JP2022547408A - 歯車加工装置における自動プロセス制御 - Google Patents
歯車加工装置における自動プロセス制御 Download PDFInfo
- Publication number
- JP2022547408A JP2022547408A JP2022510948A JP2022510948A JP2022547408A JP 2022547408 A JP2022547408 A JP 2022547408A JP 2022510948 A JP2022510948 A JP 2022510948A JP 2022510948 A JP2022510948 A JP 2022510948A JP 2022547408 A JP2022547408 A JP 2022547408A
- Authority
- JP
- Japan
- Prior art keywords
- workpiece
- machining
- normalization
- tool
- measurements
- 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
- 238000012545 processing Methods 0.000 title description 7
- 238000004886 process control Methods 0.000 title description 2
- 238000000034 method Methods 0.000 claims abstract description 274
- 230000008569 process Effects 0.000 claims abstract description 220
- 238000003754 machining Methods 0.000 claims abstract description 153
- 238000010606 normalization Methods 0.000 claims abstract description 83
- 238000012544 monitoring process Methods 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims description 82
- 238000012806 monitoring device Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 21
- 230000001186 cumulative effect Effects 0.000 claims description 20
- 230000003595 spectral effect Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 8
- 230000002596 correlated effect Effects 0.000 claims description 6
- 238000010183 spectrum analysis Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000007547 defect Effects 0.000 claims description 4
- 238000007730 finishing process Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 description 22
- 239000000523 sample Substances 0.000 description 14
- 230000001133 acceleration Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000001228 spectrum Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 239000002826 coolant Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229910000760 Hardened steel Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- TWNQGVIAIRXVLR-UHFFFAOYSA-N oxo(oxoalumanyloxy)alumane Chemical compound O=[Al]O[Al]=O TWNQGVIAIRXVLR-UHFFFAOYSA-N 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41815—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the cooperation between machine tools, manipulators and conveyor or other workpiece supply system, workcell
- G05B19/41825—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the cooperation between machine tools, manipulators and conveyor or other workpiece supply system, workcell machine tools and manipulators only, machining centre
-
- 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
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23F—MAKING GEARS OR TOOTHED RACKS
- B23F23/00—Accessories or equipment combined with or arranged in, or specially designed to form part of, gear-cutting machines
- B23F23/12—Other devices, e.g. tool holders; Checking devices for controlling workpieces in machines for manufacturing gear teeth
- B23F23/1218—Checking devices for controlling workpieces in machines for manufacturing gear teeth
-
- 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
- G05B19/404—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 control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
- G06F17/175—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method of multidimensional data
-
- 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
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- G05B2219/49—Nc machine tool, till multiple
- G05B2219/49307—Learn, learn operational zone, feed, speed to avoid tool breakage
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computational Mathematics (AREA)
- Mechanical Engineering (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Machine Tool Sensing Apparatuses (AREA)
- Gear Processing (AREA)
- Numerical Control (AREA)
Abstract
本発明は、前もって加工された歯付きワークピース23の歯面が精密機械加工装置1を用いて機械加工される機械加工プロセスを監視する方法に関する。本方法では、精密機械加工工具16がワークピースと機械加工係合している間に、複数の測定された値が収集される。これらの測定された値は、ワークピースの歯面の機械加工中の工具スピンドルの電流パワー消費を示すパワーインジケーターの値を含む。正規化処理が、測定された値のうちの少なくともいくつか又は測定された値から導出される変数の値に適用され、正規化値が得られる。正規化処理は、次のパラメーター、すなわち、精密機械加工工具の幾何学的パラメーター、特にその外径と、ワークピースの幾何学的パラメーターと、精密機械加工装置の設定パラメーター、特にラジアルインフィード及びアキシャルフィードとのうちの少なくとも1つに依存する。【選択図】図1
Description
本発明は、歯車を仕上げる機械、特に、創成プロセスを実行する機械を監視する方法に関する。本発明は、更に、そのような方法を実行するように構成された仕上げ機、そのような方法を実行するためのコンピュータープログラム及びそのようなコンピュータープログラムを含むコンピューター可読媒体に関する。
事前加工された歯車の硬質精密機械加工(硬質仕上げ)は、プロセス仕様からのほんの僅かな偏差であっても、機械加工されたワークピースがスクラップ(「NIO部品」、ここで、NIOは「適切でない(not in order)」を意味する)とみなされる可能性がある、非常に要求の厳しい方法である。この問題は、連続創成研削の例によって特によく示すことができるが、例えばシングルフランク創成研削、歯車ホーニング、硬質スカイビング等の他の創成仕上げ方法にも等しく当てはまる。それほどではないが、同様の問題は、不連続輪郭研削又は連続輪郭研削等の非創成方法の場合にも発生する。
連続創成研削では、事前加工された歯車ブランクが、ウォーム形状の輪郭を有する砥石車(研削ウォーム)とローリング係合して機械加工される。創成研削は、多数の同期した高精度の個々の動きに基づくとともに、多くの境界条件の影響を受ける非常に要求の厳しい創成機械加工方法である。連続創成研削の基礎に関する情報は、例えば、ヴァリゼレン(Wallisellen)にあるReishauer AG社によって2010年に出版されたH. Schriefer他著の書物「Continuous Generating Gear Grinding」(ISBN978-3-033-02535-6)の第2.3章(「Basic Methods of Generating Grinding」)第121頁~第129頁)に見ることができる。
理論的には、連続創成研削における歯面形状は、専ら研削ウォームのドレッシングされた輪郭形状及び機械の設定データによって決まる。しかしながら、実際には、理想的な状態からの偏差が自動化生産において生じ、この偏差が、研削結果に決定的な影響を与える可能性がある。
従来、創成研削方法によって生産される歯車の品質は、多数の測定された変数を使用した機械の外部(「オフライン」)における歯車測定によって、機械加工プロセスの終了後にしか評価されない。歯車がどのように測定されるのか及び測定結果が寸法公差仕様の範囲内であるのか又は範囲外であるのかをどのようにチェックするのかを規定する様々な規格がある。そのような歯車測定を要約したものは、例えば、Schriefer他著の前述の書物の第3章(「Quality Assurance in Continuous Generating Gear Grinding」)第155頁~第200頁に見ることができる。
検出された機械加工誤差を取り除くために歯車測定に基づいて機械を補正することが、現時点における最新技術から知られている。Schriefer他著の上述の書物では、これは、第6.10章(「Analysing and Eliminating Gear Tooth Deviations」)第542頁~第551頁において論述されている。
時間及びコストの理由から、通常はランダムなチェックしか歯車検査中に行われないので、機械加工誤差は、多くの場合に、非常に遅れて検出される。これは、状況によっては、生産ロットのかなりの部品をNIO部品として廃棄しなければならないことをもたらす可能性がある。したがって、機械加工中に「オンライン」で可能な限り早期に、理想的には、機械加工誤差がワークピースをNIO部品として拒否しなければならないほどの度合いに達する前に機械加工誤差を検出することが望ましい。
このために、これらの機械加工誤差が回避又は少なくとも削減されるように、望ましくないプロセス偏差を検出し、起こり得る機械加工誤差の徴候を取得し、目標とする方法で機械設定を変更することを可能にする自動化プロセス監視システムを提供することが望ましい。理想的には、プロセス監視は、機械加工誤差が、後になって、例えばEOL試験(EOL=End of Line)中にしか検出されない場合に、過去に遡ってプロセス偏差について結論を導くことも可能にするべきである。
これまで、歯車機械加工における自動化プロセス監視のための適したストラテジーは、現時点における最新技術からは初歩的なものしか知られていない。
例えば、特許文献1から、歯車機械におけるパラメーターを監視すること及びいくつかの測定された機械パラメーターが公称値から逸脱しているか否かの歯車チェックを行うことが知られている。
非特許文献1は、一般的な金属切削機械加工工具に関する工具監視用の様々な手段を記載している(第3頁)。このプレゼンテーションは、歯車機械加工、特にホビング(第41頁及び第42頁)、硬質スカイビング(第59頁)及びホーニング(第60頁)に関連するプロセスの数例を手短に含む様々な金属切削プロセスにおける適用例を示している。連続創成研削は、ついでとして言及されているにすぎない(例えば第3頁及び第61頁)。
様々な機械加工プロセスにおける自動プロセス監視の方法は、次の文書、とりわけ、特許文献2、特許文献3、特許文献4、及び非特許文献2からも知られている。しかしながら、これらの文献においても、歯車の精密機械加工は詳細に論述されていない。
歯車機械加工におけるプロセス監視の1つの難点は、監視された測定変数が、工具の多数の幾何学的特性(研削ウォームの場合には、例えば、直径、モジュール、条数、ねじれ角等)と、ワークピースの幾何学的特性(例えば、モジュール、歯の数、ねじれ角等)と、機械の設定パラメーター(例えば、ラジアルインフィード、アキシャルフィード、工具とワークピーススピンドルの速度等)とに非常に複雑に依存していることである。これらの多様で複雑な依存関係に起因して、一方では、具体的なプロセス偏差及び結果としてもたらされる機械加工誤差について、監視された測定変数から直接的な結論を引き出すことは、非常に厳しい。他方では、異なる機械加工プロセスからの測定された変数を比較することは極めて困難である。更なる難題は、ドレッシング可能な工具を使用するときに発生する。ドレッシングは、一連のワークピースの機械加工中に工具の直径を変化させ、したがって、接触条件も変化する。その結果、他の全ての条件が同じままであり、同じ一連のワークピース内であっても、異なるドレッシングサイクルからの監視された測定変数は、互いに直接比較することができない。
既知のプロセス監視方法は、歯車機械加工のこれらの特殊性をまだ十分に考慮していない。
https://www.nordmann.eu/pdf/praesentation/Nordmann_presentation_ENG.pdfから2019年2月25日にアクセスされた企業プレゼンテーション「NORDMANN Tool Monitoring」の2017年10月5日付バージョン
Klaus Nordmann著「Prozessueberwachung beim Schleifen und Abrichten」(「Process Monitoring during Grinding and Dressing」)(Schleifen + Polieren 05/2004, Fachverlag Moeller, Velbert (DE), pages 52-56)
本発明の目的は、プロセス偏差を検出すること及び目標とする方法でプロセス偏差の影響を打ち消すことを可能にする歯車機械加工におけるプロセス監視の方法を提供することである。この方法は、ドレッシング可能な工具とともに使用するのに特に適したものであるべきである。
この目的は、請求項1の方法によって実現される。更なる実施の形態は、従属請求項において規定される。
プレ歯付きワークピースの歯面が仕上げ機(すなわち、精密機械加工をする機械)において機械加工される機械加工プロセスを監視する方法が提供される。仕上げ機は、仕上げ工具(すなわち、精密機械加工工具)を駆動して工具軸の回りを回転させる工具スピンドルと、プレ歯付きワークピースを駆動して回転させるワークピーススピンドルとを有する。方法は、
仕上げ工具がワークピースと機械加工係合している間に複数の測定値を検出することと、
測定値のうちの少なくともいくつか又は測定値から導出される数の値に正規化処理を適用して正規化値を得ることと、
を含み、
正規化処理は、少なくとも1つのプロセスパラメーターに依存し、この少なくとも1つのプロセスパラメーターは、仕上げ工具の幾何学的パラメーターと、ワークピースの幾何学的パラメーターと、仕上げ機の設定パラメーターとから選択される。
仕上げ工具がワークピースと機械加工係合している間に複数の測定値を検出することと、
測定値のうちの少なくともいくつか又は測定値から導出される数の値に正規化処理を適用して正規化値を得ることと、
を含み、
正規化処理は、少なくとも1つのプロセスパラメーターに依存し、この少なくとも1つのプロセスパラメーターは、仕上げ工具の幾何学的パラメーターと、ワークピースの幾何学的パラメーターと、仕上げ機の設定パラメーターとから選択される。
したがって、仕上げ機において測定値を記録し、これらの測定値のうちの少なくともいくつか又はそれらから導出される値に正規化(標準化)処理を施すことが提案される。正規化処理は、1つ以上のプロセスパラメーター、特に仕上げ工具の幾何学的パラメーター(特にその寸法、具体的には特にその外径)、ワークピースの幾何学的パラメーター及び/又は仕上げ機の設定パラメーター(特にラジアルインフィード、アキシャルフィード並びに工具及びワークピーススピンドルの速度)の測定値に対する影響を考慮に入れる。その結果得られる正規化値は、したがって、上述のプロセスパラメーターから独立しているか又は上述のプロセスパラメーターに対する依存性は少なくともはるかに低い。正規化処理によって、これらのプロセスパラメーターが異なる場合であっても、異なる機械加工操作間で正規化値を比較することができる。
正規化処理は、測定値が、ワークピースの歯面の機械加工中の工具スピンドルの電流パワー消費を示すパワーインジケーターの値を含むときに特に重要である。特に、検出されたパワーインジケーターは、工具スピンドルの電流消費の尺度とすることができる。そのようなパワーインジケーターは、これらのパラメーターによる影響を特に受ける。したがって、パワーインジケーターの値又はこのパワーインジケーターから導出される変数に正規化処理を適用することは特に利点がある。
正規化処理は、好ましくは、上述のパラメーターに対する測定値の予想される依存関係を記述するモデルに基づいている。測定値がパワーインジケーターの値である場合に、モデルは、好ましくは、上述のパラメーターに対するプロセスパワー(すなわち、実行される機械加工プロセスに必要とされる機械的仕事率又は電力)の依存関係を表す。特に、プロセスパワーモデルは、仕上げ工具の幾何学的パラメーターと、ワークピースの幾何学的パラメーターと、仕上げ機の設定パラメーターとに対する、仕上げ工具とワークピースとの間の接点に作用する切削力の予想される依存関係を表すフォースモデルに基づくことができる。プロセスパワーモデルは、工具軸と、仕上げ工具及びワークピースの間の接点との間で有効なレバーアーム長も考慮に入れることができる。このレバーアーム長は、特に仕上げ工具の外径によって近似することができる。加えて、プロセスパワーモデルは、工具スピンドルの速度も考慮に入れることができる。
正規化処理は、例えば、取得された測定値又はそれらから導出される変数に、正規化係数を乗算することを伴うことができる。ただし、より複雑な正規化処理も考えられる。測定値がパワーインジケーターの値を含む場合には、正規化係数は、特に、実際の機械加工状況のプロセスパワーモデルに基づいて計算される逆パワー変数又はそれから導出される変数とすることができる。
正規化処理は、好ましくは、必要に応じてフィルタリング後に、取得された測定値に直接適用される。正規化処理は、有利にはリアルタイムで、すなわち機械加工プロセス中に、特にワークピースの機械加工中に、すなわち仕上げ工具がワークピースとまだ機械加工係合している間に、実行される。これは、正規化値が機械加工プロセス中に直ちに利用可能であり、機械加工プロセスを監視するためにリアルタイムで使用することができることを意味する。
特に、正規化値が、機械加工プロセス中に許容できないプロセス偏差を特定するためにリアルタイムで分析される場合、利点がある。これによって、許容できないプロセス偏差があると判断されたワークピースをそれらの機械加工後直ちに特定し、必要に応じて、別の取り扱いを行うためにそれらのワークピースをワークピースバッチから除去することが可能になる。例えば、そのようなワークピースは、別の測定を受けることもできるし、NIO部品として直接分類することもできる。
好ましい実施の形態において、方法は、測定値又は測定値から導出される値から機械加工プロセスの特性パラメーターの計算を含む。測定値からの又はそれらから導出される値からの特性パラメーターの計算は、正規化処理がプロセスの一部として行われるか否かを問わず利点がある。いくつかの実施の形態において、特性パラメーターのうちの少なくとも1つは、正規化された特性パラメーターであり、すなわち、特性パラメーターの計算中のある時点において、正規化処理が適用される。これは、正規化された測定値から特性パラメーターを計算することによって行うことができる。これは、特性パラメーターを計算するときに中間結果(すなわち測定値から導出される量)にのみ正規化処理を適用することによっても行うことができる。
特性パラメーターのうちの少なくとも1つは、好ましくは、機械加工プロセスに固有である。この少なくとも1つの特性パラメーターは、したがって、好ましくは、具体的な機械加工プロセスから独立して形成することができる平均値、標準偏差等の統計量であるだけでなく、具体的な機械加工プロセスの特性を考慮に入れたパラメーターである。
好ましくは、特性パラメーターのうちの少なくとも1つは、ワークピースの既定の機械加工誤差と相関する。特に、特性パラメーターと機械加工誤差のサイズとの間に1対1の関係、特に単純な比例関係が存在する場合に有利である。これによって、異なるワークピースの特性パラメーターを監視することによって特定の機械加工誤差の発生についての即座の情報を得ることが可能になる。これによって、不慣れなオペレーターであっても、特性パラメーターを正しく解釈し、補正動作を行うことが可能になる。
特性パラメーターが歯車測定の結果に直接関係しているときは、特定の利点がある。このために、方法は、
選択されたワークピースの歯車測定を行って、このようなワークピースごとの、既定の機械加工誤差を特徴付ける少なくとも1つの歯車測定値を求めることと、
少なくとも1つの特性パラメーターと少なくとも1つの歯車測定値との相関を特徴付ける相関パラメーターを求めることと、
を含むことができる。
選択されたワークピースの歯車測定を行って、このようなワークピースごとの、既定の機械加工誤差を特徴付ける少なくとも1つの歯車測定値を求めることと、
少なくとも1つの特性パラメーターと少なくとも1つの歯車測定値との相関を特徴付ける相関パラメーターを求めることと、
を含むことができる。
特性パラメーターのうちの少なくとも1つの計算は、特に測定値、特にパワーインジケーター(好ましくは正規化されたもの)の値及び/又は加速度センサーの値、のスペクトル分析を含むことができる。特に工具速度及び/又はワークピース速度の倍数におけるスペクトル成分が好ましくは評価される。このように、対応するパラメーターの計算は、機械加工プロセスに固有である。そのようなスペクトル分析は、例えば加速度センサーからの値の場合が該当し得るように、正規化処理が行われない場合にも有利である。
精密機械加工プロセスが、精密機械加工工具及びワークピースがローリング係合する創成プロセス、特に創成研削プロセスである場合には、特性パラメーターが、以下の変数のうちの少なくとも1つを含む場合が有利である。
ワークピーススピンドルの回転速度における、特に正規化されたパワーインジケーターの、測定値のスペクトル成分を評価し、これをワークピースの累積ピッチ誤差と相関させることによって計算される累積ピッチインジケーター、
歯の噛み合い周波数における、特に加速度センサーの、測定値のスペクトル成分を評価し、これをワークピースの輪郭形状偏差と相関させることによって計算される輪郭形状インジケーター。
ワークピーススピンドルの回転速度における、特に正規化されたパワーインジケーターの、測定値のスペクトル成分を評価し、これをワークピースの累積ピッチ誤差と相関させることによって計算される累積ピッチインジケーター、
歯の噛み合い周波数における、特に加速度センサーの、測定値のスペクトル成分を評価し、これをワークピースの輪郭形状偏差と相関させることによって計算される輪郭形状インジケーター。
特性パラメーターが摩耗インジケーターを含む場合も有利である。摩耗インジケーターは、測定値の、特に正規化されたパワーインジケーターの測定値のローパスフィルタリングされたスペクトル成分から計算され、精密機械加工工具の摩耗の程度と相関する。
目標プロセスからの機械加工プロセスのプロセス偏差を、複数のワークピースの特性パラメーターのうちの少なくとも1つの推移に基づいて求めることが有利である。このために、特性パラメーターの有利に選択された値は、別の特性パラメーター又は別のプロセス変数の値と相関される。有利には、機械加工プロセスが、その後、プロセス偏差を低減するように調整されるか、又は、許容できないプロセス偏差を特定するために上記で説明したリアルタイム分析の状況において使用される制限値が調整される。プロセス偏差は、トレーニングされた機械学習アルゴリズムによって求めることができる。
方法は、データセットをデータベースに記憶することを含むことができ、データセットは、ワークピースの一意の識別子と、少なくとも1つのプロセスパラメーターと、特性パラメーターのうちの少なくとも1つとを含む。さらに、方法は、
複数のワークピースのデータセットをデータベースから取り出すことと、
複数のワークピースの特性パラメーターのうちの少なくとも1つの値又はそれから導出される値をグラフィカル出力することと、
を含むことができる。
複数のワークピースのデータセットをデータベースから取り出すことと、
複数のワークピースの特性パラメーターのうちの少なくとも1つの値又はそれから導出される値をグラフィカル出力することと、
を含むことができる。
これらのステップの計算所要量及びメモリ所要量は、未処理データの処理と比較して非常に適度なものであるので、これらのステップは、例えば、ウェブブラウザーにおいて実行することができる。
方法は、好ましくは、プロセスパラメーターのうちの少なくとも1つが変化するごとに正規化処理の再計算を提供する。正規化処理の再計算は、そのとき、好ましくは、上記変化したプロセスパラメーターを用いたモデルの適用を伴う。
正規化処理の再計算は、特に仕上げ工具の変化した寸法、特にその外径の寸法に基づくことができ、変化した寸法に関する補償を含むことができる。これは、ドレッシング可能な工具と通例同じように、この寸法が一連の部品の機械加工中に変化する場合に特に重要である。このように、異なるドレッシングサイクルにおいて求められた特性パラメーターを互いに直接比較することができる。
本発明は、プレ歯付きワークピースの歯面の機械加工のための仕上げ機も提供する。この仕上げ機は、仕上げ工具(精密機械加工工具)を駆動して工具軸の回りを回転させる工具スピンドルと、プレ歯付きワークピースを駆動して回転させるワークピーススピンドルと、仕上げ工具を用いてワークピースを機械加工するプロセスを制御する制御デバイスと、プロセス監視デバイスとを備える。プロセス監視デバイスは、特に、上述した方法を実行するように構成される。
このために、プロセス監視デバイスは、好ましくは、
仕上げ工具がワークピースと機械加工係合している間に、複数の測定値を検出する検出デバイスと、
測定値の少なくとも一部又は測定値から導出される量の値に正規化処理を適用して正規化値を得る正規化デバイスと、
を備え、
正規化処理は少なくとも1つのプロセスパラメーターに依存し、少なくとも1つのプロセスパラメーターは、仕上げ工具の幾何学的パラメーターと、ワークピースの幾何学的パラメーターと、仕上げ機の設定パラメーターとから選択される。
仕上げ工具がワークピースと機械加工係合している間に、複数の測定値を検出する検出デバイスと、
測定値の少なくとも一部又は測定値から導出される量の値に正規化処理を適用して正規化値を得る正規化デバイスと、
を備え、
正規化処理は少なくとも1つのプロセスパラメーターに依存し、少なくとも1つのプロセスパラメーターは、仕上げ工具の幾何学的パラメーターと、ワークピースの幾何学的パラメーターと、仕上げ機の設定パラメーターとから選択される。
好ましくは、正規化デバイスは、仕上げ工具がワークピースと機械加工係合している間に正規化処理をリアルタイムで行うように構成される。
いくつかの実施の形態において、プロセス監視デバイスは、許容できないプロセス偏差を検出するために、正規化値をリアルタイムで分析するように構成される欠陥検出デバイスを備える。
仕上げ機は、許容できないプロセス偏差があると判断されたワークピースを自動的に除去するように構成されるワークピースハンドリングデバイスを備えることができる。
いくつかの実施の形態において、プロセス監視デバイスは、測定値又は測定値から導出される値から機械加工プロセスの特性パラメーターを計算する特性パラメーター計算デバイスを備える。特性パラメーター計算デバイスは、特性パラメーターのうちの少なくとも1つについて、測定値、測定値から導出される値又は正規化値のスペクトル分析を行うように構成することができ、特に、工具スピンドル及び/又はワークピーススピンドルの速度の倍数におけるスペクトル成分を評価するように構成することができる。
プロセス監視デバイスは、ワークピースの一意の識別子と、少なくとも1つのプロセスパラメーターと、特性パラメーターのうちの少なくとも1つとを含むデータセットをデータベースに送信するデータ通信デバイスを備えることができる。
プロセス監視デバイスは、複数のワークピースの特性パラメーターのうちの少なくとも1つの値に基づいて、目標プロセスからの機械加工プロセスのプロセス偏差を検出する偏差検出デバイスを備えることができる。偏差検出デバイスは、プロセス偏差を検出するトレーニングされた機械学習アルゴリズムを実行するようにプログラミングされるプロセッサデバイスを備えることができる。
プロセス監視デバイスは、プロセスパラメーターのうちの少なくとも1つが変化したときに正規化処理を再計算する正規化計算デバイスを備えることができる。正規化計算デバイスは、好ましくは、プロセスパラメーターに対する測定値の予想される依存関係を記述するモデル、特にプロセスフォース又はプロセスパワーのモデルを、正規化処理の再計算に適用するように構成される。正規化計算デバイスは、有利には、仕上げ工具の寸法、特にその外径に関する補償を行うように構成することができる。
検出デバイス、正規化デバイス、欠陥検出デバイス、特性パラメーター計算デバイス、正規化計算デバイス、偏差検出デバイス及びデータ通信デバイスは、少なくとも部分的に、プロセス監視デバイスの1つ以上のプロセッサ上で実行されるソフトウェアで実施することができる。
本発明は、コンピュータープログラムも提供する。このコンピュータープログラムは、上記で説明したタイプの仕上げ機におけるプロセス監視デバイス、特にプロセス監視デバイスの1つ以上のプロセッサに、上記で説明した方法を実行させる命令を含む。このコンピュータープログラムは、適したメモリデバイス、例えば機械制御部とは別のコンピューターに記憶することができる。
さらに、本発明は、コンピュータープログラムが記憶されるコンピューター可読媒体を提供する。この媒体は、フラッシュメモリ、CD、ハードディスク等の不揮発性媒体とすることができる。
本発明の好ましい実施形態が、図面を基に以下に説明される。図面は、例示のみを目的としており、限定的なものとして解釈されるべきではない。
<創成研削機の例示的な構造>
図1は、プレ歯付きワークピースの歯面を機械加工する仕上げ機の一例としての創成研削機1を示している。この機械は、工具キャリア12がラジアルインフィード方向Xに沿って変位するようにガイドされる機械ベッド11を備える。工具キャリア12は、工具キャリア12に対してフィード方向Zに沿って変位するようにガイドされる軸方向スライド13を担持する。研削ヘッド14が、軸方向スライド13上に取り付けられ、この研削ヘッドは、機械加工対象の歯車のねじれ角に適合するようにX軸(いわゆるA軸)に平行に延びる旋回軸の回りに旋回させることができる。研削ヘッド14は、工具スピンドル15を研削ヘッド14に対してシフト軸Yに沿って移動させることができるシフトスライドを更に担持する。ウォーム形状砥石車(研削ウォーム)16が、工具スピンドル15上に取り付けられる。研削ウォーム16は、工具スピンドル15によって駆動されて工具軸Bの回りを回転する。
図1は、プレ歯付きワークピースの歯面を機械加工する仕上げ機の一例としての創成研削機1を示している。この機械は、工具キャリア12がラジアルインフィード方向Xに沿って変位するようにガイドされる機械ベッド11を備える。工具キャリア12は、工具キャリア12に対してフィード方向Zに沿って変位するようにガイドされる軸方向スライド13を担持する。研削ヘッド14が、軸方向スライド13上に取り付けられ、この研削ヘッドは、機械加工対象の歯車のねじれ角に適合するようにX軸(いわゆるA軸)に平行に延びる旋回軸の回りに旋回させることができる。研削ヘッド14は、工具スピンドル15を研削ヘッド14に対してシフト軸Yに沿って移動させることができるシフトスライドを更に担持する。ウォーム形状砥石車(研削ウォーム)16が、工具スピンドル15上に取り付けられる。研削ウォーム16は、工具スピンドル15によって駆動されて工具軸Bの回りを回転する。
機械ベッド11は、少なくとも3つの位置の間で軸C3の回りに旋回させることができるターレットの形態の旋回ワークピースキャリア20も担持する。2つの同一のワークピーススピンドルが、ワークピースキャリア20上に互いに正反対に取り付けられ、図1には、関連した心押し台22を有する一方のワークピーススピンドル21のみが見えている。図1に見えるワークピーススピンドルは、これにクランプされたワークピース23を研削ウォーム16を用いて機械加工することができる機械加工位置にある。180°オフセットされ、図1には見えない他方のワークピーススピンドルは、仕上げを受けたワークピースをこのスピンドルから取り外し、新たなブランクをクランプすることができるワークピース交換位置にある。ドレッシングデバイス30がワークピーススピンドルに対して90°オフセットされて取り付けられる。
創成研削機1の駆動される全ての軸は、機械制御部40によってデジタル制御される。機械制御部40は、いくつかの軸モジュール41、制御コンピューター42及び制御パネル43を備える。制御コンピューター42は、制御パネル43からのオペレーターコマンドと、創成研削機1の様々なセンサーからのセンサー信号とを受信し、軸モジュール41の制御コマンドを計算する。制御コンピューター42はまた、動作パラメーターを表示のために制御パネル43に出力する。軸モジュール41は、それぞれ1つの機械軸(すなわち、サーボモーター等の関連する機械軸を駆動するために使用される少なくとも1つのアクチュエーター)に制御信号をそれらの出力において提供する。
プロセス監視デバイス44が、制御コンピューター42に接続されている。このデバイスは、複数の測定値を制御コンピューター42及び必要に応じて他のセンサーから継続的に受信する。一方では、プロセス監視デバイス44は、機械加工誤差を早期段階で検出して、影響を受けるワークピースを機械加工プロセスから除去するために、測定値を継続的に分析する。他方で、プロセス監視デバイス44は、測定値を使用して、機械加工された最後のワークピースの様々な特性パラメーターを計算する。これらのプロセスは、以下でより詳細に説明される。
プロセス監視デバイス44は、各ワークピースのデータセットをデータベースサーバー46に送信する。このデータセットは、一意のワークピース識別子と、選択されたプロセスパラメーター及び特性パラメーターとを含む。データベースサーバー46は、対応するデータセットをその後、ワークピースごとに呼び出すことができるように、これらのデータセットをデータベースに記憶する。このデータベースを有するデータベースサーバー46は、機械の内部に配置することもできるし、機械から遠隔に配置することもできる。データベースサーバー46は、図1におけるクラウドによって示されるような、ネットワークを介してプロセス監視デバイス44に接続することができる。特に、データベースサーバー46は、機械若しくは社内LANを介して、WANを介して又はインターネットを介してプロセス監視デバイス44に接続することができる。
クライアント48は、データベースサーバー46からデータを取り出し、受信し、評価するためにデータベースサーバー46に接続することができる。この接続もまた、ネットワーク、特にLAN、WAN又はインターネットを介して行うことができる。特に、クライアント48は、受信データ及びそれらの評価を視覚化することができるウェブブラウザーを含むことができる。クライアントは、計算能力に関して特殊な要件を満たす必要もなければ、クライアントアプリケーションは、高ネットワーク帯域幅を必要とすることもない。
図2には、図1のセクションIIが拡大スケールで示されている。研削ウォーム16がクランプされた工具スピンドル15を見て取ることができる。測定プローブ17が、工具スピンドル15の固定部に旋回可能に取り付けられている。この測定プローブ17は、図2の測定位置とパーキング位置との間で旋回させることができる。測定位置では、測定プローブ17は、接触によってワークピーススピンドル21上のワークピース23の歯車を測定するのに使用することができる。これは、「インライン」で、すなわちワークピース23がまだワークピーススピンドル21上にある間に行われる。これによって、機械加工誤差を早期段階で検出することが可能になる。パーキング位置では、測定プローブ17は、ワークピーススピンドル21、心押し台22、ワークピース23及びワークピースキャリア20上の他の構成要素との衝突から保護されるエリアに配置されている。ワークピース機械加工の間、プローブ17はこのパーキング位置にある。
センタリングプローブ24が、ワークピース23の研削ウォーム16とは反対側に面する側に配置されている。センタリングプローブ24は、この例では、国際公開第2017/194251号に従って設計及び配置されている。センタリングプローブの動作モード及び配置に関しては、上述の国際公開に明確に言及されている。特に、センタリングプローブ24は、現時点における最新技術から既知であるように、誘導性近接センサー又は容量性近接センサーを含むことができる。ただし、光学的に動作するセンサーをセンタリング動作に使用することも考えられ、例えば、測定対象の歯車に光ビームを誘導し、歯車から反射された光を検出するセンサー、又は測定対象の歯車がワークピース軸C1の回りを回転している間にこの歯車による光ビームの遮断を検出するセンサーが考えられる。さらに、例えば米国特許第6,577,917号に提案されているように、プロセスデータをワークピース上に直接記録することができる1つ以上の更なるセンサーをセンタリングプローブ24上に配置することも考えられる。そのような追加のセンサーは、例えば、第2の歯車用の第2のセンタリングセンサー、温度センサー、追加の構造伝達ノイズセンサー、空気圧センサー等を含むことができる。
加えて、図2は、加速度センサー18が象徴的に示されている。加速度センサー18は、ワークピースの研削プロセス中及び研削ウォームをドレッシングするときに生じる工具スピンドル15の固定子の振動を明らかにするのに使用される。実際は、加速度センサーは、通常、(図2に示すように)ハウジング部分に配置されず、むしろ、例えば、工具スピンドル15の駆動モーターの固定子に直接配置される。このタイプの加速度センサーは既知である。
クーラントノズル19が、冷却液ジェットを機械加工ゾーン内に誘導する。この冷却液ジェットを介して伝達されるノイズを示すために、図2に図示しない音響センサーを設けることができる。
図3には、図1のセクションIIIが拡大スケールで示されている。この図では、ドレッシングデバイス30を認識することが特に容易である。ディスク形状のドレッシング工具33がクランプされているドレッシングスピンドル32が、旋回駆動部31上に配置され、軸C4の回りに旋回させることができる。代わりに又は加えて、固定されたドレッシング工具も設けることができ、特に、これらのヘッドエリアをドレッシングするために研削ウォームのウォームネジ山のヘッドエリアとのみ係合することを目的としたいわゆるヘッドドレッサーを設けることができる。
<ワークピースバッチの処理>
機械加工されていないワークピース(ブランク)を機械加工するために、ワークピースは、ワークピース交換位置にあるワークピーススピンドル上の自動ワークピース交換器によってクランプされる。ワークピースは、機械加工位置にある別のワークピーススピンドル上の別のワークピースの機械加工と並行して交換される。機械加工対象の新たなワークピースがクランプされ、別のワークピースの機械加工が完了すると、ワークピースキャリア20は、機械加工対象の新たなワークピースを有するスピンドルが機械加工位置に到達するように、C3軸の回りに180°旋回される。旋回プロセスの前及び/又はその間に、対応するセンタリングプローブを用いてセンタリング動作が行われる。このために、ワークピーススピンドル21は回転され、ワークピース23の歯溝の位置が、センタリングプローブ24を用いて測定される。これに基づいて、ローリング角が決定される。加えて、センタリングプローブを用いると、機械加工が開始する前であっても、歯厚及び他の事前機械加工誤差の過度のばらつきの徴候を推測することができる。
機械加工されていないワークピース(ブランク)を機械加工するために、ワークピースは、ワークピース交換位置にあるワークピーススピンドル上の自動ワークピース交換器によってクランプされる。ワークピースは、機械加工位置にある別のワークピーススピンドル上の別のワークピースの機械加工と並行して交換される。機械加工対象の新たなワークピースがクランプされ、別のワークピースの機械加工が完了すると、ワークピースキャリア20は、機械加工対象の新たなワークピースを有するスピンドルが機械加工位置に到達するように、C3軸の回りに180°旋回される。旋回プロセスの前及び/又はその間に、対応するセンタリングプローブを用いてセンタリング動作が行われる。このために、ワークピーススピンドル21は回転され、ワークピース23の歯溝の位置が、センタリングプローブ24を用いて測定される。これに基づいて、ローリング角が決定される。加えて、センタリングプローブを用いると、機械加工が開始する前であっても、歯厚及び他の事前機械加工誤差の過度のばらつきの徴候を推測することができる。
機械加工対象のワークピース23を担持するワークスピンドルが機械加工位置に到達すると、ワークピース23は、X軸に沿って工具キャリア12を移動させることによって、研削ウォーム16とくい違うことなく係合される。ワークピース23は、この時、ローリング係合する研削ウォーム16によって機械加工される。機械加工中、ワークピースは、一定のラジアル方向XのインフィードでZ軸に沿って連続して進められる。加えて、工具スピンドル15は、機械加工中に研削ウォーム16の未使用のエリアの使用を可能にするために、シフト軸Yに沿ってゆっくりと連続して移動される(いわゆるシフト移動)。ワークピース23の機械加工が完了すると直ちに、ワークピースは、任意選択で、測定プローブ17を用いてインラインで測定される。
ワークピースの機械加工と同時に、仕上げを受けたワークピースは、別のワークピーススピンドルから除去され、別のブランクがこのスピンドルにクランプされる。ワークピースキャリアがC3軸回りに旋回されるごとに、選択された構成要素が、旋回前又は旋回時間内に、すなわちサイクル時間に影響を与えることなく監視され、機械加工プロセスは、全ての規定要件が満たされるまでは再開されない。
いくつかのワークピースを機械加工した後、研削ウォーム16の使用が非常に進行して、研削ウォームが過度に鈍くなっている及び/又はフランクの幾何形状が過度に不正確である場合には、研削ウォームはドレッシングされる。これを行うために、ワークピースキャリア20は、ドレッシングデバイス30が研削ウォーム16と対向する位置に到達するように±90°旋回される。研削ウォーム16は、この時、ドレッシング工具33を用いてドレッシングされる。
<プロセス監視用のデータ取得>
プロセス監視デバイス44は、創成研削機1において実行される仕上げプロセスを監視することと、必要に応じて、不正確に機械加工されたワークピースを自動的に検出して取り除くこと及び/又は仕上げプロセスに介入して、不正確に機械加工されたワークピースを修正することとに使用される。
プロセス監視デバイス44は、創成研削機1において実行される仕上げプロセスを監視することと、必要に応じて、不正確に機械加工されたワークピースを自動的に検出して取り除くこと及び/又は仕上げプロセスに介入して、不正確に機械加工されたワークピースを修正することとに使用される。
このために、プロセス監視デバイス44は、制御コンピューター42によって直接記録されたセンサーデータと、制御コンピューター42が軸モジュール41から読み出したデータ、例えば工具スピンドル及びワークピーススピンドルにおける電流消費又はパワー消費を示すデータと、を含む複数の異なる測定データを制御コンピューター42から受信する。このために、プロセス監視デバイスは、既知のインターフェース、例えば既知のProfinet規格を介して制御コンピューター42に接続することができる。
プロセス監視デバイス44は、他のセンサーからセンサーデータを測定データとして直接受信する独自のアナログセンサー入力及び/又はデジタルセンサー入力も有することができる。追加のセンサーは、通常、実際の機械加工プロセスを制御するのに直接必要とされないセンサー、例えば振動を検出する加速度センサー又は温度センサーである。
以下の論述について、例として、プロセス監視デバイス44が少なくとも以下の測定データを記録するものと仮定される。
・工具スピンドル15の瞬時角速度又は瞬時回転速度(rpm);
・ワークピーススピンドル21の瞬時角速度又は瞬時回転速度(rpm);
・工具スピンドル15の電流消費又は電力消費;
・3つの異なる空間方向に沿った工具スピンドルハウジング15の直線加速度。
・工具スピンドル15の瞬時角速度又は瞬時回転速度(rpm);
・ワークピーススピンドル21の瞬時角速度又は瞬時回転速度(rpm);
・工具スピンドル15の電流消費又は電力消費;
・3つの異なる空間方向に沿った工具スピンドルハウジング15の直線加速度。
もちろん、プロセス監視デバイス44は、複数の他の測定データも記録することができる。
プロセス監視デバイス44は、ワークピースの機械加工中に測定データを継続的に記録する。特に、工具スピンドル15の電流消費又は電力消費は、各歯面の機械加工中の電力消費ごとに少なくとも1つの値、好ましくは歯面ごとに複数の値が存在する、十分高いサンプリングレートで記録される。
<正規化処理>
プロセス監視デバイス44では、必要に応じて高周波数ノイズを削減するために、フィルタリング、例えばローパスフィルタリング又はバンドパスフィルタリングが、工具スピンドルの電流消費又は電力消費の記録された値に最初に適用される。次に、正規化(標準化)処理がそれらの値(場合によってはフィルタリングされた値)に適用される。正規化処理の結果は、正規化されたパワーインジケーターである。正規化されたパワーインジケーターの値は、求められた電流消費又は電力消費から正規化係数NPとの乗算によって計算される。正規化係数は、仕上げ工具の幾何学的パラメーターと、ワークピースの幾何学的パラメーターと、例えばワークピースの回転ごとの工具スピンドル、ラジアルインフィード及びアキシャルフィードの速度等の仕上げ機の設定データと、さらには、その結果の工具とワークピースとの間の接触状態とを考慮に入れる。
プロセス監視デバイス44では、必要に応じて高周波数ノイズを削減するために、フィルタリング、例えばローパスフィルタリング又はバンドパスフィルタリングが、工具スピンドルの電流消費又は電力消費の記録された値に最初に適用される。次に、正規化(標準化)処理がそれらの値(場合によってはフィルタリングされた値)に適用される。正規化処理の結果は、正規化されたパワーインジケーターである。正規化されたパワーインジケーターの値は、求められた電流消費又は電力消費から正規化係数NPとの乗算によって計算される。正規化係数は、仕上げ工具の幾何学的パラメーターと、ワークピースの幾何学的パラメーターと、例えばワークピースの回転ごとの工具スピンドル、ラジアルインフィード及びアキシャルフィードの速度等の仕上げ機の設定データと、さらには、その結果の工具とワークピースとの間の接触状態とを考慮に入れる。
これは、次の考慮すべき事項に基づいている。ワークスピンドルの電流消費又は電力消費は、仕上げ工具の幾何学的パラメーターと、ワークピースの幾何学的パラメーターと、仕上げ機の設定データとに大幅に依存する。例えば、大きな直径を有する研削ウォームほど、それ以外の機械加工条件が同一の場合に、より長い実効レバーアームに起因して、より小さな直径を有する研削ウォームよりも高いトルクを必要とし、したがって、より高い電流消費が予想される。また、例えば、より高いアキシャルフィードレート又はより大きなラジアルインフィードを有し、それ以外の条件が同一の場合には、工具スピンドルのより高い速度と同様に、それに対応した工具スピンドルのより高い電流消費が予想される。正規化係数は、そのような影響を考慮に入れる。その結果、正規化されたパワーインジケーターは、一般に、そのような影響にもはや依存しないか、又は、直接測定された電流消費又は電力消費の場合よりも依存する程度ははるかに少ない。これらの影響は、正規化されたパワーインジケーターの計算に既に考慮されているので、目標プロセスからの偏差は、正規化されたパワーインジケーターを使用すると、直接測定された電流消費又は電力消費の場合よりもはるかに容易に検出することができる。
これは、図4においてより詳細に説明される。図4は、単一の歯面の創成研削処理中の工具スピンドルの電流消費の2つの代表的な曲線61、62を示している。曲線61は、相対的に大きなラジアルインフィードについて測定されたものであり、曲線62は、はるかに小さなラジアルインフィードについて測定されたものであり、それ以外の機械加工条件は同一である。双方の曲線は同様の形状を有する。すなわち、ランニングインフェーズ後、電流は、ランニングダウンフェーズにおいて再び下降する前はほぼ一定値を取る。一方、これらの曲線は、それらの電流振幅が大きく異なる。
プロセス監視の範囲内において、電流消費の時間的推移は、許容できないプロセス偏差を検出するために継続的に分析される。これは、様々な方法で行うことができる。1つの可能な方法は、例えば、電流消費が越えてはならない包絡曲線又は下回ってはならない包絡曲線を定義することである。そのような包絡線を越えた場合又は下回った場合に、それに応じて許容できないプロセス偏差と結論付けることができる。そのような包絡曲線63が、一例として図4に非常に簡略化した形で示されている。電流曲線62が記録されたラジアルインフィードを用いた機械加工中、包絡曲線63は、越えてはならない電流の上限を表す。しかしながら、この包絡曲線は、電流曲線61によって明らかに示されているように、より大きなラジアルインフィードが設定された場合にはもはや役立たない。すなわち、より大きなラジアルインフィードに伴って、電流消費は、機械加工プロセスが正しい場合であっても包絡曲線63を越えることになる。したがって、包絡曲線63は、ラジアルインフィードの変更ごとに再度求めなければならない。これは、試験機械加工又は経験値に基づいて行わなければならない。いずれも、多くの時間を要し、誤差をもたらす傾向がある。
この理由から、電流消費又は電力消費の測定値は、本プロセス監視の過程で正規化処理を受ける。正規化処理は、とりわけ、ラジアルインフィードを考慮に入れる。これによって、正規化された測定値は、ラジアルインフィードの値から独立して、互いに直接比較可能となる。したがって、同じ包絡曲線をラジアルインフィードの異なる値に常に使用することができる。この曲線は、一度求めるだけでよく、その後、多数の異なる機械加工状況に使用することができる。
同様の考慮すべき事項は、例えば、測定値のいくつかのスペクトル成分が周波数空間において継続的に監視されるとき等、測定値を分析する他の方法にも適用される。
記録された測定値に対する研削ウォームの外径の影響は特に重要である。なぜならば、研削ウォームの外径は、各ドレッシングプロセスとともに変化するからである。これは図5に示されている。図5は、複数のワークピースについて、ワークピースに対する各創成研削処理中に測定された工具スピンドルの最大電流消費i_maxを示している。ワークピースは全て、同じ研削ウォームを用いて機械加工されたものであり、研削ウォームは、一定の数のワークピースが機械加工された後にドレッシングされたものである。研削ウォームの外径は、各ドレッシング操作中に減少する。その結果、ワークピースは、変わり得る外径によって機械加工される。図5は、研削ウォームの外径を横軸に沿って示し、この外径によって機械加工されたワークピースの最大電流消費を縦軸に沿って示している。直接測定された最大電流消費には、四角形のマークが付けられている。この電流消費も外径の減少に伴って減少することが容易に見て取れる。これは、異なる外径による最大電流消費の測定値が直接比較可能でないことを意味する。対照的に、測定された最大電流消費に正規化処理を適用することによって得られる正規化された最大電流消費には、バツマークが付けられている。正規化処理は、研削ウォームの変わり得る外径を考慮に入れている。その結果、正規化された最大電流消費の値は、研削ウォームの外径にもはや依存しない。
正規化処理は、好ましくは、ワークピースが仕上げ機1において機械加工されている間にリアルタイムで行われる。一方では、これによって、正規化された測定値をワークピース機械加工中にリアルタイムで分析することが可能になり、機械加工の終了前又はその後直ちに、許容できないプロセス偏差を検出することができる。影響を受けたワークピースは、それに応じて、リアルタイムで直ちに識別して拒否することができる。一方では、ワークピースの機械加工の終了直後に、それぞれのワークピースの機械加工プロセスの特性パラメーターを正規化された測定値から計算することができることが確保される。このように、計算された特性パラメーターは、ワークピースの機械加工が完了した後直ちに利用可能である。一方では、計算された特性パラメーターの分析によって、更なるプロセス偏差を早期段階で検出することが可能になる。一方では、オフライン評価の場合のように、直接記録された測定値(すなわち未処理データ)をより長い期間にわたって記憶する必要はない。代わりに、計算された特性パラメーターを、それぞれのワークピースの識別子及び選択されたプロセスパラメーターとともに記憶することで十分である。これによって、メモリ所要量を非常に低く保つことが可能になる。
<測定された変数からの特性パラメーターの計算例>
プロセス監視デバイス44では、(好ましくは正規化された)パワーインジケーター、並びに、機械加工されたワークピース及びその機械加工プロセスを特徴付ける他の測定された変数から様々な特性パラメーターが計算される。これらの特性パラメーターは、有利にはプロセス固有の特性パラメーターであり、そのため、それらの特性パラメーターによって、機械加工プロセスにおけるプロセス偏差についての直接的な結論を引き出すことが可能になる。特に、特性パラメーターによって、ワークピースのいくつかの機械加工誤差を予測することが可能になる。したがって、個別の歯車測定を受けるワークピースの数を削減することができる一方、それでも、プロセス偏差を早期段階で確実に検出することができ、機械加工プロセスにおいて必要に応じて補正する動作を行うことができる。
プロセス監視デバイス44では、(好ましくは正規化された)パワーインジケーター、並びに、機械加工されたワークピース及びその機械加工プロセスを特徴付ける他の測定された変数から様々な特性パラメーターが計算される。これらの特性パラメーターは、有利にはプロセス固有の特性パラメーターであり、そのため、それらの特性パラメーターによって、機械加工プロセスにおけるプロセス偏差についての直接的な結論を引き出すことが可能になる。特に、特性パラメーターによって、ワークピースのいくつかの機械加工誤差を予測することが可能になる。したがって、個別の歯車測定を受けるワークピースの数を削減することができる一方、それでも、プロセス偏差を早期段階で確実に検出することができ、機械加工プロセスにおいて必要に応じて補正する動作を行うことができる。
測定された変数からの特性パラメーターの計算を、一例として以下の3つの特性パラメーターを用いて以下に示す。
(a)累積ピッチインジケーターIfP
(b)摩耗インジケーターIWear
(c)輪郭形状インジケーターIffa
(a)累積ピッチインジケーターIfP
(b)摩耗インジケーターIWear
(c)輪郭形状インジケーターIffa
3つの全てのパラメーターは、ワークピースの処理にわたって測定された変数の時間的推移のスペクトル分析によって求められる。
<(a)累積ピッチインジケーターIfP>
累積ピッチインジケーターIfPを求めるために、ワークピース速度nCにおけるパワーインジケーター(好ましくは正規化されたもの)のスペクトル成分が評価される。
累積ピッチインジケーターIfPを求めるために、ワークピース速度nCにおけるパワーインジケーター(好ましくは正規化されたもの)のスペクトル成分が評価される。
これは図6に示されている。これは、正規化された電流消費のスペクトル(周波数「f」の関数としての正規化された電流消費のスペクトル成分の絶対値)を示している。そのようなスペクトルは、正規化された電流消費の時間推移のFFTによって得ることができる。矢印は、ワークピーススピンドルの回転速度nCにおける正規化された電流消費のスペクトル成分を示している。このスペクトル成分を定量化するために、この周波数におけるスペクトル強度を求めることもできるし、この周波数付近の狭い範囲のスペクトルを積分することもできる。結果として得られる量が、累積ピッチインジケーターIfPである。
ワークピースの事前に加工された歯部の累積円ピッチ誤差が大きいほど、及び/又は、ワークピースの同心度が悪いほど、累積ピッチインジケーターIfPは、一般に大きくなる。したがって、累積ピッチインジケーターIfPから、前処理からの未処理部品の既存の累積ピッチ誤差、及び/又は、例えばワークピースのクランプデバイスの不正確な位置合わせに起因した同心度誤差を推測することが可能である。
<(b)摩耗インジケーターIWear>
摩耗インジケーターIWearを求めるために、正規化されたパワーインジケーターの静的部分、すなわち、例えば2Hzといった高域カットオフ周波数未満の部分が求められる。このために、例えば、パワーインジケーターの時間推移をローパスフィルタリングして積分することができる。
摩耗インジケーターIWearを求めるために、正規化されたパワーインジケーターの静的部分、すなわち、例えば2Hzといった高域カットオフ周波数未満の部分が求められる。このために、例えば、パワーインジケーターの時間推移をローパスフィルタリングして積分することができる。
摩耗インジケーターIWearは、全ての幾何学的影響と、例えばラジアルインフィード及びアキシャルフィード等の使用される技術データの影響とが正規化処理によって除去された後の、ワークピースに印加される正規化された切削エネルギーの尺度として理解することができる。簡単に言えば、摩耗インジケーターIWearの値が高いほど、研削ウォームが所与の駆動パワーにおいてワークピースから除去した材料は多くなっている。したがって、摩耗インジケーターの低下は、それ以外の条件が変化していない状況下で、ワークピースに対する工具の除去動作の悪化を反映する。この点で、摩耗インジケーターIWearの値の減少は、工具の損耗の増加を示す。
<(c)輪郭形状インジケーターIffa>
正規化された電流消費は、高い周波数に向かうほど次第に意味をなさなくなる。この理由から、高周波数プロセス構成要素に由来するパラメーターの計算には、好ましくは、他の測定値、例えば加速度センサー18の測定値が使用される。
正規化された電流消費は、高い周波数に向かうほど次第に意味をなさなくなる。この理由から、高周波数プロセス構成要素に由来するパラメーターの計算には、好ましくは、他の測定値、例えば加速度センサー18の測定値が使用される。
輪郭形状インジケーターIffaを求めるために、歯の噛み合い周波数におけるそのような測定値のスペクトル成分が評価される。歯の噛み合い周波数は、ワークピース速度にワークピースにおける歯の数zを乗算したものに対応する。すなわち、
である。
これは図7に示されている。図7は、ワークピースの機械加工中の加速度センサー18からの信号のスペクトルを示している。歯の噛み合い周波数におけるスペクトル成分には、矢印のマークが付けられている。これは、例えば歯の噛み合い周波数付近の狭い範囲のスペクトルを積分することによって定量化することができる。
輪郭形状がその仕様に従った理想的な輪郭形状から大きく逸脱するほど、輪郭形状インジケーターIffaは一般に大きくなる。輪郭形状インジケーターは、したがって、輪郭形状偏差又はそのような輪郭形状偏差をもたらすプロセス偏差についての結論を引き出すのに使用することができる。
<他の特性パラメーターの計算例>
3つの例を使用して特性パラメーターの計算を上記で説明した。しかしながら、多数の他の特性パラメーターを求めることができることは言うまでもない。
3つの例を使用して特性パラメーターの計算を上記で説明した。しかしながら、多数の他の特性パラメーターを求めることができることは言うまでもない。
別の例は、振動インジケーターIVibである。この特性パラメーターは、加速度センサー測定信号の絶対値を周波数領域において積分することによって得られる。
<プロセス偏差の検出>
求められた特性パラメーターの変化を複数のワークピースにわたって監視することによって、理想化された目標プロセスからの機械加工プロセスの偏差のインジケーターを求めることができる。これに基づいて、機械加工プロセスをそれに応じて調整し、偏差を削減することができる。許容できないプロセス偏差をより高い精度でリアルタイムで検出するために、複数のワークピースについて求められた特性パラメーターの比較を使用して、例えばリアルタイム監視用の上述した包絡線等の制限値をより正確に定義することもできる。
求められた特性パラメーターの変化を複数のワークピースにわたって監視することによって、理想化された目標プロセスからの機械加工プロセスの偏差のインジケーターを求めることができる。これに基づいて、機械加工プロセスをそれに応じて調整し、偏差を削減することができる。許容できないプロセス偏差をより高い精度でリアルタイムで検出するために、複数のワークピースについて求められた特性パラメーターの比較を使用して、例えばリアルタイム監視用の上述した包絡線等の制限値をより正確に定義することもできる。
これは、図8~図11を使用して以下で説明される。
これらの図を解釈する際には、ここで選択される処理方法のいくつかの特性をあらかじめ考慮に入れておかなければならない。
第一に、各ワークピースは2つの段階で機械加工されることに留意すべきである。1つは粗加工であり、1つは仕上げ加工である。シフトストラテジーは、次のようにこれに適合される。すなわち、各ワークピースは、先ず、特定の研削ウォーム領域で粗く機械加工される。次に、未使用の研削ウォーム領域が仕上げに使用されるように、研削ウォームは、(図におけるより大きなY値に向けて、すなわち左に)特定量だけシフトされる。仕上げ後、研削ウォームは、粗加工に最後に使用された研削ウォーム領域の端部にシフトされて戻り、次の研削ウォーム領域が、次のワークピースの粗加工に使用される。その結果、ほぼ全ての研削ウォーム領域が1つのワークピースを仕上げるのに最初に使用され、その後、後続のワークピースを粗加工するのに使用される。Y=0に近い右端の研削ウォーム領域のみが、このシフトストラテジーでは粗加工動作のみに使用される。図8~図11における機械加工位置Yは、研削ウォーム幅に沿ったどのウォーム領域が粗加工中にそれぞれのワークピースを機械加工するのに使用されたかを示している。
一方では、研削ウォームは、シフト中に研削ウォームの端部に到達するごとに新たにドレッシングされることに留意すべきである。研削ウォームの外径は、ドレッシング中に減少する。一方において、これは、駆動トルクを、ワークピースを研削するときの切削力に変換する梃子率を変化させ、他方において、各歯面の機械加工中の接触条件も変化する。図8~図11はそれぞれ、いくつかのドレッシングサイクルにわたるパラメーターを粗加工中の機械加工位置Yの関数として示している。正規化処理によって、ドレッシングは、それぞれのパラメーターにほとんど又は全く影響を与えていない。この理由は、研削ウォームの幾何形状に対するドレッシング操作の影響が正規化係数によって考慮に入れられているからである。その結果、異なるドレッシングサイクルにおける正規化されたパワーインジケーターの値は、互いに直接比較可能である。これに対応して、異なるドレッシングサイクルについて示された特性パラメーターも、研削ウォームの変動する外径にもかかわらず、互いに直接比較可能である。これは、提案した正規化処理の大きな利点である。
図8には、研削ウォーム幅に沿った機械加工位置Yの関数としてのいくつかのドレッシングサイクルにわたる複数のワークピースの粗加工プロセスの累積ピッチインジケーターIfPが示されている。この図は、ワークピースが第1のワークピーススピンドルにおいて機械加工されたのか又は第2のワークピーススピンドルにおいて機械加工されたのか(IfP(C1)又はIfP(C2))を区別している。三角形を用いて、第1のワークピーススピンドルにおいて機械加工されたワークピースの累積ピッチインジケーターIfP(C1)が示される一方、バツマークは、第2のワークピーススピンドルにおいて機械加工されたワークピースの累積ピッチインジケーターIfP(C2)を示している。
第1のワークピーススピンドルの累積ピッチインジケーターが第2のワークピーススピンドルの累積ピッチインジケーターよりも平均してかなり高いことが直ちに分かる。同じように事前加工されるワークピースの場合、これは、クランプデバイスの不正確な位置合わせに起因した、第1のワークピーススピンドルにおけるワークピースの同心度誤差を示す。そのような同心度誤差は、このように生産された歯車を使用するときに、望まれてないノイズをもたらす可能性がある。同時に、正規化処理によって、ドレッシング操作は、求められた累積ピッチインジケーターの値に実際には影響を与えていないことを見て取ることができる。
このように、特性パラメーターIfPが、機械加工プロセスの別の量、このケースでは研削ウォームの幅に沿った位置Y、と相関しており、視覚的に表示されることによって、オペレーターが同心度誤差及び対応する原因を認識することがより容易になる。位置Yの代わりに、ここでは他の量、最も簡単なケースでは連続したワークピース番号との相関も行うことができる。
図9には、複数のワークピースの輪郭形状インジケーターIffaが、同様にいくつかのドレッシングサイクルにわたる粗加工動作の機械加工位置Yの関数として表わされている。ドレッシングサイクルを問わず、輪郭形状インジケーターは、機械加工が各ドレッシング操作後に開始する研削ウォームの右端(Y=0の近く)では、研削ウォームに沿って機械加工位置が更に進んだ箇所よりもかなり小さく、研削ウォームの左端(Y=40mm)に向かって大きな変動を伴いながら平均して増加することを見て取ることができる。この図は、このように、ドレッシングサイクルの最初のワークピースが常に正しい輪郭形状を伴って生産されるのに対して、輪郭形状偏差は、後のワークピースほど増加して発生し、加えて激しく変動することを示している。上記に示したシフトストラテジーの点から見て、これは、研削ウォームが、最初に仕上げ動作に使用されるとともにその後に粗加工動作に使用されるエリアにおいて、過負荷になっていることを示している。
図9では、パラメーターIffaが機械加工プロセスの別の量、このケースでも研削ウォーム幅に沿った位置Yと相関しており、この別の量とともに視覚的に表示されることによって、オペレーターが輪郭形状誤差及びそれらの原因を認識することがより容易になる。
図10には、複数のワークピースの摩耗インジケーターIWearが、粗加工動作の機械加工位置Yの関数として同様に表されている。摩耗インジケーターは、Y=0に近い研削ウォームの右端において相対的に大きな値を有する。機械加工位置が、研削ウォーム幅に沿って進むにつれて、摩耗インジケーターは、大幅に低い値に急速に減少する。摩耗インジケーターは、摩耗自体の直接的な尺度ではなく、歯面において除去される材料の量の尺度であることに留意されたい。このことは、最大範囲の研削ウォーム幅にわたって、Y=0に近い右端の範囲よりも歯面から除去される材料が少なくなっていることを意味する。これは、右端の範囲を除く全ての領域において摩耗が増加することを示している。研削ウォーム幅にわたる摩耗インジケーターの推移は、したがって、研削ウォーム幅にわたる輪郭形状インジケーターの推移からも得ることができる知見を裏付けるものである。すなわち、摩耗インジケーターは、研削ウォームが、Y=0に近い右端のエリアを除くあらゆる箇所で過度に摩耗していることを示す。
図11は、粗加工動作の機械加工位置Yの関数としての複数のワークピースの振動インジケーターIVibを示している。この振動インジケーターは、研削ウォームの摩耗エリアでは、材料除去速度が遅いにもかかわらず、より高い振動荷重が生成されることを示している。これは、ひいては、このようにして生産された歯車を使用するときに望まれてないノイズをもたらす可能性がある。研削ウォームの幅にわたる振動インジケーターの推移は、したがって、輪郭形状インジケーター及び摩耗インジケーターの推移から既に得られている知見を再度確認するものである。
ここで補正動作を行うために、例えば、工具スピンドルの速度、ワークピースの回転ごとのラジアルインフィード又はアキシャルフィードを削減することができる。
<歯車測定からの測定値との比較>
選択されたワークピースについて求められた特性パラメーターは、歯車測定機における歯車測定の結果と比較することができる。このようにして、特性パラメーターと実際の形状偏差との相関を表すパラメーターを定量的に求めることができる。例えば、特性パラメーターと形状偏差との間に線形相関がある場合には、線形回帰を実行して線形相関の係数を求めることができる。これによって、機械加工されたワークピースごとに、特性パラメーターを用いて形状偏差を直接定量化することが可能になる。これは、そうでない場合には、歯車測定によることでしか可能でなく、不相応な量の労力を伴うことになる。
選択されたワークピースについて求められた特性パラメーターは、歯車測定機における歯車測定の結果と比較することができる。このようにして、特性パラメーターと実際の形状偏差との相関を表すパラメーターを定量的に求めることができる。例えば、特性パラメーターと形状偏差との間に線形相関がある場合には、線形回帰を実行して線形相関の係数を求めることができる。これによって、機械加工されたワークピースごとに、特性パラメーターを用いて形状偏差を直接定量化することが可能になる。これは、そうでない場合には、歯車測定によることでしか可能でなく、不相応な量の労力を伴うことになる。
<ウェブベースのインターフェース>
求められた特性パラメーター及びそれらのパラメーターと機械加工プロセスの他の特性値との相関のグラフィカル表示は、特にプラットフォームから独立した方法で、任意のクライアントコンピューター上でウェブブラウザーを介して行うことができる。他の評価尺度も、プラットフォームから独立した方法で、それに応じて実現することができる。これによって、リモート分析が容易になる。
求められた特性パラメーター及びそれらのパラメーターと機械加工プロセスの他の特性値との相関のグラフィカル表示は、特にプラットフォームから独立した方法で、任意のクライアントコンピューター上でウェブブラウザーを介して行うことができる。他の評価尺度も、プラットフォームから独立した方法で、それに応じて実現することができる。これによって、リモート分析が容易になる。
<機械加工誤差の自動検出>
上記例では、研削ウォーム幅にわたる様々な特性パラメーターの推移の分析は、オペレーターが機械において又は専門家が任意のクライアントコンピューターにおいて視覚的に行っていた。代わりに、そのような分析は、完全に自動的に行うこともできる。
上記例では、研削ウォーム幅にわたる様々な特性パラメーターの推移の分析は、オペレーターが機械において又は専門家が任意のクライアントコンピューターにおいて視覚的に行っていた。代わりに、そのような分析は、完全に自動的に行うこともできる。
このために、プロセス監視デバイス44は、いくつかのワークピースにわたって求められた特性パラメーターにおけるパターンを自動的に認識するアルゴリズムを実行することができる。機械学習アルゴリズムは、様々なバージョンのものが知られているように、この目的に特に適している。そのようなアルゴリズムは、多くの場合に「人工知能」とも呼ばれる。この一例がニューラルネットワークアルゴリズムである。上記例におけるそのようなアルゴリズムが、例えば第1のワークスピンドルと第2のワークスピンドルとの間の累積ピッチインジケーターの相違又は上記で説明した研削ウォーム幅にわたる摩耗挙動を、容易に検出することができることは明らかである。このために、アルゴリズムは、トレーニングデータセットを使用して通常の方法でトレーニングすることができる。トレーニングデータセットは、特性パラメーターと歯車測定に従った実際の形状偏差との相関を表すパラメーターを特に考慮に入れることができる。
この時、プロセス偏差を除去する必要な対策を取ることができる。例えば、同心度誤差が検出されたとき、対応するワークピーススピンドルにおけるワークピースクランプデバイスのセンタリングを手動で又は自動的に補正することができる。過度の摩耗が検出された場合には、ラジアルインフィード及び/又はアキシャルフィードをそれに応じて削減することができる。これらの対策も、手動で又は自動的に行うことができる。
<フォースモデル>
正規化係数は、モデルベースで計算することが好ましい。
正規化係数は、モデルベースで計算することが好ましい。
創成研削について、工具及びワークピースの幾何学的パラメーターと、技術的パラメーターとに対する切削力の依存関係を記述するモデルが文献に存在する。一例として、ヴァリゼレンにあるReishauer AG社によって2010年に編集された既述のH. Schriefer他による書物「Continuous Generating Gear Grinding」(ISBN978-3-033-02535-6)の第4.7.3章「Cutting Force」(第319頁~第322頁)が参照される。
以下では、C. Dietz著の論文「Numerische Simulation des kontinuierlichen Waelzschleifprozesses unter Beruecksichtigung des dynamischen Verhaltens des Systems Maschine - Werkzeug - Werkstueck」(「Numeric Simulation of Continuous Generating Grinding taking into Account the Dynamic Response of the System Machine - Tool - Workpiece」)(Diss. ETH Zurich No. 24172, https://doi.org/10.3929/ethz-b-000171605)において使用されるフォースモデルを参照する。この論文には、連続創成研削プロセスを数値的にモデル化する方法が開示されている。特に、切削力の計算用のモデルが提示され、このモデルのパラメーターを測定によって実験的にどのように求めることができるのかの手順が示されている。
法線力のフォースモデルは、C. Dietzの論文の式4.27に以下のように与えられている。
ここで、aeは切削の深さを示し、apは切削幅を示し、lkは切削ゾーンの接触長さであり、vcは切削速度であり、vfは送り速度である。定数F0及びk並びに累乗の指数ε1及びε2は、経験的に求められる量である。
力の比μも、経験的に求められる量である。
幾何学的変数ae、ap及びlkは切削ゾーンを表す。これらの幾何学的変数は、C. Dietzによる論文の第4.5.1章に示されているように解析的に計算することもできるし、透過計算によって数値的に求めることもできる。
特に、接触長さlkの以下の解析的関係を導出することができる。
ここで、rpSS,eqは等価研削ウォーム半径を示し、qtは公称研削許容誤差を示し、szはワークピースの回転ごとのラジアルフィードを示す。等価研削ウォーム半径rpSS,eqは、実際の研削ウォーム半径rpSSから以下のように計算することができる。
ここで、αSSは研削ウォーム歯車の圧力角を示す。
切削速度vc及び送り速度vfは、創成研削プロセスの運動学から得られる。C. Dietzによる論文の第4.7.1章に述べられているように、これらの変数の解析公式も与えることができる。例えば、以下の式が切削速度vcに適用される。
ここで、vcuは周辺速度を示し、vcaは軸方向速度成分を示し、vcwはローリング速度を示す。
或いは、切削ゾーンを記述する幾何学的変数ae、ap及びlk並びに切削速度vc及び送り速度vfは、数値プロセスシミュレーションから求めることもできる。
定数F0及びk、累乗の指数ε1及びε2並びに力の比μは、一例としてC. Dietzの論文の第5.3章に与えられているように、経験的に求めることができる。
これらの値を用いると、実際に測定されるプロセスフォースをフォースモデルによって非常に高い精度で再現することができる。
他の材料の組み合わせの場合、上述したパラメーターの値は、上記に示した値から逸脱する場合がある。しかしながら、そのような値は、測定されるフォース値と計算されるフォース値とを比較することによって経験的に容易に求めることができる。
<プロセスパワーのモデル化>
工具スピンドルによって提供されるパワーPBは、研削ウォームとワークピースとの間の接点における研削ウォームの切削力Fcと周辺速度vcuとの積として得られる。一方において、この周辺速度は、工具スピンドルの回転速度nBに比例し、他方において、この周辺速度は、接点における研削ウォームの直径dpSSの半分である実効レバーアームに比例する。
工具スピンドルによって提供されるパワーPBは、研削ウォームとワークピースとの間の接点における研削ウォームの切削力Fcと周辺速度vcuとの積として得られる。一方において、この周辺速度は、工具スピンドルの回転速度nBに比例し、他方において、この周辺速度は、接点における研削ウォームの直径dpSSの半分である実効レバーアームに比例する。
接点における研削ウォームの直径dpSSは、良好な近似としてその外径daSSに置き換えることができる。
<正規化係数の計算>
プロセスパワーのこのモデルに基づき、正規化係数は、例えば、以下のように選択することができる。
ここで、daSS,maxは、最初のドレッシング操作後の最大外径である。或いは、他の任意の基準値をここで使用することができる。記号nB,refは任意の基準速度を示す。
プロセスパワーのこのモデルに基づき、正規化係数は、例えば、以下のように選択することができる。
ただし、モデルを拡張したものでは、これらの累乗の指数も、1から逸脱する可能性があり、経験的に求めることができる。
第1の係数(累乗の指数E1を有するもの)は、フォースモデルから直接得られる。この係数は、研削ウォーム及びワークピースの幾何形状と、技術仕様、特にラジアルインフィード及びアキシャルフィードとを考慮に入れたものである。
第2の係数(累乗の指数E2を有するもの)は、研削ウォーム直径に応じて変化する接点における梃子比を考慮に入れたものである。
第3の係数(累乗の指数E3を有するもの)は、工具スピンドルの速度に対するプロセスパワーの依存関係を考慮に入れたものである。
フォースモデルの上記考察及びC. Dietzによる論文における更なる説明から分かるように、切削力は、フランクの機械加工にわたってある程度は変化する。しかしながら、プロセス制御の目的のために、切削力は、ランイン及びランアウトを無視して、1つのフランクの機械加工にわたって一定とみなすことができる。したがって、各ドレッシング操作(研削ウォームの幾何形状を変化させる)後及び技術的パラメーター(特にラジアルインフィード及び/又はアキシャルフィード)の各変化後に、正規化係数NPを再計算することで十分である。この正規化係数NPは、その後、ドレッシングサイクルの全てのワークピースに使用することができる。
正規化係数NPは、もちろん、上述したものと異なる方法で計算することもできる。より複雑な正規化処理も考えられ、例えば、最初にオフセットを除去する減算を含み、その後に乗算又は除算のみを含む正規化処理も考えられる。
上記考慮事項は創成研削に適用される。他の仕上げ操作については、切削力の他のモデルがあり、したがって、他の仕上げ操作については、正規化係数が上記に示した正規化係数と異なる。
<例示的な方法のフローチャート>
図12は、図1に示すタイプの仕上げ機を用いた同様のワークピースのバッチの創成研削の状況においてプロセスを監視する一例示的な方法のフローチャートを示している。
図12は、図1に示すタイプの仕上げ機を用いた同様のワークピースのバッチの創成研削の状況においてプロセスを監視する一例示的な方法のフローチャートを示している。
ステップ110において、仕上げ機がセットアップされ、関連のあるプロセスパラメーター(特に研削ウォーム及びワークピースの幾何学的パラメーター並びにラジアルインフィード及びアキシャルフィード等の技術的パラメーター)が、制御パネル43を介して機械制御部42内に入力される。ステップ111において、研削ウォーム16がドレッシングされ、ドレッシングされた研削ウォームの外径が求められる。ステップ112において、正規化係数が、プロセスパラメーター及び研削ウォームの外径に基づいて計算される。
ブロック120において、バッチの個々のワークピースが機械加工される。機械加工プロセス中に、測定された変数が、ステップ121において、プロセス監視デバイス44によって継続的に記録される。ステップ122において、測定された変数のうちの少なくともいくつか、特に工具スピンドルの電流消費に関する測定された変数が、リアルタイムで正規化される。ステップ123において、個々のワークピースがまだ機械加工されている間に、プロセス偏差に基づいて、起こり得る機械加工誤差をオンラインで直接検出するために、この時点で部分的に正規化されている測定された変数が、リアルタイムで継続して分析される。起こり得る機械加工誤差が検出された場合には、対応する情報変数がプロセス監視デバイスにおいて設定される。ステップ121~123は、ワークピースの機械加工中に継続的に繰り返される。
ワークピースの機械加工の完了後直ちに、特性パラメーターが、ステップ124において、部分的に正規化されている測定された変数から計算される。特性パラメーターは仕様と比較される。パラメーターが仕様から過度に逸脱していることが判明した場合には、機械加工誤差の情報変数が設定される。
ステップ125において、ワークピースハンドリングシステムが、機械加工誤差の徴候が検出されたワークピースを除去するように情報変数によって命令される。これらのワークピースは、より詳細な検査を受けることもできるし、NIO部品として直ちに拒否することもできる。
ステップ126において、各ワークピースのデータセットがデータベースに記憶される。このデータセットは、一意のワークピース識別子と、最も重要なプロセスパラメーターと、求められた特性パラメーターと、任意選択で情報変数とを含む。
ワークピースの機械加工は、この時、新たなドレッシング操作が必要となる程度に研削ウォームがすり減るまで同様に繰り返される。ドレッシング操作が必要な場合には、ステップ111が繰り返される。すなわち、研削ウォームが再びドレッシングされ、その新たな外径が求められる。したがって、正規化係数がステップ112において再計算される。ワークピースの機械加工120は、この時、新たにドレッシングされた研削ウォーム及び新たな正規化係数を用いて継続される。
図13は、いくつかのワークピースの記憶されたデータセットから、更なるプロセス偏差がどのように自動的に検出され得るのかを示している。ステップ131において、いくつかのワークピースのデータセットがデータベースから読み出される。ステップ132において、これらのデータセットは、個々のワークピースの機械加工中に直接検出可能でなかった可能性があるプロセス偏差をデータセットから特定するために、AIアルゴリズム(AI=人工知能(artificial intelligence))によって分析される。ステップ133において、この分析の結果を使用して、機械加工プロセスを補正する対策(例えばアキシャルフィードの削減等)が自動的に開始される。これらのステップは、特定の最小数のワークピースが機械加工されるごとに実行することができる。ただし、この分析は、ワークピースバッチの機械加工の終了後も引き続き行って、例えば、機械加工誤差によって影響を受けるワークピースを引き続き特定することができる。
このプロセスは、記憶されるデータセットが、処理中に直接取得されるデータ量と比較して非常に少ないので、適度な量の計算及びメモリしか必要としない。
図14に示すように、これとは独立に、データセットは、クライアントコンピューターを用いてネットワークを介してデータベースからいつでも読み出すことができ(ステップ141)、グラフィカルに編集及び出力することができる(ステップ142)。この手順も、非常に適度な量の計算及びメモリしか必要としない。これによって、ウェブブラウザーにおいてプラグインを使用してこのプロセスを実行することが可能になる。この出力に基づいて、オペレーターは、誤差分析を行うことができ、例えば、リアルタイム分析中に適用される上述した包絡線を再度求めることができる。
<プロセス監視デバイスの機能ブロックのブロック図>
図15は、プロセス監視デバイス44の様々な機能ブロックを概略的に示すブロック図の一例を示している。これらの機能ブロックは、コマンド/データ交換構成要素401を介して互いに機能的に接続される。
図15は、プロセス監視デバイス44の様々な機能ブロックを概略的に示すブロック図の一例を示している。これらの機能ブロックは、コマンド/データ交換構成要素401を介して互いに機能的に接続される。
正規化計算デバイス410は、必要に応じて正規化係数を計算する。検出デバイス420は、測定値を検出するのに使用される。正規化デバイス430は、測定値の少なくとも一部をそれらの検出後直ちに正規化する。欠陥検出デバイス440は、部分的に正規化された測定値を分析し、許容できないプロセス偏差を特定する。ハンドリングデバイス441(厳密に言えば、プロセス監視デバイスの一部でない)は、その後、許容できないプロセス偏差を伴って処理されたワークピースを除去する。ワークピースの機械加工の終了後、特性パラメーター計算デバイス450は、部分的に正規化された測定値から特性パラメーターを計算する。データ通信デバイス460は、データベースサーバーとの通信に使用される。偏差検出デバイス470は、プロセス偏差の自動検出に使用される。このために、偏差検出デバイス470は、AIアルゴリズムを実行するプロセッサデバイス471を備える。
上記で示した例の多数の変形形態が可能であることは言うまでもない。
Claims (34)
- プレ歯付きワークピース(23)の歯面が仕上げ機(1)を用いて機械加工される機械加工プロセスを監視する方法であって、前記仕上げ機(1)は、仕上げ工具(16)を駆動して工具軸(B)回りに回転させる工具スピンドル(15)と、プレ歯付きワークピース(23)を駆動して回転させる少なくとも1つのワークピーススピンドル(21)とを有し、
該方法は、
前記仕上げ工具(16)がワークピース(23)と機械加工係合している間に複数の測定値を検出すること、
を含み、
該方法は、
前記測定値のうちの少なくともいくつか又は前記測定値から導出される量の値に正規化処理を適用して正規化値を得ること、
を含み、
前記正規化処理は、少なくとも1つのプロセスパラメーターに依存し、該少なくとも1つのプロセスパラメーターは、前記仕上げ工具(16)の幾何学的パラメーターと、前記ワークピース(23)の幾何学的パラメーターと、前記仕上げ機(1)の設定パラメーターとから選択されることを特徴とする、方法。 - 前記検出された測定値は、前記工具スピンドル(15)の電流パワー消費、あるいは特に前記工具スピンドル(15)の電流値を示すパワーインジケーターの値を含み、前記正規化処理は、前記パワーインジケーターの前記値又は該パワーインジケーターから導出される変数に適用される、請求項1に記載の方法。
- 前記正規化処理は、前記仕上げ工具(16)が前記ワークピース(23)と機械加工係合している間にリアルタイムで行われる、請求項1又は2に記載の方法。
- 前記正規化値をリアルタイムで分析して、許容できないプロセス偏差を検出すること、
を含む、請求項3に記載の方法。 - 許容できないプロセス偏差があると判断されたワークピースを除去すること、
を含む、請求項4に記載の方法。 - 前記測定値又は該測定値から導出される値から前記機械加工プロセスの特性パラメーターを計算すること、
を含む、請求項1~5のいずれか1項に記載の方法。 - 前記特性パラメーターのうちの少なくとも1つは、前記ワークピース(23)の既定の機械加工誤差と相関する、請求項6に記載の方法。
- 選択されたワークピース(23)の歯車測定を行って、前記既定の機械加工誤差を特徴付けるワークピースごとの少なくとも1つの歯車測定値を求めることと、
前記少なくとも1つの特性パラメーターと前記少なくとも1つの歯車測定値との前記相関を特徴付ける相関パラメーターを求めることと、
を含む、請求項7に記載の方法。 - 前記特性パラメーターのうちの少なくとも1つの前記計算は、測定値、該測定値から導出される値又は正規化値のスペクトル分析を含み、あるいは特に、前記工具スピンドル(15)及び/又は前記ワークピーススピンドル(21)の速度の倍数におけるスペクトル成分が評価される、請求項6~8のいずれか1項に記載の方法。
- 仕上げプロセスは、前記仕上げ工具(16)及び前記ワークピース(23)がローリング係合する創成プロセスであり、前記特性パラメーターは、
前記ワークピーススピンドル(15)の速度における測定値のスペクトル成分から計算され、前記ワークピース(23)の累積ピッチ誤差又は同心度誤差と相関する累積ピッチインジケーター(IfP)と、
測定値の低周波数スペクトル成分から計算され、前記仕上げ工具(16)の摩耗の程度と相関する摩耗インジケーター(IWear)と、
歯の噛み合い周波数における測定値のスペクトル成分から計算され、前記ワークピース(23)の輪郭形状偏差と相関する輪郭形状インジケーター(Iffa)と
のうちの少なくとも1つを含む、請求項6~9のいずれか1項に記載の方法。 - 前記ワークピースの一意の識別子と、少なくとも1つのプロセスパラメーターと、前記特性パラメーターのうちの少なくとも1つとを含むデータセットを、データベース(46)に記憶すること、
を含む、請求項6~10のいずれか1項に記載の方法。 - 複数のワークピース(23)の前記特性パラメーターのうちの少なくとも1つの値の分析を行って、プロセス偏差を求めることと、
前記機械加工プロセスを変更して、前記プロセス偏差を削減することと、
を含む、請求項6~11のいずれか1項に記載の方法。 - 前記分析は、トレーニングされた機械学習アルゴリズムによって行われる、請求項12に記載の方法。
- 前記分析は、
複数のワークピース(23)の前記特性パラメーターのうちの少なくとも1つの値を前記機械加工プロセスの別のパラメーターと相関させること、
を含む、請求項12又は13に記載の方法。 - 複数のワークピースの前記特性パラメーターのうちの少なくとも1つの値又は該特性パラメーターのうちの少なくとも1つから導出される値をグラフィカル出力すること、あるいは特にウェブブラウザーにグラフィカル出力すること、
を含む、請求項6~14のいずれか1項に記載の方法。 - 前記プロセスパラメーターのうちの少なくとも1つを変更することと、
前記変更後に前記プロセスパラメーターの前記正規化処理を再計算することと、
を含む、請求項1~15のいずれか1項に記載の方法。 - 前記正規化処理の前記再計算は、前記プロセスパラメーターに対する前記測定値の予想される依存関係を表すモデルを使用すること、あるいは特にプロセスフォース又はプロセスパワーのモデルを使用することを含む、請求項16に記載の方法。
- 前記正規化処理の前記再計算は、前記仕上げ工具(16)の変わり得る寸法に関する補償、あるいは特にその外径(daSS)に関する補償を含む、請求項16又は17に記載の方法。
- 仕上げ工具(16)を駆動して工具軸(B)の回りを回転させる工具スピンドル(15)と、
プレ歯付きワークピース(23)を駆動して回転させる少なくとも1つのワークピーススピンドル(21)と、
前記仕上げ工具(16)を用いて前記ワークピース(23)を機械加工するプロセスを制御する制御デバイス(40)と、
請求項1~18のいずれか1項に記載の機械加工プロセスを監視する方法を実行するように構成されたプロセス監視デバイス(44)と、
を備える、プレ歯付きワークピースの歯面の前記機械加工の仕上げ機。 - 前記プロセス監視デバイス(44)は、
前記仕上げ工具(16)がワークピース(23)と機械加工係合している間に、複数の測定値を検出する検出デバイス(420)と、
前記測定値の少なくとも一部又は該測定値から導出される量の値に正規化処理を適用して正規化値を得る正規化デバイス(430)と、
を備え、
前記正規化処理は少なくとも1つのプロセスパラメーターに依存し、該少なくとも1つのプロセスパラメーターは、前記仕上げ工具(16)の幾何学的パラメーターと、前記ワークピース(23)の幾何学的パラメーターと、前記仕上げ機(1)の設定パラメーターとから選択される、請求項19に記載の仕上げ機。 - 前記検出された測定値は、前記工具スピンドル(15)の電流パワー消費、あるいは特に前記工具スピンドル(15)の電流値を示すパワーインジケーターの値を含み、前記正規化処理は、前記パワーインジケーターの前記値又は該パワーインジケーターから導出される変数に適用される、請求項20に記載の仕上げ機。
- 前記正規化デバイス(430)は、前記仕上げ工具(16)が前記ワークピース(23)と機械加工係合している間に前記正規化処理をリアルタイムで行うように構成された、請求項20又は21に記載の仕上げ機。
- 前記プロセス監視デバイスは、許容できないプロセス偏差を検出するために、前記正規化値をリアルタイムで分析するように構成された欠陥検出デバイス(440)を備える、請求項22に記載の仕上げ機。
- 許容できないプロセス偏差があると判断されたワークピースを自動的に除去するように構成されたワークピースハンドリングデバイス(441)を備える、請求項23に記載の仕上げ機。
- 前記プロセス監視デバイスは、前記測定値又は該測定値から導出される値から前記機械加工プロセスの特性パラメーターを計算する特性パラメーター計算デバイス(450)を備える、請求項20~24のいずれか1項に記載の仕上げ機。
- 前記特性パラメーター計算デバイス(450)は、前記特性パラメーターのうちの少なくとも1つについて、測定値、該測定値から導出される値又は正規化値のスペクトル分析を行うように構成され、あるいは特に、前記工具スピンドル(15)及び/又は前記ワークピーススピンドル(21)の速度の倍数におけるスペクトル成分を評価するように構成された、請求項25に記載の仕上げ機。
- 前記プロセス監視デバイスは、
前記ワークピースの一意の識別子と、少なくとも1つのプロセスパラメーターと、前記特性パラメーターのうちの少なくとも1つとを含むデータセットをデータベース(46)に送信するデータ通信デバイス(460)、
を備える、請求項20~26のいずれか1項に記載の仕上げ機。 - 前記プロセス監視デバイスは、
複数のワークピース(23)の前記特性パラメーターのうちの少なくとも1つの値に基づいて、目標プロセスからの前記機械加工プロセスのプロセス偏差を検出する偏差検出デバイス(470)、
を備える、請求項20~27のいずれか1項に記載の仕上げ機。 - 前記偏差検出デバイス(460)は、前記プロセス偏差を検出するトレーニングされた機械学習アルゴリズムを実行するようにプログラミングされたプロセッサデバイス(461)を備える、請求項28に記載の仕上げ機。
- 前記プロセス監視デバイス(44)は、
前記プロセスパラメーターのうちの少なくとも1つが変化したときに前記正規化処理を再計算する正規化計算デバイス(410)、
を備える、請求項20~29のいずれか1項に記載の仕上げ機。 - 前記正規化計算デバイス(410)は、前記正規化処理を再計算するときに、前記プロセスパラメーターに対する前記測定値の予想される依存関係を表すモデル、あるいは特にプロセスフォース又はプロセスパワーのモデルを適用するように構成された、請求項30に記載の仕上げ機。
- 前記正規化計算デバイス(410)は、前記仕上げ工具(1)の寸法に関する補償、あるいは特にその外径(daSS)に関する補償を行うように構成された、請求項30又は31に記載の仕上げ機。
- 請求項19~32のいずれか1項に記載の仕上げ機(1)におけるプロセス監視デバイスに請求項1~18のいずれか1項に記載の方法を実行させる命令を含む、コンピュータープログラム。
- 請求項33に記載のコンピュータープログラムが記憶されているコンピューター可読媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CH01158/19 | 2019-09-13 | ||
CH01158/19A CH716583A1 (de) | 2019-09-13 | 2019-09-13 | Verfahren zur Überwachung eines Bearbeitungsprozesses, bei dem Zahnflanken vorverzahnter Werkstücke mit einer Feinbearbeitungsmaschine bearbeitet werden. |
PCT/EP2020/074828 WO2021048027A1 (de) | 2019-09-13 | 2020-09-04 | Automatische prozesskontrolle in einer verzahnungsmaschine |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022547408A true JP2022547408A (ja) | 2022-11-14 |
JPWO2021048027A5 JPWO2021048027A5 (ja) | 2023-07-26 |
Family
ID=67988833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022510948A Pending JP2022547408A (ja) | 2019-09-13 | 2020-09-04 | 歯車加工装置における自動プロセス制御 |
Country Status (9)
Country | Link |
---|---|
US (1) | US20220291669A1 (ja) |
EP (2) | EP4028839A1 (ja) |
JP (1) | JP2022547408A (ja) |
KR (1) | KR20220062555A (ja) |
CN (1) | CN114375430A (ja) |
CH (1) | CH716583A1 (ja) |
MX (1) | MX2022003082A (ja) |
TW (1) | TW202110582A (ja) |
WO (1) | WO2021048027A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102682115B1 (ko) * | 2023-09-26 | 2024-07-08 | 로이랩스 주식회사 | Cnc 가공설비를 모니터링 하기 위한 인공지능 기반 클라우드 서비스 제공 방법 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI742709B (zh) * | 2020-06-04 | 2021-10-11 | 國立成功大學 | 預測機台加工事件發生的方法與其虛擬量測應用及其電腦程式產品 |
DE102021107885A1 (de) * | 2021-03-29 | 2022-09-29 | KAPP NILES GmbH & Co. KG | Verfahren zum Hartfeinbearbeiten einer Verzahnung oder eines Profils eines Werkstücks |
DE102021108073A1 (de) * | 2021-03-30 | 2022-10-06 | KAPP NILES GmbH & Co. KG | Verfahren zum Schleifen eines Werkstücks mit einer Verzahnung oder einem Profil |
CN113798919B (zh) * | 2021-09-18 | 2022-07-26 | 清华大学 | 一种切削力测量方法、装置、电子设备及存储介质 |
CH718264B1 (de) | 2021-10-11 | 2022-11-30 | Reishauer Ag | Verfahren und Vorrichtung zur Überwachung des Zustands einer Werkzeugmaschine. |
CH718000B1 (de) * | 2021-10-11 | 2022-11-30 | Reishauer Ag | Verfahren und vorrichtung zur überwachung des zustands einer verzahnmaschine. |
DE102021214320A1 (de) | 2021-12-14 | 2023-06-15 | Sms Group Gmbh | Anlage zur spanenden Bearbeitung von Werkstücken sowie Verfahren zur Steuerung einer Werkzeugmaschine |
CH720026A1 (de) | 2022-09-09 | 2024-03-15 | Reishauer Ag | Verfahren zur Überwachung eines Bearbeitungsprozesses in einer Werkzeugmaschine. |
EP4394533A1 (en) * | 2022-12-28 | 2024-07-03 | Siemens Aktiengesellschaft | Methods and systems for monitoring a process of manufacturing a workpiece by a machining tool |
CN116460372B (zh) * | 2023-06-19 | 2023-09-05 | 莱芜泰山煤矿机械有限公司 | 一种用于滚齿机的冷却结构 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3809970A (en) | 1973-03-26 | 1974-05-07 | Square D Co | Solid state timing circuit |
US4894644A (en) | 1988-10-04 | 1990-01-16 | General Electric Company | Tool break/wear detection using a tracking minimum of detected vibrational signal |
US5070655A (en) | 1990-11-30 | 1991-12-10 | Aggarwal Trilok R | Machining process monitor |
JPH04106145U (ja) * | 1991-02-25 | 1992-09-11 | 村田機械株式会社 | 工作機械の故障予防装置 |
DE19928500B4 (de) | 1999-06-22 | 2014-04-24 | Reishauer Ag | Verfahren und Vorrichtung zur automatischen Messung von Prozess- und Werkstückkennwerten beim Schleifen von Zahnrädern |
US20120156963A1 (en) * | 2010-12-20 | 2012-06-21 | Caterpillar Inc. | Method of Monitoring Gear Grinding Operations |
CN202344052U (zh) * | 2011-11-26 | 2012-07-25 | 洛阳科大越格数控机床有限公司 | 一种数控成形砂轮磨齿机 |
CN103645052B (zh) * | 2013-12-11 | 2016-03-30 | 北京航空航天大学 | 一种风电机组齿轮箱远程在线状态监测及寿命评估方法 |
DE102014015587A1 (de) | 2014-10-21 | 2016-04-21 | Liebherr-Verzahntechnik Gmbh | Verfahren zur automatischen Überwachung der Serienproduktion einer Verzahnmaschine und entsprechende Vorrichtung |
CH712442A1 (de) | 2016-05-09 | 2017-11-15 | Reishauer Ag | Zahnradbearbeitungsmaschine mit Einzentriervorrichtung. |
JP2018156151A (ja) * | 2017-03-15 | 2018-10-04 | ファナック株式会社 | 異常検知装置及び機械学習装置 |
JP6530779B2 (ja) * | 2017-04-20 | 2019-06-12 | ファナック株式会社 | 加工不良要因推定装置 |
JP6680756B2 (ja) * | 2017-12-26 | 2020-04-15 | ファナック株式会社 | 制御装置及び機械学習装置 |
-
2019
- 2019-09-13 CH CH01158/19A patent/CH716583A1/de unknown
-
2020
- 2020-08-31 TW TW109129751A patent/TW202110582A/zh unknown
- 2020-09-04 WO PCT/EP2020/074828 patent/WO2021048027A1/de unknown
- 2020-09-04 EP EP20764426.1A patent/EP4028839A1/de active Pending
- 2020-09-04 US US17/635,228 patent/US20220291669A1/en active Pending
- 2020-09-04 JP JP2022510948A patent/JP2022547408A/ja active Pending
- 2020-09-04 MX MX2022003082A patent/MX2022003082A/es unknown
- 2020-09-04 CN CN202080064419.7A patent/CN114375430A/zh active Pending
- 2020-09-04 KR KR1020227011034A patent/KR20220062555A/ko unknown
- 2020-09-04 EP EP22190820.5A patent/EP4113228A1/de active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102682115B1 (ko) * | 2023-09-26 | 2024-07-08 | 로이랩스 주식회사 | Cnc 가공설비를 모니터링 하기 위한 인공지능 기반 클라우드 서비스 제공 방법 |
Also Published As
Publication number | Publication date |
---|---|
MX2022003082A (es) | 2022-04-11 |
TW202110582A (zh) | 2021-03-16 |
EP4028839A1 (de) | 2022-07-20 |
US20220291669A1 (en) | 2022-09-15 |
CH716583A1 (de) | 2021-03-15 |
EP4113228A1 (de) | 2023-01-04 |
CN114375430A (zh) | 2022-04-19 |
WO2021048027A1 (de) | 2021-03-18 |
KR20220062555A (ko) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022547408A (ja) | 歯車加工装置における自動プロセス制御 | |
US20220134459A1 (en) | Method for automatic process monitoring in continuous generation grinding | |
JP5511263B2 (ja) | 内歯車加工方法及び内歯車加工機 | |
JP3002534B2 (ja) | 素材切除部分の振り分け方法および装置 | |
JP7383982B2 (ja) | 工具寿命予測システム | |
US4329096A (en) | Gear cutter | |
Perez et al. | An enhanced method for cutting force estimation in peripheral milling | |
Leal-Muñoz et al. | Accuracy of a new online method for measuring machining parameters in milling | |
TW202420000A (zh) | 用於監控加工機中的加工過程的方法 | |
JP7380107B2 (ja) | 品質予測システム | |
US20220009049A1 (en) | Calibration-Based Tool Condition Monitoring System for Repetitive Machining Operations | |
Ompusunggu et al. | Physics-based vibration feature for detecting eccentric workpiece/runout faults during continuous generating gear grinding processes | |
JPWO2021048027A5 (ja) | ||
Brecher et al. | Local simulation of the specific material removal rate for generating gear grinding | |
JP7451949B2 (ja) | 加工品質予測システム | |
Katz | Cutting mechanics of the gear shaping process | |
JP7193839B2 (ja) | 歯車加工装置、被加工歯車の不良判定方法、及び被加工歯車の不良判定プログラム | |
TW202339880A (zh) | 監測切齒機狀態的方法 | |
BRECHER et al. | EFFICIENT DETERMINATION OF STABILITY LOBE DIAGRAMS DEPLOYING AN AUTOMATED, DATA-BASED ONLINE NC PROGRAM ADAPTION. | |
TWI846842B (zh) | 用於當連續創成磨削時自動化製程監控方法 | |
Morelli et al. | Depths of cut identification in 3-axis milling using cutting force spectrum | |
Čuš | The inclusion of the geometrical shape of the cutter into the optimisation of the milling process | |
Świć et al. | Theoretical and Experimental Identification of Frequency Characteristics and Control Signals of a Dynamic System in the Process of Turning. Materials 2021, 14, 2260 | |
WO2023218648A1 (ja) | 工作機械の制御装置 | |
JP2022147687A (ja) | 加工状態推定方法及び加工状態推定システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230714 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230714 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240820 |