JP2021056880A - 診断装置及び診断方法 - Google Patents
診断装置及び診断方法 Download PDFInfo
- Publication number
- JP2021056880A JP2021056880A JP2019180670A JP2019180670A JP2021056880A JP 2021056880 A JP2021056880 A JP 2021056880A JP 2019180670 A JP2019180670 A JP 2019180670A JP 2019180670 A JP2019180670 A JP 2019180670A JP 2021056880 A JP2021056880 A JP 2021056880A
- Authority
- JP
- Japan
- Prior art keywords
- information
- unit
- target machine
- detection
- physical quantity
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/50—Machine tool, machine tool null till machine tool work handling
- G05B2219/50276—Detect wear or defect tool, breakage and change tool
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/50—Machine tool, machine tool null till machine tool work handling
- G05B2219/50308—Estimate wear from machining data and conditions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Mathematical Analysis (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Numerical Control (AREA)
Abstract
Description
まず、本実施形態の概略を説明する。本実施形態では、診断装置は、複数の機械装置の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を複数の機械の各々から取得する。また、診断装置は、対象機械及び他の機械装置の各々の動作に応じて変化する対象機械及び他の機械装置の各々の物理量を、対象機械及び他の機械装置に配置された検知部により検知された検知情報として取得する。診断装置は、取得されたコンテキスト情報と対象機械及び他の機械装置の各々の検知情報とに基づいて、対象機械の物理量情報と他の機械装置の物理量情報とを切り分ける。診断装置は、切り分けられた対象機械の物理量情報のうち、対象機械のコンテキスト情報が示す特定の動作区間を含む区間の物理量情報の特徴を示す特徴情報を抽出し、抽出された特徴情報と、取得されたコンテキスト情報に対応するモデルとに基づいて、対象機械の動作が正常であるか否かを判定する。
以上が本実施形態の概略である。
図1は、一実施形態に係る診断システム1の全体構成を示すブロック図である。診断システム1は、診断装置100、及びn個の機械装置200(1)−200(n)から構成される(nは、2以上の整数である)。
なお、診断装置100は、いずれかの機械装置200(1)−200(n)に含まれる後述の制御装置210に含まれてもよい。
以下、機械装置200(1)−200(n)のそれぞれを個々に区別する必要がない場合、これらをまとめて「機械装置200」ともいう。
機械装置200は、例えば、工作機械やロボット、周辺装置等である。なお、機械装置200は、工作機械やロボット、周辺装置に限定されず、産業装置全般に広く適用することができる。産業装置とは、例えば、工作機械、産業用ロボット、サービス用ロボット、鍛圧機械及び射出成形機といった様々な機械を含む。
また、周辺装置には、ローダ、フィーダ、ベルトコンベア、自動搬送車(AVG)、ロボット、クレーン等の搬送装置、及びエアコンプレッサ、冷却媒体(切削液を含む)又は潤滑剤供給用ポンプ等の流体供給装置が含まれる。また、周辺装置には、加熱装置、冷却装置、プレス機、圧入装置、振動装置が含まれる。また、周辺装置には、チップコンベア、ミストコレクタ等の切粉/排出物回収装置、エアコン、加湿器、除湿器、換気装置等の建屋の温度/湿度調整装置、照明装置、及び表示装置が含まれる。
また、図1に示すように、機械装置200は、制御装置210、及び検知部220を有する。
また、制御装置210は、機械装置200の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を診断装置100に送信する。
ここで、コンテキスト情報とは、機械装置200の動作の種類毎に複数定められた情報である。コンテキスト情報は、例えば、機械装置200の識別情報、機械装置200に含まれる駆動部(図示しない)の識別情報(例えば、工具の識別情報等)、図示しない駆動部に駆動される工具の径、及び工具の材質等のコンフィギュレーション情報、並びに、図示しない駆動部に駆動される工具の動作状態、図示しない駆動部の使用開始からの累積使用時間、図示しない駆動部に係る負荷、図示しない駆動部の回転数、図示しない駆動部の加工速度等の加工条件の情報等を示す情報である。
また、コンテキスト情報には、機械装置200の装置パラメータ、設定温度等の設定値変更を行った担当者の操作者情報が含まれてもよい。
また、コンテキスト情報には、機械装置200の保守情報が含まれてもよい。保守情報には、例えば、部品(工具やフィルタ等の消耗品を含む)の交換記録、切削液(クーラント)の交換記録/濃度やpH等の調整記録/補充記録、機械装置200の水平出しや各種精度等の調整記録が含まれてもよい。また、保守情報には、潤滑油、グリス等の潤滑剤供給記録(自動供給用のオイルポンプの動作記録含む)、堆積した切粉、切削液汚れ、潤滑油汚れ、切削液供給装置の詰まり等の清掃記録、建屋のエア供給設備、温調機、換気装置の保守情報(清掃含む)が含まれてもよい。
なお、検知部220の個数は任意である。例えば、同一の物理量を検知する複数の検知部220が設置されてもよく、相互に異なる物理量を検知する複数の検知部220が設置されてもよい。
また、検知部220は、電流、電圧、電力、電気抵抗の物理量を検知する場合、電流計、電圧計、電力計、電気抵抗計を用いることができる。また、検知部220は、光や電磁波の強度/分布/スペクトルの物理量を検知する場合、光センサ、画像センサ、ガウスメータ等を用いることができる。また、検知部220は、化学変化量(pH、臭気、気体/イオンの濃度等)の物理量を検知する場合、pH濃度計、臭気センサ、ガスセンサ、イオン濃度計等を用いることができる。
これらの検知部220は、機械装置200に設置されたもののほか、機械装置200が配置された建屋に直接設置されたものを用いてもよい。例えば、工場の建屋内に設置した集音装置を用いて物理量を検知してもよい。
例えば、機械装置200がロボットや自動搬送装置等の場合、ロボットのアームや手先、自動搬送装置等の移動手段に非接触式の検知部220を配置することにより、検知部220の位置、及び検知方向を変化させることができる。これにより、非接触式の検知部220は、接触式の検知部220が配置不可能な箇所の物理量も検知することが可能となる。
図2は、対象機械200(1)の一例として工作機械を想定し、ロボットの先端に配置された非接触式の検知部220を用いて、工作機械の物理量情報を取得する一例である。例えば、工作機械の回転工具先端の物理量情報を取得したい場合、接触式の検知部220は回転工具に取り付けることができない。一方、図2の例では、ロボットが姿勢を変化させて非接触式の検知部220を前述の回転工具先端に向けることで、回転工具先端の振動情報を取得することが可能となる。
また、非接触式の検知部220は、工具近傍以外の物理量(機械装置200そのものの振動等)、機械装置200本体以外の物理量(床の振動等)も同一の検知部で検知することができる。
こうすることで、ロボットや自動搬送装置等の機械装置200に非接触式の検知部220を配置することにより、検知部220の設置箇所の変更作業の工数やコストを大幅に削減することができ、対象機械200における異常の検知を高精度に行えることができる。
さらに、非接触式の検知部220と移動手段とがあることで、検知部220の設置箇所の変更作業の工数やコストを大幅に削減することができる。また、例えば、機械装置200に配置された据え置き型の検知部220と、ロボット等の移動手段に配置された可動型の非接触式の検知部220とに特定箇所を同時に測定させることにより、検知部220の動作確認を行うことができる。
図3に示すように、診断装置100は、制御部110、及び通知部130を有する。さらに、制御部110は、コンテキスト情報取得部111、検知情報取得部112、検知情報切り分け部113、特徴情報抽出部114、記憶部115、生成部116、異常判定部117、動作制限指令出力部118、及び通知制御部119を有する。また、特徴情報抽出部114は、特徴抽出部1141、選択部1142、算出部1143、区間判定部1144、及び推定部1145を有する。
なお、通知部130の通知手段は特に限定しない。例えば、警告文又は画像データ等を診断装置100に接続された図示しない表示装置へ表示させることで通知を実施してもよい。その他、音声出力による通知、又はユーザの携帯端末や機械装置200への信号送信による通知等を実施してもよいものとする。
CPUは診断装置100を全体的に制御するプロセッサである。CPUは、ROMに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、前記システムプログラム及びアプリケーションプログラムに従って診断装置100全体を制御する。これにより、図3に示すように、制御部110が、コンテキスト情報取得部111、検知情報取得部112、検知情報切り分け部113、特徴情報抽出部114、記憶部115、生成部116、異常判定部117、動作制限指令出力部118、及び通知制御部119の機能を実現するように構成される。RAMには一時的な計算データや通知データ等の各種データが格納される。CMOSメモリは図示しないバッテリでバックアップされ、診断装置100の電源がオフされても記憶状態が保持される不揮発性メモリとして構成される。
例えば、コンテキスト情報取得部111は、前述の累積使用時間を機械装置200から取得せず、後述する診断装置100に含まれるキーボードやタッチパネル等の入力部(図示しない)を介したユーザの入力操作により取得されてもよい。ユーザの入力操作により取得されるコンテキスト情報は、累積使用時間に限られず、例えば、使用する工具の仕様の情報(工具の直径、刃数、材質、工具にコーティングが施されているか否か等)、加工対象の情報(材質等)の情報でもよい。
具体的には、検知情報取得部112は、例えば、対象機械200(1)の検知部220により検知された、対象機械200(1)自体が発した振動や音等の物理量と他の機械装置200(k)が発した振動や音等の物理量とが重畳した対象機械200(1)の検知情報を取得する。また、検知情報取得部112は、他の機械装置200(k)の検知部220により検知された、他の機械装置200(k)自体が発した振動や音等の物理量と対象機械200(1)が発した振動や音等の物理量とが重畳した他の機械装置200(k)の検知情報を取得する。検知情報取得部112は、取得した対象機械200(1)の検知情報、及び他の機械装置200(k)の検知情報を検知情報切り分け部113に出力する。
以下、図4Aから図4Dの検知情報(物理量情報)が示す振動の波形それぞれは、関数「f1(t)」、「fk(t)」、「F1(t)」、「Fk(t)」ともいう。tは振動の波形が検知された時刻を示す。
なお、図4Aから図4Dは、物理量が振動の場合の波形を示したが、振動以外の音等の物理量の場合も同様である。
具体的には、例えば、図4Aから図4Dに示した振動の各波形の検知情報(物理量情報)f1(t)、fk(t)、F1(t)、Fk(t)は、式(1)及び式(2)のように関係付けることができる。
f1(t)=a11×F1(t)+a1k×Fk(t)=F1(t)+a1k×Fk(t) (1)
fk(t)=ak1×F1(t)+akk×Fk(t)=ak1×F1(t)+Fk(t) (2)
ここで、係数a11は、対象機械200(1)の物理量情報に対する、対象機械200(1)の動作の影響度合いを示す重み付け係数であり、「1」である。係数a1kは、対象機械200(1)の物理量情報に対する、他の機械装置200(k)の動作の影響度合いを示す重み付け係数である。係数ak1は、他の機械装置200(k)の物理量情報に対する、対象機械200(1)の動作の影響度合いを示す。係数akkは、他の機械装置200(k)の物理量情報に対する、他の機械装置200(k)の動作の影響度合いを示し、「1」である。
これにより、検知情報切り分け部113は、式(1)及び式(2)から、係数a1k及び係数ak1を決定することができる。換言すれば、検知情報切り分け部113は、式(1)及び式(2)と、決定された係数a1k及び係数ak1とに基づいて、対象機械200(1)の物理量情報F1(t)と他の機械装置200(k)の物理量情報Fk(t)とに切り分けることができる。
F1(t)=F1m(t)+F1s(t) (3)
式(1)は、式(3)を代入することにより、式(4)のように表される。
f1(t)=F1m(t)+F1s(t)+a1k×Fk(t) (4)
そして、検知情報切り分け部113は、対象機械200(1)及び他の機械装置200(k)が加工を行う状態で対象機械200(1)の検知部220により検知される検知情報f1(t)から、記憶された検知情報F1s(t)+a1k×Fk(t)及び/又はF1s(t)との差分を計算する。これにより、検知情報切り分け部113は、物理量情報F1m(t)、F1s(t)、a1k×Fk(t)を切り分けることができる。
図5は、検知情報取得部112により取得された検知情報(物理量情報、センサデータ)、及びコンテキスト情報取得部111により取得されたコンテキスト情報のうち上述のラダー信号の一例を示す図である。図5に示すように、検知情報は、工具が加工対象に接触する前後の非加工区間を示す波形部分、及び工具が加工対象に接触して実際の加工処理を行っている加工区間を示す波形部分が含まれる。上述のように、例えば、対象機械200(1)は、工具の加工対象に対する送り動作から実際の加工処理が終了するまでの区間を示すためのON/OFF信号であるラダー信号をコンテキスト情報の一部として出力する。具体的には、対象機械200(1)は、例えば、工具による加工動作の開始時にラダー信号をONにし、工具を加工対象まで送り動作をさせ、実際の加工処理が終了したときにラダー信号をOFFにする。この場合、対象機械200(1)は、工具が加工対象に接触してからラダー信号をONさせているわけではない。このため、図5に示すように、ラダー信号がON状態となる区間(以下、「工具送り区間」ともいう)には、工具が加工対象に接触しない区間(例えば、工具を加工対象まで送り動作を行う区間)である非加工区間と、工具が加工対象に接触して加工処理を行う加工区間とが含まれる。さらに、工具送り区間(動作区間)ではない区間、すなわちラダー信号がOFF状態の区間は、非加工区間ということになる。この場合、加工条件等によっては加工対象と工具との距離が分からない等により、工具送り区間に基づいて加工区間を正確に判定することは困難である。また、対象機械200(1)の動作の異常判定の処理(診断処理)に際し、工具送り区間に含まれる検知情報を用いる場合、非加工区間の検知情報を含むため、判定の精度が低下する等の問題が生じる。したがって、後述するように、検知情報から加工区間を精度よく推定して、推定した加工区間に含まれる検知情報(ひいてはそこから抽出される後述の特徴情報)を、診断処理に用いることが、精度の高い診断処理を行う上で重要となる。
以下の説明では、1つの加工区間を推定するために、特徴抽出部1141によって、対象機械200(1)の物理量情報F1(t)のうち、所定範囲(例えば、ラダー信号がON状態の区間を含む区間)の物理量情報から抽出された特徴情報を利用するものとする。
図7は、選択部1142によって、非加工区間の特徴情報において選択部分401のウインドウに対応する特徴情報と、加工区間の特徴情報において選択部分402のウインドウに対応する特徴情報とが選択された例を示す図である。選択部1142は、例えば、非加工区間の特徴情報を選択する場合、図7に示す選択部分401のように、ラダー信号がOFF状態の区間(工具送り区間以外の区間)の特徴情報を選択してもよい。一方、選択部1142は、例えば、加工区間の特徴情報を選択する場合、図7に示す選択部分402のように、ラダー信号がON状態の区間のうち前半部分には非加工区間を含み得るため、後半部分の特徴情報を選択してもよい。
また、選択部1142は、選択される基準特徴情報について、例えば、過去の選択された所定回数分の基準特徴情報を平均した情報等を、後述の加工区間らしさの算出に使用してもよい。これによって、選択される基準特徴情報に含み得る雑音等の影響を抑制することができる。
推定部1145は、区間判定部1144により加工区間らしさが所定の閾値よりも大きいと判定された区間を、加工区間として推定する。
そして、特徴情報抽出部114は、推定された加工区間の特徴情報を異常判定部117に出力する。
また、記憶部115は、対象機械200(1)の検知情報F1s(t)+a1k×Fk(t)及びF1s(t)の両方又はいずれか一方のデータを記憶してもよい。
また、記憶部115は、検知情報取得部112により取得された検知情報を、コンテキスト情報取得部111により取得されたコンテキスト情報と機械装置200毎に関連付けて動作履歴情報として記憶してもよい。
そうすることで、対象機械200(1)における仕上げ加工等の加工精度を維持することができる。すなわち、対象機械200(1)における動作精度を維持することができる。
次に、本実施形態に係る診断装置100の加工区間推定処理に係る動作について説明する。
図11は、診断装置100の加工区間推定処理について説明するフローチャートである。ここで示すフローは、診断装置100のユーザにより対象機械200(1)が指定される度に繰り返し実行される。
ステップS18において、特徴情報抽出部114の推定部1145は、ステップS17で加工区間らしさが所定の閾値よりも大きいと判定された区間を、加工区間として推定する。
次に、本実施形態に係る診断装置100の診断処理に係る動作について説明する。
図12は、診断装置100の診断処理について説明するフローチャートである。ここで示すフローは、診断装置100のユーザにより対象機械200(1)が指定される度に繰り返し実行される。
なお、図12に示す診断処理において、ステップS21からステップS28の処理は、図11のステップS11からステップS18と同様であり、説明は省略する。
次に、本実施形態に係る診断装置100のモデル生成処理に係る動作について説明する。
図13は、診断装置100のモデル生成処理について説明するフローチャートである。ここで示すフローは、例えば、診断処理の前に事前に実行される。又は、モデルが定められていないコンテキスト情報が入力された場合にモデル生成処理を実行するように構成してもよい。
なお、図13に示す診断処理において、ステップS41からステップS48の処理は、図11のステップS11からステップS18と同様であり、説明は省略する。
上述の実施形態では、診断装置100は、機械装置200(1)−200(n)と異なる装置として例示したが、診断装置100の機能を、いずれか1つの機械装置200(1)−200(n)の制御装置210に備えるようにしてもよい。
あるいは、診断装置100のコンテキスト情報取得部111、検知情報取得部112、検知情報切り分け部113、特徴情報抽出部114、記憶部115、生成部116、異常判定部117、動作制限指令出力部118、及び通知制御部119の一部又は全部を、例えば、サーバが備えるようにしてもよい。また、クラウド上で仮想サーバ機能等を利用して、診断装置100の各機能を実現してもよい。
さらに、診断装置100は、診断装置100の各機能を適宜複数のサーバに分散される、分散処理システムとしてもよい。
また例えば、上述の実施形態では、診断装置100は、機械装置200(1)−200(n)の各々の制御装置210からコンテキスト情報を取得し、検知部220から検知情報を取得したが、これに限定されない。例えば、機械装置200(1)−200(n)の各々において、制御装置210が検知部220から検知情報を取得し、取得した検知情報をとコンテキスト情報とをまとめて診断装置100へ送信してもよい。
あるいは、機械装置200(1)−200(n)の各々は、制御装置210内のコンテキスト情報と、検知部220からの検知情報とを集約して診断装置100へ送信する情報集約部(図示しない)を備えてもよい。
また例えば、上述の実施形態では、非接触式の検知部220が、ロボットや自動搬送装置等の機械装置200に配置されるとしたが、これに限定されない。例えば、検知情報として連続的に取得する必要のない情報、又は移動手段の位置ずれや振動による影響がない情報(例えば、温度、振動等)を取得する場合、非接触式の検知部220が配置される移動手段として、ドローン等の無線による移動手段であってもよい。
また例えば、上述の実施形態では、全ての機械装置200は検知部220を有したが、これに限定されず、一部の機械装置200は検知部220を有しなくてもよい。例えば、ロボットや自動搬送装置等の機械装置200に非接触式の検知部220が配置されることにより、前記非接触式の検知部220が、検知部220がない機械装置200の物理量を検知してもよい。これにより、診断システム1は、検知部220の必要点数を削減することができる。
また例えば、上述の実施形態では、診断装置100は、特徴情報抽出部114で抽出された特徴情報と、コンテキスト情報取得部111で取得されたコンテキスト情報に対応するモデルとを用いて、対象機械200(1)が正常に動作しているか否かを判定したが、これに限定されない。例えば、診断装置100は、対象機械200(1)の動作履歴情報、前実験又はシミュレーション等により推定される対象機械200(1)の要素部品(例えば、ベアリングやボールネジ等)の寿命に関する負荷率等の物理量(以下、「推定物理量」ともいう)に基づいて、対象機械200(1)が正常に動作しているか否かを判定してもよい。
図14に示すように、実線で示す要素部品の寿命に関する推定物理量は、要素部品を使用した時間又は加工回数に応じて変化する。なお、破線は前記推定物理量に対する物理量変化の許容幅(例えば、−5%から+3%等)を示す。また、実線で示す要素部品の寿命に関する推定物理量に続く点線は、現在時刻t1における推定物理量の傾きに基づいて推定される今後の推定物理量の変化を示す。
これにより、対象機械200(1)における異常状態を早期発見することができる。
図16は、要素部品の寿命に関する推定物理量を用いて要素部品の保守交換時期の推定例を説明する図である。なお、図16では、対象機械200の動作は正常であり、実線で示す要素部品の寿命に関する推定物理量の推移は物理量変化の許容幅内に収まる。
また、図16では、要素部品を使用した時間又は回数の基準寿命(すなわち保守交換時期)と、前記基準寿命に対応する物理量の所定値を示す。この物理量の所定値、及び時間又は回数の基準寿命は、機械装置200の試作段階や性能検証時等における実験等から策定されるおよその寿命又は回数に基づいて決められてもよい。あるいは、要素部品に関する周知の寿命計算式(例えば、ベアリングの軸受の基本定格寿命、ボールネジの負荷寿命等)を用いて、物理量の所定値、及び時間又は回数の基準寿命が決められてもよい。そして、物理量の所定値、及び時間又は回数の基準寿命は、記憶部115に予め記憶されてもよい。
また、診断装置100は、マージン期間を設けたが、これに限定されず、要素部品の寿命に関する推定物理量に対する所定の閾値を設けて、前記推定物理量が所定の閾値に達した場合、保守交換期間が近づいた旨を通知してもよい。
さらに、図14から図16に示した図は、必要に応じて通知部130を経由して診断装置100に接続された図示しない表示装置又は機械装置200の制御装置210に設けられた図示しない表示装置に表示させてもよい。
また例えば、上述の実施形態では、診断装置100は、各機械装置200から取得された検知情報及びコンテキスト情報に基づいて、各機械装置200の動作状態を診断したが、これに限定されない。例えば、診断装置100は、機械装置200(1)−200(n)の配置を示すレイアウト情報を記憶部115に記憶してもよい。
この場合、診断装置100は、例えば、レイアウト情報を用い、任意の機械装置200が選択された場合、選択された機械装置(対象機械)200に影響を与える要素(他の機械装置200)、及び選択された機械装置(対象機械)200によって影響を受ける要素(他の機械装置200)を、影響の大きさに応じた色等で診断装置100に接続された図示しない表示装置又は機械装置200の制御装置210に設けられた図示しない表示装置に表示してもよい。
図17は、選択された機械装置200と、他の機械装置200とを配置とともに影響の大きさを色で示した表示画面135の一例を示す図である。
図17に示すように、表示画面135の上段は、例えば、建屋に配置された機械装置200が6つの場合のレイアウトを示す。また、表示画面135の下段は、色の凡例を示し、例えば、上から順に桃色、赤色、緑色、橙色、黄色、及び灰色等でもよい。なお、図17では、機械装置200(1)が選択された機械装置(対象機械)を示す。
また、図17に示すように、任意の1つの対象機械200(1)のみを動作させ、周辺の他の機械装置200(k)への影響を調査することにより、例えば、検知情報切り分け部113は、他の機械装置200(2)、200(3)に対する対象機械200(1)の重み係数を求めることができる。この場合、検知情報切り分け部113は、振動や音等の発生源が点源の場合の周知の距離減衰式とレイアウト情報とに基づいて、他の機械装置200(4)に対する対象機械200(1)の重み係数を、他の機械装置200(2)、200(3)の重み係数と距離とを用いて算出してもよい。これにより、他の機械装置200(4)が検知部220を有しない場合でも他の機械装置200(4)の物理量情報を推定することができ、検知部220の必要点数を削減することができる。
また、レイアウト情報を用いることにより、レイアウト上において対象機械200(1)及び他の機械装置200(k)との距離が互いに近いにも関わらず、重み係数が異様に小さい場合、診断装置100は、対象機械200(1)又は他の機械装置200(k)の検知部220等に何らかの異常が発生していると推定してもよい。
また、レイアウト情報には、建屋情報(床強度、柱、階数、築年数等)等の自力では動作しない要素の情報を含んでもよい。これにより、診断装置100は、検知情報の切り分け、及び異常検出の高精度化を図ることができる。
このように、学習済みモデルを適用することで、任意の1つの機械装置200のみを動作させ、周辺の機械装置200への影響を調査のサンプル数/検証の工数を削減することができる。
また、診断装置100の生成部116が図18の学習済みモデルを構築したが、外部の機械学習装置が図18の学習済みモデルを構築し、診断装置100に構築した学習済みモデルを提供してもよい。この場合、診断装置100は、生成部116を含まなくてもよい。
オンライン学習とは、訓練データが作成される都度、即座に教師あり学習を行うという学習方法である。また、バッチ学習とは、訓練データが作成されることが繰り返される間に、繰り返しに応じた複数の訓練データを収集し、収集した全ての訓練データを用いて、教師あり学習を行うという学習方法である。さらに、ミニバッチ学習とは、オンライン学習と、バッチ学習の中間的な、ある程度訓練データが溜まるたびに教師あり学習を行うという学習方法である。
この診断装置100によれば、対象機械の検知部により検出された物理量の検知情報から、対象機械自体が発した物理量と他の機械装置が発した物理量とに切り分けて、対象機械200(1)における異常の検知を高精度で行うことができる。
そうすることで、対象機械200(1)の物理量情報から対象機械200(1)の加工区間の特徴情報を精度良く抽出することができる。
そうすることで、対象機械200(1)の加工区間の特徴情報を精度良く抽出することができる。
そうすることで、選択される基準特徴情報に含み得る雑音等の影響を抑制することができる。
そうすることで、対象機械200(1)の加工区間の特徴情報を精度良く抽出することができる。
そうすることで、対象機械200(1)の加工区間の特徴情報を精度良く抽出することができる。
そうすることで、対象機械200(1)の加工区間の特徴情報を精度良く抽出することができる。
そうすることで、対象機械200(1)の動作が正常か否かを精度良く判定することができる。
そうすることで、対象機械200(1)の動作が正常か否かをより精度良く判定することができる。
そうすることで、対象機械200(1)の物理量情報と他の機械装置200(k)の物理量情報とに切り分けることができる。
そうすることで、他の機械装置200(k)が検知部220を有しない場合でも他の機械装置200(k)の物理量情報を推定することができ、検知部220の必要点数を削減することができる。
そうすることで、検知情報の切り分け、及び異常検出の高精度化を図ることができる。
そうすることで、検知部220の必要点数を削減することができる。
そうすることで、対象機械200(1)における加工精度を維持することができる。
そうすることで、接触式の検知部220が配置不可能な箇所の物理量も検知することができる。
そうすることで、各検知部220の動作確認を行うことができる。
この診断方法によれば、(1)と同様の効果を奏することができる。
100 診断装置
111 コンテキスト情報取得部
112 検知情報取得部
113 検知情報切り分け部
114 特徴情報抽出部
1141 特徴抽出部
1142 選択部
1143 算出部
1144 区間判定部
1145 推定部
116 生成部
117 異常判定部
118 動作制限指令出力部
200(1)−200(n) 機械装置
210 制御装置
220 検知部
Claims (17)
- 産業装置及び周辺装置を含む複数の機械装置と接続された診断装置であって、
前記複数の機械装置の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を前記複数の機械装置の各々から取得するコンテキスト情報取得部と、
診断対象の機械装置である対象機械、及び他の機械装置の各々の動作に応じて変化する前記対象機械及び前記他の機械装置の各々における物理量を、前記対象機械及び前記他の機械装置に配置された検知部により検知された検知情報として取得する検知情報取得部と、
前記コンテキスト情報取得部により取得された前記複数の機械装置の各々のコンテキスト情報、及び前記検知情報取得部により取得された前記対象機械及び前記他の機械装置の各々の前記検知情報に基づいて、前記対象機械の前記物理量を示す物理量情報と前記他の機械装置の前記物理量を示す物理量情報とに切り分ける検知情報切り分け部と、
前記検知情報切り分け部により切り分けられた前記対象機械の前記物理量情報のうち、前記対象機械の前記コンテキスト情報が示す特定の動作区間を含む区間の前記物理量情報の特徴を示す特徴情報を抽出する特徴情報抽出部と、
1以上の前記コンテキスト情報それぞれに対応する1以上のモデルのうち、前記コンテキスト情報取得部により取得された前記コンテキスト情報に対応するモデルと、前記特徴情報抽出部により抽出された前記特徴情報とに基づいて、前記対象機械の動作が正常であるか否かを判定する異常判定部と、
を備える、診断装置。 - 前記特徴情報抽出部は、
前記検知情報切り分け部により切り分けられた前記対象機械の前記物理量情報のうち、前記特徴情報を抽出する特徴抽出部と、
前記特徴情報に基づいて、基準となる基準特徴情報を選択し、前記基準特徴情報と比較するための対象特徴情報を順次選択する選択部と、
前記選択部により選択された前記基準特徴情報と、前記各対象特徴情報との比較から、前記対象機械の加工処理の加工区間らしさを算出する算出部と、
前記加工区間らしさに基づいて、前記加工区間らしさに対応する前記対象特徴情報が前記加工処理の加工区間に含まれるか否かを判定する区間判定部と、
前記区間判定部の判定結果に基づいて、前記加工区間を推定する推定部と、
を備える、請求項1に記載の診断装置。 - 前記選択部は、前記動作区間に基づいて、前記加工区間ではない非加工区間と判断できる区間の前記特徴情報を前記基準特徴情報として選択する、請求項2に記載の診断装置。
- 前記選択部は、前記基準特徴情報として選択した過去の所定回数の情報を平均化して新たな基準特徴情報として選択する、請求項2に記載の診断装置。
- 前記選択部は、前記特徴情報に対する機械学習によって生成した情報を前記基準特徴情報として選択する、請求項2に記載の診断装置。
- 前記特徴抽出部は、前記動作区間を含む区間の前記物理量情報の周波数スペクトルを、前記特徴情報として抽出し、
前記算出部は、前記基準特徴情報としての周波数スペクトルと、前記各対象特徴情報としての周波数スペクトルとの差異に基づいて、前記加工区間らしさを算出する、請求項2から請求項5のいずれか1項に記載の診断装置。 - 前記区間判定部は、前記加工区間らしさが所定の閾値よりも大きい場合、前記加工区間らしさに対応する前記対象特徴情報が前記加工区間に含まれると判定する、請求項2から請求項6のいずれか1項に記載の診断装置。
- 前記コンテキスト情報取得部により取得された前記コンテキスト情報に対応する前記特徴情報のうち、前記推定部により推定された前記加工区間に対応する前記特徴情報からモデルを生成する生成部を備える、請求項2から請求項7のいずれか1項に記載の診断装置。
- 前記検知情報取得部は、前記対象機械において、電源が投入され加工を行っていない状態で前記検知部により検知された前記検知情報、及び前記加工を行っている状態で前記検知部により検知された前記検知情報を取得し、
前記検知情報切り分け部は、前記対象機械において、前記加工を行っていない状態の前記検知情報と前記加工を行っている状態の前記検知情報とを比較し、前記加工に起因する物理量情報と、前記加工に起因しない物理量情報とを切り分け、前記加工に起因する物理量情報を前記対象機械の前記物理量情報として前記特徴情報抽出部に出力する、請求項1から請求項8のいずれか1項に記載の診断装置。 - 前記検知情報切り分け部は、前記対象機械の前記物理量情報と前記他の機械装置の前記物理量情報とに切り分けるために、少なくとも前記対象機械に対する前記他の機械装置の動作の影響度合いを示す重み付け係数を決定する、請求項1から請求項9のいずれか1項に記載の制御装置。
- 前記検知情報切り分け部は、前記複数の機械装置の配置を示すレイアウト情報に基づいて、前記対象機械に対する前記他の機械装置による影響度合いを示す重み付け係数を決定する、請求項10に記載の診断装置。
- 前記レイアウト情報は建屋情報を含む、請求項11に記載の診断装置。
- 前記検知情報取得部は、建屋の物理量情報を前記対象機械に配置された検知部を用いて取得する、請求項1から請求項12のいずれか1項に記載の診断装置。
- 前記対象機械の前記検知情報における前記他の機械装置の物理量情報の割合が許容される所定値以上の場合、前記他の機械装置に対して動作を制限する動作制限指令出力部を備える、請求項1から請求項13のいずれか1項に記載の診断装置。
- 前記検知情報取得部は、前記機械装置に配置され前記機械装置の移動により前記物理量を検知する位置及び検知方向を変化させる非接触式の検知部により検知された前記検知情報を取得する、請求項1から請求項14のいずれか1項に記載の診断装置。
- 前記対象機械に配置された接触式の検知部と前記非接触式の検知部とは、特定箇所の前記物理量の検知の際に同時に検知する、請求項15に記載の診断装置。
- コンピュータを実行させることで産業装置及び周辺装置を含む複数の機械装置を診断する診断方法であって、
前記複数の機械装置の各々の動作の種類に基づいて定まる複数のコンテキスト情報のうち稼働中の動作に対応するコンテキスト情報を前記複数の機械装置の各々から取得するコンテキスト情報取得ステップと、
診断対象の機械装置である対象機械、及び他の機械装置の各々の動作に応じて変化する前記対象機械及び前記他の機械装置の各々における物理量を、前記対象機械及び前記他の機械装置に配置された検知部により検知された検知情報として取得する検知情報取得ステップと、
前記コンテキスト情報取得ステップで取得された前記複数の機械装置の各々のコンテキスト情報と前記検知情報取得ステップで取得された前記対象機械及び前記他の機械装置の各々の前記検知情報に基づいて、前記対象機械の前記物理量を示す物理量情報と前記他の機械装置の前記物理量を示す物理量情報とに切り分ける検知情報切り分けステップと、
前記検知情報切り分けステップで切り分けられた前記対象機械の前記物理量情報のうち、前記対象機械の前記コンテキスト情報が示す特定の動作区間を含む区間の前記物理量情報の特徴を示す特徴情報を抽出する特徴情報抽出ステップと、
1以上の前記コンテキスト情報それぞれに対応する1以上のモデルのうち、前記コンテキスト情報取得ステップで取得された前記コンテキスト情報に対応するモデルと、前記特徴情報抽出ステップで抽出された前記特徴情報とに基づいて、前記対象機械の動作が正常であるか否かを判定する異常判定ステップと、
を備える、診断方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019180670A JP7324110B2 (ja) | 2019-09-30 | 2019-09-30 | 診断装置及び診断方法 |
US16/995,161 US11385617B2 (en) | 2019-09-30 | 2020-08-17 | Diagnostic apparatus and diagnostic method |
DE102020210461.1A DE102020210461A1 (de) | 2019-09-30 | 2020-08-18 | Diagnostikeinrichtung und Diagnostikverfahren |
CN202011043361.6A CN112577591A (zh) | 2019-09-30 | 2020-09-28 | 诊断装置以及诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019180670A JP7324110B2 (ja) | 2019-09-30 | 2019-09-30 | 診断装置及び診断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021056880A true JP2021056880A (ja) | 2021-04-08 |
JP7324110B2 JP7324110B2 (ja) | 2023-08-09 |
Family
ID=74872708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019180670A Active JP7324110B2 (ja) | 2019-09-30 | 2019-09-30 | 診断装置及び診断方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11385617B2 (ja) |
JP (1) | JP7324110B2 (ja) |
CN (1) | CN112577591A (ja) |
DE (1) | DE102020210461A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7120476B1 (ja) * | 2021-05-13 | 2022-08-17 | 住友電気工業株式会社 | 加工条件管理システム、加工制御装置、加工システム、および加工プログラム |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019225539A1 (ja) * | 2018-05-23 | 2019-11-28 | 日本電気株式会社 | 無線通信識別装置および無線通信識別方法 |
DE102021115589A1 (de) * | 2021-06-16 | 2022-12-22 | Gemü Gebr. Müller Apparatebau Gmbh & Co. Kommanditgesellschaft | Verfahren und Vorrichtungen für Prozessventil-Einheiten |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4230814B2 (ja) | 2003-05-01 | 2009-02-25 | 株式会社山武 | 異常診断装置 |
JP7085370B2 (ja) | 2017-03-16 | 2022-06-16 | 株式会社リコー | 診断装置、診断システム、診断方法およびプログラム |
JP2019144093A (ja) | 2018-02-20 | 2019-08-29 | 富士通株式会社 | 音響信号処理装置、及び音響信号処理プログラム |
-
2019
- 2019-09-30 JP JP2019180670A patent/JP7324110B2/ja active Active
-
2020
- 2020-08-17 US US16/995,161 patent/US11385617B2/en active Active
- 2020-08-18 DE DE102020210461.1A patent/DE102020210461A1/de active Pending
- 2020-09-28 CN CN202011043361.6A patent/CN112577591A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7120476B1 (ja) * | 2021-05-13 | 2022-08-17 | 住友電気工業株式会社 | 加工条件管理システム、加工制御装置、加工システム、および加工プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20210096531A1 (en) | 2021-04-01 |
JP7324110B2 (ja) | 2023-08-09 |
US11385617B2 (en) | 2022-07-12 |
DE102020210461A1 (de) | 2021-04-01 |
CN112577591A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110419012B (zh) | 诊断设备、诊断系统、诊断方法和程序 | |
CN108500736B (zh) | 工具状态推定装置以及机床 | |
JP7324110B2 (ja) | 診断装置及び診断方法 | |
US20200198128A1 (en) | Learning data confirmation support device, machine learning device, and failure predicting device | |
US20200356069A1 (en) | Machine tool management system | |
JP6657256B2 (ja) | 送り軸の異常診断方法及び異常診断装置 | |
CN111618656A (zh) | 机床的加工不良发生预测系统 | |
JP2018103284A (ja) | 工具寿命推定装置 | |
CN107728586B (zh) | 解析系统 | |
US11340140B2 (en) | Abnormality sign notifying system, abnormality sign notifying method, and program | |
WO2018169069A1 (en) | Diagnosis device, diagnosis system, diagnosis method, and program | |
US20220197273A1 (en) | Method and device for monitoring a milling process | |
JP2017205821A (ja) | 情報処理装置、情報処理方法、情報処理プログラム、および情報処理システム | |
JP7147131B2 (ja) | 解析システム | |
CN109318053A (zh) | 用于监测数控机床主轴的终端装置、远端装置及监测方法 | |
JP2021022290A (ja) | 制御状態監視システムおよびプログラム | |
JP2016200451A (ja) | 信号処理方法、信号処理装置、及び切削加工用異常検出装置 | |
JP7134062B2 (ja) | 工作機械の異常診断システム、異常診断方法、異常診断プログラム | |
JP2019148971A (ja) | 異常要因特定装置 | |
CN115329796A (zh) | 异常检测装置、计算机可读存储介质以及异常检测方法 | |
CN110874084A (zh) | 加工环境推定装置 | |
CN112987682A (zh) | 控制方法、控制装置和机械设备 | |
JP2020024139A (ja) | 製品検査装置 | |
JP2019076993A (ja) | 工作機械における直動軸の異常診断装置及び異常診断方法、工作機械 | |
US8346383B2 (en) | Method for determining the machining quality of components, particularly for metal cutting by NC machines |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220616 |
|
TRDD | Decision of grant or rejection written | ||
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230623 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230627 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230728 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7324110 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |