschinenwerkzeugen geteilt werden. Diese Steuerung kann die Präzision der Bestimmung und die Präzision der Vorhersage verbessern.
  • Gemäß einem Aspekt der vorliegenden Offenbarung kann die Fehlererfassungsvorrichtung, die das Element, in dem die Anomalie auftritt, und den Grund für die Anomalie in dem Spindelkopf eines Maschinenwerkzeugs bestimmt, bereitgestellt sein.
  • Die Ausführungsform kann kombiniert werden, wenn dies als zweckmäßig erachtet wird. In den Zeichnungen sind die gleichen oder äquivalente Teile mit den gleichen Symbolen angegeben. Die Ausführungsform ist lediglich beispielhaft und begrenzt die Erfindung nicht. Die Ausführungsform weist Änderungen auf, die in den Ansprüchen beschrieben werden.

Claims (7)

  1. Fehlererfassungsvorrichtung (20) zum Erfassen einer Anomalie eines Spindelkopfes (6) eines Maschinenwerkzeugs (1), umfassend: einen ersten Sensor (44, 47), der eine Erzeugung eines vorbestimmten ersten Gases in dem Spindelkopf erfasst, einen zweiten Sensor (41), der eine Veränderung in dem Zustand des Spindelkopfes erfasst, die sich von der Erzeugung des ersten Gases unterscheidet, und eine Steuerung (2), die bestimmt, ob ein Lager (35), angeordnet in dem Spindelkopf anomal ist oder nicht, wobei die Steuerung dazu ausgebildet ist, ein Vorkommen der Anomalie in dem Lager und einen Grund für die Anomalie basierend auf einer Veränderung eines Ausgangswerts des ersten Sensors über der Zeit und einer Veränderung eines Ausgangswerts des zweiten Sensors über der Zeit zu bestimmen, wobei das Lager ein Spindellager (34, 35) ist, das eine Spindel lagert, das Spindellager einen Käfig, der aus Phenolharz hergestellt ist, und ein Schmiermittel, das sich in dem Spindellager befindet, aufweist, der erste Sensor ein Gassensor (47) ist, der Formaldehyd erfasst, der zweite Sensor von dem Schwingungssensor (41), der die Schwingung des Spindelkopfes erfasst, und dem Sensor, der die elastische Welle erfasst, die in dem Spindelkopf erzeugt wird, einer ist und die Steuerung bestimmt, dass das Spindellager aufgrund einer Verschlechterung des Schmiermittels anormal ist, wenn der Ausgangswert des zweiten Sensors ansteigt, nachdem der Ausgangswert des ersten Sensors ansteigt.
  2. Fehlererfassungsvorrichtung (20) zum Erfassen einer Anomalie eines Spindelkopfes (6) eines Maschinenwerkzeugs (1), umfassend: einen ersten Sensor (44, 45), der eine Erzeugung eines vorbestimmten ersten Gases in dem Spindelkopf erfasst, einen zweiten Sensor (41), der eine Veränderung in dem Zustand des Spindelkopfes erfasst, die sich von der Erzeugung des ersten Gases unterscheidet, und eine Steuerung (2), die bestimmt, ob ein Lager (31, 32), angeordnet in dem Spindelkopf anomal ist oder nicht, wobei die Steuerung dazu ausgebildet ist, ein Vorkommen der Anomalie in dem Lager und einen Grund für die Anomalie basierend auf einer Veränderung eines Ausgangswerts des ersten Sensors über der Zeit und einer Veränderung eines Ausgangswerts des zweiten Sensors über der Zeit zu bestimmen, wobei das Lager ein Motorlager (31, 32) ist, das eine Welle eines Spindelmotors lagert, das Motorlager ein Harnstoffschmierfett aufweist, das sich in dem Motorlager befindet, der erste Sensor ein Gassensor (45) oder ein Geruchssensor (44) ist, der Stickstoffoxid erfasst, der zweite Sensor von dem Schwingungssensor (41), der die Schwingung des Spindelkopfes erfasst, und dem Sensor, der die elastische Welle erfasst, die in dem Spindelkopf erzeugt wird, einer ist und die Steuerung bestimmt, dass das Motorlager aufgrund einer Verschlechterung des Harnstoffschmierfetts anomal ist, wenn der Ausgangswert des zweiten Sensors ansteigt, nachdem der Ausgangswert des ersten Sensors ansteigt.
  3. Fehlererfassungsvorrichtung (20) zum Erfassen einer Anomalie eines Spindelkopfes (6) eines Maschinenwerkzeugs (1), umfassend: einen ersten Sensor (44, 46), der eine Erzeugung eines vorbestimmten ersten Gases in dem Spindelkopf erfasst, einen zweiten Sensor (42), der eine Veränderung in dem Zustand des Spindelkopfes erfasst, die sich von der Erzeugung des ersten Gases unterscheidet, und eine Steuerung (2), die bestimmt, ob ein Lager (33), angeordnet in dem Spindelkopf anomal ist oder nicht, wobei die Steuerung dazu ausgebildet ist, ein Vorkommen der Anomalie in dem Lager und einen Grund für die Anomalie basierend auf einer Veränderung eines Ausgangswerts des ersten Sensors über der Zeit und einer Veränderung eines Ausgangswerts des zweiten Sensors über der Zeit zu bestimmen, wobei die Öldichtung so angeordnet ist, dass sie einen Innenraum des Spindelmotors abdichtet, und ein elastisches Element (37) aufweist, das mit einer Welle des Spindelmotors in Kontakt steht und aus Nitrilgummi hergestellt ist, der erste Sensor ein Gassensor (46) oder ein Geruchssensor (44) ist, der Schwefelwasserstoff erfasst, der zweite Sensor der Feuchtigkeitssensor (42) ist, der Feuchtigkeit in dem Spindelkopf erfasst, und die Steuerung bestimmt, dass die Öldichtung aufgrund eines Angreifens eines Fremdkörpers anomal ist, wenn der Ausgangswert des zweiten Sensors ansteigt, nachdem der Ausgangswert des ersten Sensors ansteigt.
  4. Fehlererfassungsvorrichtung nach Anspruch 3, ferner umfassend dritten Sensor (45), der eine Erzeugung von Stickstoffoxid in dem Spindelkopf erfasst, wobei die Steuerung dazu ausgebildet ist, ein Vorkommen einer Anomalie in einem Lager (31, 32), das in dem Spindelkopf angeordnet ist, und eine Ursache für die Anomalie zu bestimmen, der dritte Sensor ein Gassensor (45) oder ein Geruchssensor (44) ist, der Stickstoffoxid erfasst, das Lager ein Motorlager (31, 32) ist, das eine Welle eines Spindelmotors lagert, das Motorlager ein Harnstoffschmierfett aufweist, das sich in dem Motorlager befindet, und die Steuerung bestimmt, dass das Motorlager aufgrund eines Eintretens einer Flüssigkeit in den Spindelkopf anomal ist, wenn der Ausgangswert des dritten Sensors ansteigt, nachdem der Ausgangswert des zweiten Sensors ansteigt.
  5. Fehlererfassungsvorrichtung nach einem der Ansprüche 1 bis 4, wobei die Steuerung eine Anzeigeeinheit (9) aufweist, die das Element, in dem die Anomalie auftritt, und den Grund für die Anomalie anzeigt.
  6. Fehlererfassungsvorrichtung nach Anspruch 1, wobei die Steuerung eine Maschinenlerneinheit (60) aufweist, die ein überwachtes Lernen durchführt, die Maschinenlerneinheit Folgendes aufweist: eine Zustandsbeobachtungseinheit (61), die eine Zustandsgröße beobachtet, die von den Ausgangswerten des ersten Sensors und des zweiten Sensors, einer Anstiegsrate des Ausgangswerts, einer Größe des Anstiegs des Ausgangswerts und einer Zeit von einem Startzeitpunkt eines Anstiegs des Ausgangswerts des ersten Sensors bis zu einem Startzeitpunkt eines Anstiegs des Ausgangswerts des zweiten Sensors mindestens eines enthält, eine Lerneinheit (62), die Lehrerdaten erhält, die Informationen über ein Auftreten der Anomalie aufweisen, und basierend auf den Lehrerdaten ein Lernmodell aktualisiert, zum Bestimmen, ob ein vorbestimmtes Element anomal ist oder nicht, und eine Entscheidungseinheit (65), die eine aktuelle Zustandsgröße erfasst und bestimmt, ob die Anomalie auftritt, basierend auf der aktuellen Zustandsgröße und dem Lernmodell.
  7. Fehlererfassungsvorrichtung nach einem der Ansprüche 1 bis 5, wobei die Steuerung eine Maschinenlerneinheit (60) aufweist, die ein überwachtes Lernen durchführt, die Maschinenlerneinheit Folgendes aufweist: eine Zustandsbeobachtungseinheit (61), die eine Zustandsgröße beobachtet, die die Ausgangswerte von mehreren Sensoren und von Daten, die einen Betriebszustand eines Spindelmotors (11) betreffen, und Daten, die einen Zustand um den Spindelkopf betreffen, mindestens eines aufweist, eine Lerneinheit (62), die Lehrerdaten erhält, die Informationen über die Zeit eines Auftretens der Anomalie enthalten, und basierend auf den Lehrerdaten ein Lernmodell zum Vorhersagen der Zeit aktualisiert, wenn ein vorbestimmtes Element anomal wird, und eine Entscheidungseinheit (65), die eine aktuelle Zustandsgröße erfasst und die Zeit des Auftretens der Anomalie basierend auf der aktuellen Zustandsgröße und dem Lernmodell vorhersagt.
DE102018109628.3A 2017-04-28 2018-04-23 Fehlererfassungsvorrichtung für einen Spindelkopf eines Maschinenwerkzeugs, die mehrere Sensoren aufweist Active DE102018109628B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017090802A JP6408063B1 (ja) 2017-04-28 2017-04-28 複数のセンサを備える工作機械の主軸ヘッドの故障検出装置
JP2017-090802 2017-04-28

Publications (2)

Publication Number Publication Date
DE102018109628A1 DE102018109628A1 (de) 2018-12-06
DE102018109628B4 true DE102018109628B4 (de) 2020-08-06

Family

ID=63855183

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102018109628.3A Active DE102018109628B4 (de) 2017-04-28 2018-04-23 Fehlererfassungsvorrichtung für einen Spindelkopf eines Maschinenwerkzeugs, die mehrere Sensoren aufweist

Country Status (4)

Country Link
US (1) US10364840B2 (de)
JP (1) JP6408063B1 (de)
CN (1) CN108788923B (de)
DE (1) DE102018109628B4 (de)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112017015333A2 (pt) 2015-01-20 2018-01-09 Montag Invest Llc sistema de medição de particulado único com controles de taxa variáveis.
JP6897312B2 (ja) * 2017-05-23 2021-06-30 日本精工株式会社 潤滑剤劣化検出装置
CN109277943A (zh) * 2018-11-07 2019-01-29 江苏南高智能装备创新中心有限公司 一种刀具主轴振动测量装置
EP3889864A4 (de) * 2018-11-27 2021-12-01 Fujitsu Frontech Limited Vorrichtung zur ursachenschätzung, verfahren zur ursachenschätzungsausgabe und vorrichtung zur handhabung eines papierblatts
JP2020082304A (ja) * 2018-11-29 2020-06-04 三菱電機株式会社 びびり振動検知装置、びびり振動検知方法、びびり振動検知プログラム、及びびびり振動抑制装置
CN109668748B (zh) * 2018-12-19 2021-03-12 西安精雕软件科技有限公司 一种基于电极自动化生产系统的自检方法
WO2020130051A1 (ja) * 2018-12-20 2020-06-25 株式会社村田製作所 弾性波素子および弾性波装置
JP7068206B2 (ja) 2019-01-31 2022-05-16 ファナック株式会社 工作機械に配置された電動機の内部への異物の侵入を検出する異物検出装置
JP7424759B2 (ja) * 2019-05-23 2024-01-30 ファナック株式会社 主軸異常検出装置
JP7346216B2 (ja) * 2019-10-03 2023-09-19 オークマ株式会社 シール部の摩耗量推定装置及び工作機械
DE102019218626A1 (de) * 2019-11-29 2021-06-02 Robert Bosch Gmbh Verfahren und Vorrichtung zum Überwachen einer Maschine
JP7327273B2 (ja) * 2020-05-20 2023-08-16 トヨタ自動車株式会社 車載部品の異常箇所特定方法、車載部品の異常箇所特定システム、車載部品の異常箇所特定装置、車載部品の異常箇所通知制御装置、および車両用制御装置
JP7338584B2 (ja) * 2020-08-07 2023-09-05 トヨタ自動車株式会社 異常判定装置
KR102491031B1 (ko) * 2020-10-30 2023-01-20 건국대학교 산학협력단 2-헤드 머시닝 센터의 공구 상태 진단 장치 및 방법
US20220364959A1 (en) * 2021-03-19 2022-11-17 Ricoh Company, Ltd. Determination apparatus, machining system, determination method, and recording medium
CN113894365B (zh) * 2021-10-19 2023-03-21 南京工业大学 数控铣齿机主轴箱的在线故障检测系统
CN114061837B (zh) * 2021-11-15 2024-07-02 航天科工微电子系统研究院有限公司 应用于激光发射通道密封的动密封件性能试验检测装置
CN115935243B (zh) * 2023-03-01 2023-09-15 华谋咨询技术(深圳)有限公司 一种基于数据处理的故障分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008029672B3 (de) * 2008-06-24 2010-02-25 I-For-T Gmbh Vorrichtung und Verfahren zur Zustandsüberwachung und Zustandsdiagnose einer Maschine, Maschinenkomponente oder Anlage
JP2011060076A (ja) 2009-09-11 2011-03-24 Fanuc Ltd 複数のセンサの信号に基づいて機械の異常判定を行う機能を備えた数値制御装置
DE102011017808A1 (de) * 2011-04-29 2012-10-31 Homag Holzbearbeitungssysteme Gmbh Spindelsteuerung
JP2016131004A (ja) * 2015-01-15 2016-07-21 日本精工株式会社 ワイヤレスセンサ付き軸受
WO2016133100A1 (ja) * 2015-02-19 2016-08-25 日本精工株式会社 異常診断システム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4029604B2 (ja) * 2001-11-29 2008-01-09 日本精工株式会社 転がり軸受
JP2005351363A (ja) * 2004-06-10 2005-12-22 Nsk Ltd 潤滑剤補給装置
US9335317B2 (en) * 2011-03-03 2016-05-10 Ntn Corporation Status monitoring system and status monitoring method for rolling device
CN103639848A (zh) * 2013-12-25 2014-03-19 沈阳机床(集团)有限责任公司 一种加工中心润滑性能测试系统及优化方法
JP6294262B2 (ja) * 2015-05-19 2018-03-14 ファナック株式会社 工作機械の異常検出機能を備えた異常検出装置、及び異常検出方法
CN108884965A (zh) * 2016-04-28 2018-11-23 日本精工株式会社 润滑剂劣化检测装置、润滑剂劣化状态评价方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102008029672B3 (de) * 2008-06-24 2010-02-25 I-For-T Gmbh Vorrichtung und Verfahren zur Zustandsüberwachung und Zustandsdiagnose einer Maschine, Maschinenkomponente oder Anlage
JP2011060076A (ja) 2009-09-11 2011-03-24 Fanuc Ltd 複数のセンサの信号に基づいて機械の異常判定を行う機能を備えた数値制御装置
DE102011017808A1 (de) * 2011-04-29 2012-10-31 Homag Holzbearbeitungssysteme Gmbh Spindelsteuerung
JP2016131004A (ja) * 2015-01-15 2016-07-21 日本精工株式会社 ワイヤレスセンサ付き軸受
WO2016133100A1 (ja) * 2015-02-19 2016-08-25 日本精工株式会社 異常診断システム

Also Published As

Publication number Publication date
JP2018187703A (ja) 2018-11-29
DE102018109628A1 (de) 2018-12-06
US20180313403A1 (en) 2018-11-01
CN108788923B (zh) 2019-10-01
US10364840B2 (en) 2019-07-30
CN108788923A (zh) 2018-11-13
JP6408063B1 (ja) 2018-10-17

Similar Documents

Publication Publication Date Title
DE102018109628B4 (de) Fehlererfassungsvorrichtung für einen Spindelkopf eines Maschinenwerkzeugs, die mehrere Sensoren aufweist
DE102016009032B4 (de) Maschinenlerneinheit, Spindelersatzbeurteilungsvorrichtung, Steuerung, Werkzeugmaschine, Produktionssystem und maschinelles Lernverfahren, die zur Beurteilung der Notwendigkeit eines Spindelersatzes fähig sind
DE102017108169B4 (de) Produktionssystem, das einen Bestimmungswert einer Variablen in Bezug auf eine Produktabweichung festlegt
DE102017009428B4 (de) Maschinenlernvorrichtung, die einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine lernt, und Bearbeitungssystem
DE102017002607B4 (de) Bearbeitungsmaschinensystem, das über die Akzeptanz/Verwerfung von Werkstücken bestimmt
US11897068B2 (en) Information processing method, information processing system, and information processing device
DE102016106282B4 (de) Werkzeugmaschine mit der funktion zur untersuchung des verschlechterungszustands der spindel
US10725465B2 (en) State diagnostic device
EP2083338B1 (de) Verfahren und Vorrichtung zum Überwachen einer Maschine
DE102017003165A1 (de) Maschinelle Lernvorrichtung und maschinelles Lernverfahren zum Lernen der Fehlervorhersage einer Hauptwelle oder eines Motors, der die Hauptwelle antreibt, und Fehlervorhersagevorrichtung und Fehlervorhersagesystem umfassend eine maschinelle Lernvorrichtung
DE102018006946A1 (de) Steuerung und maschinelle lernvorrichtung
DE102016106085A1 (de) Werkzeugmaschinenverwaltungssystem
DE102016013406B4 (de) Verfahren zum Betrieb eines Zustandsüberwachungssystems einer Schwingmaschine und Zustandsüberwachungssystem
DE102018006024A1 (de) Controller und maschinelle Lernvorrichtung
DE102018203234A1 (de) Vorausschauende Beurteilung von Robotern
CN107728586B (zh) 解析系统
DE102011084373A1 (de) Betriebsverlaufsverwaltungsverfahren und Betriebsverlaufsverwaltungseinrichtung
DE102017002372B4 (de) Testsystem zum Durchführen eines Maschinentests
DE102017011220A1 (de) Lüftermotorsteuervorrichtung
DE102019001177B4 (de) Steuergerät, maschinelle Lernvorrichtung und System
DE102018006550A1 (de) Abnormalitätserkennungsvorrichtung und maschinelles Lernverfahren
DE102019001760A1 (de) Informationsverarbeitungsgerät, maschinelle lernvorrichtungund system
DE102018005858A1 (de) Numerische Steuerung
Lakshmanan et al. Data modelling and remaining useful life estimation of rolls in a steel making cold rolling process
DE102019213431A1 (de) Steuervorrichtung, CNC-Vorrichtung und Steuerverfahren

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final