JP2020177378A - 異常予兆検知装置及び異常予兆検知方法 - Google Patents
異常予兆検知装置及び異常予兆検知方法 Download PDFInfo
- Publication number
- JP2020177378A JP2020177378A JP2019078282A JP2019078282A JP2020177378A JP 2020177378 A JP2020177378 A JP 2020177378A JP 2019078282 A JP2019078282 A JP 2019078282A JP 2019078282 A JP2019078282 A JP 2019078282A JP 2020177378 A JP2020177378 A JP 2020177378A
- Authority
- JP
- Japan
- Prior art keywords
- measurement data
- data set
- principal component
- processing unit
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
Description
特に、好ましくは、前記凝集型階層的クラスタリングによる処理は、グループ化した場合に前記次元削減データセットの分散の増分が最小となる二つのクラスタを、一つにグループ化する処理を、繰り返し実行し、前記複数のグループに分類する処理である。回転装置は、例えば潤滑油の減少によって状態が徐々に変化する。このように、経時的に回転装置の状態が変化する場合、計測データの傾向に所定の流れが発生する。このような場合に、前記の凝集型階層的クラスタリングによる処理によれば、所望のグループにうまく分類される。
図1は、異常予兆検知の対象となる回転装置の一例を示す説明図である。本開示の回転装置は、工作機械の主軸51を支持する主軸装置50である。異常予兆検知装置10(以下、「検知装置10」と称する。)は、主軸装置50の異常予兆を検知する。
以上の構成を備える検知装置10が行う異常予兆検知方法(以下、「検知方法」と称する。)について説明する。図8及び図10は検知方法を示すフロー図である。検知方法には、学習工程と運用工程とが含まれる。学習工程には、計測ステップ(図8のステップS1−0〜S1−3、S1−5)と、入力ステップ(図8のステップS1−4)と、分析ステップ(図8のステップS2−1)と、分類ステップ(図8のステップS2−2、S2−3)とが含まれる。運用工程には、学習工程と同様の計測ステップ及び入力ステップ(図10のステップS11)との他に、変換ステップ(図10のステップS12)と、判定ステップ(図10のステップS13)とが含まれる。以下、各ステップについて順に説明する。
検知装置10は、学習データの収集を開始する(図8のステップS1−0)。前記学習データとは、動作条件データが紐付けられた計測データセットである。検知装置10は、計測データセットを取得すると共に(ステップS1−1)、動作条件データを取得する(ステップS1−2)。
運用工程では、前記学習済情報を用いて、ワークを実際に加工する工作機械における主軸装置50の異常予兆の検知が行われる。前記のとおり、動作条件データ毎に学習済情報は取得されている。このため、ここで用いられる学習済情報は、ワークを実際に加工する主軸装置50の動作条件(動作条件データ)と一致するものである。図10は、運用工程を示すフロー図である。
以上より、本開示の検知方法には、計測ステップと、入力ステップと、分析ステップと、分類ステップとが含まれる。計測ステップ(図8のステップS1−0〜S1−3、S1−5)では、主軸装置50の状態がセンサ42〜48によって計測され、計測データが取得される。入力ステップ(図8のステップS1−4)では、計測ステップで取得された少なくとも三種類(本開示では七種類)の計測データを含む計測データセットが、演算装置20に複数(多数)入力される。分析ステップ(図8のステップS2−1、S2−2)では、複数(多数)の計測データセットを対象として主成分分析が行われる。これにより、次元削減データセットが生成される。分類ステップ(図8のステップS2−3)では、生成された次元削減データセットをクラスタリング処理する。これにより、次元削減データセットが、前記主成分分析の第一主成分軸に沿って区画される複数のグループ(本開示では三つのグループG1,G2,G3)に分類される。
前記実施形態では、主成分分析によって、計測データの成分数が減じられる。本開示では、七成分が二成分に減じられている。本開示では、視覚的にわかりやすいため、二次元で説明されている。二次元とする点は例示であり、計測データの種類の数よりも少ない成分に減らされればよい。
13:分析処理部 14:分類処理部 15:変換処理部
16:判定処理部 20:演算装置 41〜48:センサ
50:主軸装置(回転装置) G1,G2,G3:グループ
Claims (7)
- 回転装置の状態を計測するセンサを有し、当該センサによる計測データを取得する計測部と、
前記計測部が取得する少なくとも三種類の前記計測データを含む計測データセットを入力可能な入力部と、
複数の前記計測データセットを対象として主成分分析を行うことにより次元削減データセットを生成する分析処理部と、
前記次元削減データセットをクラスタリング処理することによって前記主成分分析の第一主成分軸に沿って区画される複数のグループに分類する分類処理部と、
を備える、異常予兆検知装置。 - 前記入力部に入力される新たな前記計測データセットを、前記主成分分析で用いられたパラメータに基づいて、前記第一主成分軸についての合成変数データに変換する変換処理部と、
前記合成変数データが、前記分類処理部によって分類された前記複数のグループの内のどのグループに含まれるかを判定する判定処理部と、
を更に備える、請求項1に記載の異常予兆検知装置。 - 前記判定処理部は、前記グループを区画する境界を示す境界情報と、前記合成変数データとを照合することによって、当該合成変数データが、前記分類処理部によって分類された前記複数のグループの内のどのグループに含まれるかを判定する、請求項2に記載の異常予兆検知装置。
- 前記クラスタリング処理は、凝集型階層的クラスタリングによる処理である、請求項1〜3のいずれか一項に記載の異常予兆検知装置。
- 前記凝集型階層的クラスタリングによる処理は、グループ化した場合に前記次元削減データセットの分散の増分が最小となる二つのクラスタを、一つにグループ化する処理を、繰り返し実行し、前記複数のグループに分類する処理である、請求項4に記載の異常予兆検知装置。
- 回転装置の状態をセンサによって計測し、計測データを取得する計測ステップと、
前記計測ステップで取得される少なくとも三種類の前記計測データを含む計測データセットが、演算装置に入力される入力ステップと、
前記演算装置が、複数の前記計測データセットを対象として主成分分析を行うことにより次元削減データセットを生成する分析ステップと、
前記演算装置が、前記次元削減データセットをクラスタリング処理することによって、前記主成分分析の第一主成分軸に沿って区画される複数のグループに分類する分類ステップと、
を含む、異常予兆検知方法。 - 前記演算装置に入力される新たな前記計測データセットを、前記主成分分析で用いられたパラメータに基づいて、前記第一主成分軸についての合成変数データに変換する変換ステップと、
前記合成変数データが、前記分類ステップで分類された前記複数のグループの内のどのグループに含まれるかを判定する判定ステップと、
を更に含む、請求項6に記載の異常予兆検知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019078282A JP2020177378A (ja) | 2019-04-17 | 2019-04-17 | 異常予兆検知装置及び異常予兆検知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019078282A JP2020177378A (ja) | 2019-04-17 | 2019-04-17 | 異常予兆検知装置及び異常予兆検知方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2020177378A true JP2020177378A (ja) | 2020-10-29 |
Family
ID=72937193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019078282A Pending JP2020177378A (ja) | 2019-04-17 | 2019-04-17 | 異常予兆検知装置及び異常予兆検知方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2020177378A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI768606B (zh) * | 2020-12-18 | 2022-06-21 | 日月光半導體製造股份有限公司 | 感測器監測系統及方法 |
CN115824519A (zh) * | 2023-02-14 | 2023-03-21 | 中国海洋大学 | 基于多传感器信息融合的阀门泄露故障综合诊断方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012137934A (ja) * | 2010-12-27 | 2012-07-19 | Hitachi Ltd | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム並びに企業資産管理・設備資産管理システム |
JP2013218725A (ja) * | 2013-06-19 | 2013-10-24 | Hitachi Ltd | 異常検知方法及び異常検知システム |
JP2015088078A (ja) * | 2013-11-01 | 2015-05-07 | 株式会社日立パワーソリューションズ | 異常予兆検知システム及び異常予兆検知方法 |
JP2017188030A (ja) * | 2016-04-08 | 2017-10-12 | ファナック株式会社 | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム |
-
2019
- 2019-04-17 JP JP2019078282A patent/JP2020177378A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012137934A (ja) * | 2010-12-27 | 2012-07-19 | Hitachi Ltd | 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム並びに企業資産管理・設備資産管理システム |
JP2013218725A (ja) * | 2013-06-19 | 2013-10-24 | Hitachi Ltd | 異常検知方法及び異常検知システム |
JP2015088078A (ja) * | 2013-11-01 | 2015-05-07 | 株式会社日立パワーソリューションズ | 異常予兆検知システム及び異常予兆検知方法 |
JP2017188030A (ja) * | 2016-04-08 | 2017-10-12 | ファナック株式会社 | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI768606B (zh) * | 2020-12-18 | 2022-06-21 | 日月光半導體製造股份有限公司 | 感測器監測系統及方法 |
CN115824519A (zh) * | 2023-02-14 | 2023-03-21 | 中国海洋大学 | 基于多传感器信息融合的阀门泄露故障综合诊断方法 |
CN115824519B (zh) * | 2023-02-14 | 2023-05-12 | 中国海洋大学 | 基于多传感器信息融合的阀门泄露故障综合诊断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108227634B (zh) | 机器学习装置、cnc装置以及机器学习方法 | |
JP6140331B1 (ja) | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム | |
Čuš et al. | Real-time cutting tool condition monitoring in milling | |
CA2969414C (en) | Apparatus and method for monitoring a device having a movable part | |
Kannatey-Asibu et al. | Monitoring tool wear using classifier fusion | |
KR102069266B1 (ko) | 진단 장치, 컴퓨터 프로그램, 및 진단 시스템 | |
Prickett et al. | An overview of approaches to end milling tool monitoring | |
JP3553982B2 (ja) | 自動化された金属切削機械における切削工具の寿命を予測するシステム | |
US8793103B2 (en) | Method and system for detection of machine operation state for monitoring purposes | |
US20170235857A1 (en) | Model based system monitoring | |
CN109655200B (zh) | 一种风力发电机组风轮不平衡的诊断方法及系统 | |
JP2018119924A (ja) | 診断装置 | |
Patange et al. | Review on tool condition classification in milling: A machine learning approach | |
JP2020177378A (ja) | 異常予兆検知装置及び異常予兆検知方法 | |
CN108427374A (zh) | 诊断用数据取得系统、诊断用系统以及计算机可读介质 | |
Yao et al. | Real-time chatter detection and automatic suppression for intelligent spindles based on wavelet packet energy entropy and local outlier factor algorithm | |
Bai et al. | Real-time tool breakage monitoring based on dimensionless indicators under time-varying cutting conditions | |
KR102433483B1 (ko) | 진동 센서를 통한 설비 예지 보전 시스템 | |
Elbestawi et al. | Tool condition monitoring in machining | |
Wasif et al. | Application of multi-fuzzy system for condition monitoring of liquid filling machines | |
JP2018120406A (ja) | 状態監視方法および状態監視装置 | |
WO2022064038A1 (en) | Method and system for wind speed determination using vibration data | |
Kohlheb et al. | Embedded autoencoder-based condition monitoring of rotating machinery | |
CN116324193A (zh) | 机器学习装置、滑动面诊断装置、推论装置、机器学习方法、机器学习程序、滑动面诊断方法、滑动面诊断程序、推论方法及推论程序 | |
McLeay | Unsupervised monitoring of machining processes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220309 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221031 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230418 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20231010 |