JP2019206056A - 診断装置、診断方法及び診断プログラム - Google Patents

Abstract

【課題】加工不良の要因を特定できる診断装置、診断方法及び診断プログラムを提供する。【解決手段】診断装置１は、加工機２の運転時に出力された機械データを収集する収集部１０１と、入力された加工不良の要因別に機械データを分類し、当該要因別に機械データの集合から特徴量を抽出する特徴抽出部１０２と、加工機２による実加工時に出力される機械データの特徴量を、要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する判定部１０３と、を備える。【選択図】図１

Description

本発明は、加工状態を診断する装置、方法及びプログラムに関する。

従来、機械加工の不良低減のために、様々な取り組みが行われている。
例えば、特許文献１では、正常加工時の負荷トルクパターンと実加工時の負荷トルクパターンとを比較することで、加工の異常を判定する技術が提案されている。
また、特許文献２では、正常加工時の負荷トルクパターン及び加工寸法データからマスタデータを作成し、このマスタデータと実加工データとを比較することで、加工の異常を判定する技術が提案されている。

特開２０００−８４７９７号公報 特開２００３−２７１２１２号公報

加工不良の要因として、設定を間違って加工を開始する等の人的要因、工具の摩耗による工具要因、ワークの素材不良によるワーク要因、治具の固定不良による治具要因、機械の摩耗又は熱変形等による機械要因等がある。

例えば、設定を間違えるといった人的要因があると、正しい加工をしていないので、すぐに加工を停止しなくてはいけない。また、工具要因では、摩耗の度合いによって、現在行っている加工が終了してから工具を入れ替えてもよい場合がある。実際の加工現場では、このように、不良要因によって異なる対策を講じて、被害を最小限に留めることが重要である。
しかしながら、従来のように、実加工時のモータ負荷トルク等を検出することで加工不良を発見する技術では、加工不良の要因を識別することはできなかった。

本発明は、加工不良の要因を特定できる診断装置、診断方法及び診断プログラムを提供することを目的とする。

（１） 本発明に係る診断装置（例えば、後述の診断装置１）は、加工機（例えば、後述の加工機２）の運転時に出力された機械データを収集する収集部（例えば、後述の収集部１０１）と、入力された加工不良の要因別に前記機械データを分類し、当該要因別に前記機械データの集合から特徴量を抽出する特徴抽出部（例えば、後述の特徴抽出部１０２）と、前記加工機による実加工時に出力される前記機械データの特徴量を、前記要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する判定部（例えば、後述の判定部１０３）と、を備える。

（２） （１）に記載の診断装置において、前記収集部は、前記加工機により加工された部品を測定した測定データをさらに収集し、前記特徴抽出部は、前記測定データを前記要因別に分類し、当該要因別に前記機械データ及び前記測定データの集合から特徴量を抽出し、前記判定部は、前記加工機による実加工時に出力される前記機械データ、及び加工後の前記測定データの特徴量を、前記要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定してもよい。

（３） （２）に記載の診断装置において、前記機械データ及び前記測定データは、加工時の座標値により対応付けられてもよい。

（４） （１）から（３）のいずれかに記載の診断装置は、前記収集部により収集されるデータが伝送される電気信号を、所定の標準信号に変換する信号変換部（例えば、後述の物理インタフェースＥ）を備えてもよい。

（５） （１）から（４）のいずれかに記載の診断装置は、前記収集部により収集されるデータの構造を、所定の標準形式に変換するデータ構造変換部（例えば、後述のソフトウェアインタフェースＳ）を備えてもよい。

（６） （１）から（５）のいずれかに記載の診断装置は、前記判定部による判定結果を前記要因別に、加工の進捗状況と共に更新して出力する出力部（例えば、後述の出力部１０４）を備えてもよい。

（７） （１）から（５）のいずれかに記載の診断装置は、複数の前記加工機それぞれに対する前記判定部による判定結果の全体を、加工の進捗状況と共に更新して出力する出力部（例えば、後述の出力部１０４）を備えてもよい。

（８） 本発明に係る診断方法は、加工機（例えば、後述の加工機２）の運転時に出力された機械データを収集するデータ収集ステップと、入力された加工不良の要因別に前記機械データを分類し、当該要因別に前記機械データの集合から特徴量を抽出する特徴抽出ステップと、前記加工機による実加工時に出力される前記機械データの特徴量を、前記要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する判定ステップと、をコンピュータ（例えば、後述の診断装置１）が実行する。

（９） 本発明に係る診断プログラムは、加工機（例えば、後述の加工機２）の運転時に出力された機械データを収集するデータ収集ステップと、入力された加工不良の要因別に前記機械データを分類し、当該要因別に前記機械データの集合から特徴量を抽出する特徴抽出ステップと、前記加工機による実加工時に出力される前記機械データの特徴量を、前記要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する判定ステップと、をコンピュータ（例えば、後述の診断装置１）に実行させるためのものである。

本発明によれば、加工不良の要因を特定できる。

実施形態に係る診断装置の機能構成を示すブロック図である。 実施形態に係る加工機の制御装置が備える主要機能の構成を示すブロック図である。 実施形態に係る測定器の制御装置が備える主要機能の構成を示すブロック図である。 実施形態に係る加工不良の要因を含む検査結果の入力画面を例示する図である。 実施形態に係る記憶部に格納されるデータベースの構成例を示す図である。 実施形態に係る診断方法に用いる測定データを例示する図である。 実施形態に係る診断結果の表示画面を例示する図である。 実施形態に係る診断結果を含む監視画面を例示する図である。

以下、本発明の実施形態の一例について説明する。
図１は、本実施形態に係る診断装置１の機能構成を示すブロック図である。
診断装置１は、少なくとも１台の加工機２と、少なくとも１台の測定器３とが接続可能である。

診断装置１は、パーソナルコンピュータ又はサーバ装置等の情報処理装置（コンピュータ）であり、制御部としてのＣＰＵ１０及び記憶部１１の他、各種の入出力デバイス及び通信インタフェースを備える。

診断装置１は、複数台の加工機２又は測定器３を接続するため、これらの各機械で採用されているコネクタ及び電気的仕様に適合した信号変換部として、物理インタフェースＥを備えている。物理インタフェースＥを介して各機械から伝送される電気信号は、所定の標準信号に変換される。例えば、標準の通信規格として、イーサネット（登録商標）が採用されてよい。なお、この物理インタフェースＥは外付けでもよい。

また、診断装置１は、物理インタフェースＥを介して入力された電気信号から得られるデータの構造を、所定の標準形式に変換するデータ構造変換部として、ソフトウェアインタフェースＳを備えている。
なお、ソフトウェアインタフェースＳによるデータフォーマットの変換は、ＣＰＵ１０が行ってもよい。データ構造変換部には、ＥｔｈｅｒＮｅｔ／ＩＰ、ＥｔｈｅｒＣＡＴ（登録商標）、ＯＰＣ等のプロトコル間で相違を変換する仕組み、及び通信で得られたデータの中から、同じ意味のデータの単位系を揃えたり、同じ意味のデータを集めたりするソフトウェアモジュールが含まれている。

物理インタフェースＥ及びソフトウェアインタフェースＳは、双方向に変換が可能である。診断装置１から加工に関する情報及び診断結果等を加工機２へ戻し、加工機２は、この診断結果に応じて加工を補正することもできる。また、測定器３は、測定に関する情報及び測定結果に関する情報を診断装置１から取得し測定方法に反映することができる。

ＣＰＵ１０は、収集部１０１と、特徴抽出部１０２と、判定部１０３と、出力部１０４とを備える。これらの各機能部は、記憶部１１に記憶された診断プログラムをＣＰＵ１０が実行することにより実現する。

収集部１０１は、物理インタフェースＥ及びソフトウェアインタフェースＳを介して、加工機２の運転時に出力された機械データを、サンプリングタイムと共に加工機２から収集する。
また、収集部１０１は、加工機２により加工された部品を測定した測定データをさらに、物理インタフェースＥ及びソフトウェアインタフェースＳを介して測定器３から収集する。
このとき、サンプリングタイム毎の機械データと測定データとは、加工時の座標値により対応付けられ、記憶部１１に記憶される。

特徴抽出部１０２は、収集した機械データ及び測定データを、別途ユーザから入力された加工不良の要因別に分類し、この要因別に機械データ及び測定データの集合から特徴量を抽出する。

判定部１０３は、加工機２による実加工時に出力される機械データ、及び加工後の測定データの特徴量を、要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する。

出力部１０４は、判定部１０３による判定結果を要因別に、加工機２による加工の進捗状況と共に更新して出力する。
出力部１０４は、複数の加工機２それぞれに対する判定部１０３による判定結果の全体を、加工の進捗状況と共に更新して出力してもよい。
なお、出力データは、診断装置１が備える通信インタフェースを介して、クライアント端末４に送信される。

図２は、本実施形態に係る加工機２の制御装置が備える主要機能の構成を示すブロック図である。
加工機２は、加工パスを制御するＣＮＣ（Ｃｏｍｐｕｔｅｒｉｚｅｄ Ｎｕｍｅｒｉｃａｌ Ｃｏｎｔｒｏｌ）用ＣＰＵ２１と、サーボ用ＣＰＵ２２とを備えている。サーボ用ＣＰＵ２２は、電流制御部２２１へ指令し、アンプ２２２を介してサーボモータ２２３を制御する。

また、加工機２は、データ収集のため、高速バス２０を介してサーボ用ＣＰＵと同じ周期で動作する測定用ＣＰＵ２３を備えている。測定用ＣＰＵ２３は、サーボ用ＣＰＵ２２と同じ周期で動作するので、位置データ、速度指令データ、電流データ、モータ２２３に設けられたパルスコーダ２２４により測定される位置帰還データ、サーボ用ＣＰＵ２２で計算される外乱負荷トルクデータ等を、サーボ用ＣＰＵ２２の動作周期に同期して収集できる。
収集されたデータは、サンプリングタイムと共に測定記憶部２３１に蓄積される。

さらに、測定用ＣＰＵ２３は、デジタルアナログ変換部２３２及び入出力インタフェース２３３を備え、サーボ用ＣＰＵ２２の動作周期に同期して、外付けされたセンサの信号、及び外部装置からの情報を取り込むことができる。なお、測定用ＣＰＵ２３を含む機能部は、加工機２の制御装置に内蔵されてもよいし、ユニット化した機能部として外部接続されてもよい。

なお、図２には、１つのサーボモータ構成が図示してあるが、機械用途に応じて、制御装置は、複数のサーボモータ構成を含んでもよい。また、複数のサーボモータ構成のデータを１つの測定用ＣＰＵ２３が計測してもよいし、測定用ＣＰＵ２３は、サーボモータ構成毎に取り付けられていてもよい。

図３は、本実施形態に係る測定器３の制御装置が備える主要機能の構成を示すブロック図である。
３次元測定器等の測定器３は、全体制御用のメインＣＰＵ３１の他、加工機２と同様に、空間を動作する機構を制御するためにサーボ用ＣＰＵ３２を備えている。
また、測定器３は、データ収集のため、測定用ＣＰＵ３３を備え、さらに、非接触のセンサのデータを入手するデジタルアナログ変換部３３１、及び外部装置との入出力インタフェース３３２等を備えてもよい。

なお、図３には、１つのサーボモータ構成が図示してあるが、機械用途に応じて、制御装置は、複数のサーボモータ構成を含んでもよい。また、複数のサーボモータ構成のデータを１つの測定用ＣＰＵ３３で計測してもよいし、測定用ＣＰＵ３３は、サーボモータ構成毎に取り付けられていてもよい。

図４は、本実施形態に係る加工不良の要因を含む検査結果の入力画面を例示する図である。
この入力画面は、診断装置１又はクライアント端末４において表示され、個々の加工が終了し、検査員が加工された部品を測定器等により検査した結果が入力される。
例えば、加工番号によって識別される加工実績それぞれについて、検査日時と、加工不良の有無、及び加工不良の要因とが入力される。入力されたデータは、加工番号をキーとして、機械データ及び測定データに紐付けて記憶部１１に記憶される。

加工される部品によっては、全数検査ではなく抜き取り検査の場合もある。抜き取り検査の場合、検査対象とした加工実績に対する機械データに加えて、実際に検査をしていない機械データが、検査結果及び測定データと対応付けて保存されてもよい。

図５は、本実施形態に係る記憶部１１に格納されるデータベースの構成例を示す図である。
一般に機械加工では、加工後、測定検査までに時間を要するため、工場内でのトレーサビリティを確保することが難しい。本実施形態では、個々の加工実績を識別するために加工番号が利用される。加工番号は、部品の加工実績の識別の他、電子タグ等により加工後の組み立て、完成品、出荷後の製品の管理にも利用される。

データベースには、加工番号に紐づけて、加工部品名及び部品番号と、加工プログラムと、測定プログラムと、診断方法と、利用する工具、ワーク及び機械の情報と、その他、素材入手日、加工日、検査日、組み立て日等の情報とが記憶される。

さらに、診断装置１の特徴抽出部１０２による分析機能がクライアント端末４における入力画面から利用できる。例えば、画面上の「分析開始」が選択されると、特徴抽出部１０２は、加工番号別に設定された加工不良の要因毎に、各要因のデータエリアに蓄積されたデータの特徴量を抽出し、各要因の特徴量として記憶部１１に記憶する。

また、診断装置１の判定部１０３による不良判定機能がクライアント端末４の入力画面から利用できる。例えば、画面上の「不良判定」が選択されると、判定部１０３は、加工不良の要因毎に記憶された特徴量と、加工中及び測定中にそれぞれ送られてくる機械データ及び測定データとを比較し、合致度の高い不良要因を判定する。この判定結果は、クライアント端末４に送信され、画面表示される。

ここで、加工不良の要因は、例えば、人的要因、工具要因、治具要因、ワーク要因、機械要因に分類される。
人的要因は、例えば、オフセットデータの誤設定を含む。オフセットデータが誤設定されると加工量が変わってしまうため、位置によっては即座に加工を停止し、設定を正しく直した後に再加工する必要がある。

工具要因は、工具の摩耗に関する。切削油が不足している場合、又は加工速度が速い場合、工具にかかる負荷が増大し、工具の摩耗が促進される。工具の摩耗が加工精度の公差範囲であれば、次回の加工時までに工具の交換をする等の対策がとれる。工具要因は、加工中の異音若しくは振動、又は加工物の全体的な精度不良等により判別できる場合がある。

治具要因は、ワークの固定不良、又は治具が備えている駆動装置の故障に関する。治具要因は、加工中の異音、又は治具の取り付け方向に関する加工物の精度不良等により判別できる場合がある。

ワーク要因は、鋳物の中に巣がある等の場合であり、目視で確認できる場合がある。

機械要因は、駆動軸のボールスクリュー若しくはベアリング、又はリニアガイドの摩耗等を含む。機械要因は、駆動軸方向の摩耗部分における加工精度不良等により判別できる場合がある。

次に、機械データ及び測定データにおける加工不良の要因別の特徴量及び加工状況の診断方法について、具体的に例示する。

［収集される機械データ］
収集部１０１は、加工機２の実際の稼働状況に関する機械データを、所定のサンプリング周期で時刻情報と共に取得する。
機械データは、例えば、主軸及び送り軸のモータ制御データ等であり、電流又は電圧の指令値及び実測値、位置（座標値）の指令値及び実測値、位置帰還データ、速度の指令値及び実測値、トルクの指令値及び実測値等を含む。

［機械データから抽出される特徴量］
例えば、加工不良と判定された加工実績についての、負荷トルクの実測値、実効電流、及び位置の実測値の所定のサンプリング期間での時系列データと、正常時における同種の時系列データとが比較される。
比較結果である偏差の集合から、最大値、最小値、平均値、二乗和等の統計値が要因毎の特徴量として抽出される。

例えば、要因別に、以下の特徴量が推定される。
人的要因の場合、他の要因に比べて、位置の実測値に関する偏差が異なる。
工具要因の場合、他の要因に比べて、負荷トルクの実測値に関する偏差が異なる。
治具要因の場合、他の要因に比べて、取り付け方向の位置の実測値に関する偏差が異なる。
ワーク要因の場合、鋳物の中にある巣の大きさに応じて、切削時の負荷トルクの実測値が瞬間的に変化する。
機械要因の場合、他の要因に比べて、駆動軸方向の位置の実測値に関する偏差が異なる。

［収集される測定データ］
収集部１０１は、加工寸法の測定データに含まれる位置データを、所定の測定間隔毎に取得する。
このとき、加工時のサンプリングタイム毎の機械データと、加工後の測定間隔毎の測定データとが、両者の位置の実測値又は代表値（例えば、指令値若しくは理論値）等により対応付けられる。これにより、所定の測定区間において同期された位置情報が機械データ及び測定データの双方から得られる。

［測定データから抽出される特徴量］
例えば、加工不良と判定された加工実績についての、所定の測定間隔毎の加工寸法の測定データにおける位置データと、正常時における同種の位置データの代表値（例えば、理論値、平均値又は公差の中心値等）とが比較される。
比較結果である偏差の集合から、最大値、最小値、平均値、二乗和等の統計値が要因毎の特徴量として抽出される。

［組み合わせの特徴量］
機械データと測定データとは、前述のように互いに対応付けられ、同じ位置に対して機械データの特徴量と、測定データの特徴量とがそれぞれ抽出される。
これらの特徴量は、組み合わされ、統合した特徴量が算出されてもよい。例えば、機械データ及び測定データを空間の移動量毎の連続データとして、主成分分析を行うことができる。主成分分析により、測定データの動きと機械データの動きとにより構成される要因空間において、不良要因について分析することで、不良要因別の特徴量としての要因空間が得られる。

［加工状況の診断方法］
加工不良の要因毎に、抽出された特徴量に関する閾値が設定される。判定部１０３は、加工実行中に取得した機械データ、又は加工後に取得した機械データ又は測定データから、この閾値を上回る又は下回る統計値が得られた場合に、加工状況が異常であり加工不良が発生していること、及び加工不良の要因を判定する。

図６は、本実施形態に係る診断方法に用いる測定データを例示する図である。
一般的に、測定器３による検査項目は設計段階で決められており、三次元の加工では加工開始原点及び検査原点を決めることで、加工前のワーク及び加工後のワークの座標系が対応付けて管理される。

この図は、部品の真円度の測定例である。真円度の不良としては、ボールスクリューの回転方向が逆転する際に発生する象限突起が挙げられる。このような加工に対しては、全周の検査は必要なく、象限突起が発生する位置に近い部分（例えば、図の４区間）のみを検査することで、検査時間が短縮される。

また、機械データ又は測定データから加工不良の要因別の特徴量を抽出する方法として、主成分分析を利用することもできる。例えば、測定データを第一主成分としたときに、第２、第３、・・・、第ｎ主成分となるデータの変化を特徴量としてもよい。
この他、中心値からの変動傾向（上昇傾向若しくは下降傾向）、又はＦＦＴ（Ｆａｓｔ Ｆｏｕｒｉｅｒ Ｔｒａｎｓｆｏｒｍ）により得られる固有周波数等を特徴量としてもよい。
これらの特徴量と、収集された機械データ及び測定データとの合致度に基づいて、加工不良の要因が判定される。

図７は、本実施形態に係る診断結果の表示画面を例示する図である。
この例では、加工番号と共に、加工中の部品名、加工の所要時間、現在までの加工時間が表示され、また、現在の診断結果として、正常度と、加工不良の要因別の判定状況が表示されている。

正常度は、加工実績全体のうち、加工不良と判定されず正常に加工が完了した部品の割合、あるいは、分析の期間中に正常と判定された回数の割合を示す。この正常度には、限界値が設定され、この限界値を下回った場合に警告が出力される。

要因別の判定状況は、加工不良と判定された部品の割合、あるいは、分析の期間中に不良と判定された回数の割合を示す。この要因別の判定状況には、共通の又は要因別の閾値が設定され、閾値を上回った場合に警告が出力される。

また、加工不良の分析手法が選択されてもよい。例えば、「１．主成分分析、２．ＦＦＴ、３．傾向分析、４．複合」のような選択肢から選択される。
なお、複合が選択された場合、診断装置１は、「１＋２＋３」のように番号指定を受け付け、分析手法別に又は複数の分析手法を統合した結果を表示する。

図８は、本実施形態に係る診断結果を含む監視画面を例示する図である。
この例では、工場全体の加工機２それぞれに対して、加工番号と名称、正常か否かを示す加工状況、加工の進捗割合、異常検出の有無が表示されている。表示項目は、これらに限定されず、図７で例示した診断結果の他、各種のデータが表示可能である。

本実施形態によれば、診断装置１は、加工不良の要因別に収集した機械データから特徴量を抽出し、加工時の機械データの特徴量と比較することにより、合致度に基づいて加工不良の要因を判定する。したがって、診断装置１は、過去の加工実績と比較することで加工不良の要因を容易に特定できる。この結果、加工不良の早期発見が可能となり、また、効率的に要因毎の対策が可能となるため、加工効率が向上する。

また、診断装置１は、機械データに加えて、測定器３による測定データをさらに収集し、加工不良の要因別に特徴量を抽出することで、要因の判定に利用する。したがって、診断装置１は、より多くの情報に基づいて判定精度を向上できる。
このとき、診断装置１は、機械データと測定データとを、加工時の座標値により対応付けるので、両データを正しく関連付けて判定精度を向上できる。

診断装置１は、電気信号を標準信号に変換することで機械データ及び測定データを収集するので、複数の加工機２及び測定器３から入力される各種仕様の信号を同様に扱い、多種のデータを効率的に収集できる。
さらに、診断装置１は、収集されるデータの構造を標準形式に変換するので、各種形式のデータを同様に扱い、多種のデータを効率的に収集できる。

診断装置１は、加工不良の有無及び要因の判定結果を、加工不良の要因別に、加工の進捗状況と共に更新して出力するので、ユーザは、加工中に発生した異常を早期に発見でき、さらに、加工不良の要因を容易に特定できる。

また、診断装置１は、複数の加工機２のそれぞれに対する判定結果を、加工の進捗状況と共に更新して一覧出力するので、ユーザは、工場全体での加工状況を容易に監視でき、加工不良の発生を効率的に発見できる。

以上、本発明の実施形態について説明したが、本発明は前述した実施形態に限るものではない。また、本実施形態に記載された効果は、本発明から生じる最も好適な効果を列挙したに過ぎず、本発明による効果は、本実施形態に記載されたものに限定されるものではない。

診断装置１は、ネットワークを介して複数の加工機２及び測定器３と接続されてよい。また、診断装置１の特徴抽出部１０２又は判定部１０３等、各機能部は、ネットワーク上の複数の装置に分散されてもよい。
また、特徴抽出部１０２及び判定部１０３による分析機能は、分析手法によって複数設けられてもよく、これらが複数の装置に分散配置されてもよい。この場合、複数の分析機能が選択的に利用され、分析結果がクライアント端末４に提供される。

診断装置１による診断方法は、ソフトウェアにより実現される。ソフトウェアによって実現される場合には、このソフトウェアを構成するプログラムが、コンピュータ（診断装置１）にインストールされる。また、これらのプログラムは、リムーバブルメディアに記録されてユーザに配布されてもよいし、ネットワークを介してユーザのコンピュータにダウンロードされることにより配布されてもよい。

Ｅ 物理インタフェース（信号変換部）
Ｓ ソフトウェアインタフェース（データ構造変換部）
１ 診断装置
２ 加工機
３ 測定器
４ クライアント端末
１０ ＣＰＵ
１１ 記憶部
１０１ 収集部
１０２ 特徴抽出部
１０３ 判定部
１０４ 出力部

Claims (9)

1. 加工機の運転時に出力された機械データを収集する収集部と、
   入力された加工不良の要因別に前記機械データを分類し、当該要因別に前記機械データの集合から特徴量を抽出する特徴抽出部と、
   前記加工機による実加工時に出力される前記機械データの特徴量を、前記要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する判定部と、を備える診断装置。
2. 前記収集部は、前記加工機により加工された部品を測定した測定データをさらに収集し、
   前記特徴抽出部は、前記測定データを前記要因別に分類し、当該要因別に前記機械データ及び前記測定データの集合から特徴量を抽出し、
   前記判定部は、前記加工機による実加工時に出力される前記機械データ、及び加工後の前記測定データの特徴量を、前記要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する請求項１に記載の診断装置。
3. 前記機械データ及び前記測定データは、加工時の座標値により対応付けられる請求項２に記載の診断装置。
4. 前記収集部により収集されるデータが伝送される電気信号を、所定の標準信号に変換する信号変換部を備える請求項１から請求項３のいずれかに記載の診断装置。
5. 前記収集部により収集されるデータの構造を、所定の標準形式に変換するデータ構造変換部を備える請求項１から請求項４のいずれかに記載の診断装置。
6. 前記判定部による判定結果を前記要因別に、加工の進捗状況と共に更新して出力する出力部を備える請求項１から請求項５のいずれかに記載の診断装置。
7. 複数の前記加工機それぞれに対する前記判定部による判定結果の全体を、加工の進捗状況と共に更新して出力する出力部を備える請求項１から請求項５のいずれかに記載の診断装置。
8. 加工機の運転時に出力された機械データを収集するデータ収集ステップと、
   入力された加工不良の要因別に前記機械データを分類し、当該要因別に前記機械データの集合から特徴量を抽出する特徴抽出ステップと、
   前記加工機による実加工時に出力される前記機械データの特徴量を、前記要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する判定ステップと、をコンピュータが実行する診断方法。
9. 加工機の運転時に出力された機械データを収集するデータ収集ステップと、
   入力された加工不良の要因別に前記機械データを分類し、当該要因別に前記機械データの集合から特徴量を抽出する特徴抽出ステップと、
   前記加工機による実加工時に出力される前記機械データの特徴量を、前記要因別の特徴量と比較し、合致度に基づいて加工不良の要因を判定する判定ステップと、をコンピュータに実行させるための診断プログラム。

Images