JP6408063B1 - 複数のセンサを備える工作機械の主軸ヘッドの故障検出装置 - Google Patents

複数のセンサを備える工作機械の主軸ヘッドの故障検出装置 Download PDF

Info

Publication number
JP6408063B1
JP6408063B1 JP2017090802A JP2017090802A JP6408063B1 JP 6408063 B1 JP6408063 B1 JP 6408063B1 JP 2017090802 A JP2017090802 A JP 2017090802A JP 2017090802 A JP2017090802 A JP 2017090802A JP 6408063 B1 JP6408063 B1 JP 6408063B1
Authority
JP
Japan
Prior art keywords
sensor
abnormality
spindle head
output value
spindle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2017090802A
Other languages
English (en)
Other versions
JP2018187703A (ja
Inventor
神谷　洋平
洋平 神谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
FANUC Corp
Original Assignee
FANUC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by FANUC Corp filed Critical FANUC Corp
Priority to JP2017090802A priority Critical patent/JP6408063B1/ja
Priority to US15/959,952 priority patent/US10364840B2/en
Priority to DE102018109628.3A priority patent/DE102018109628B4/de
Priority to CN201810400338.4A priority patent/CN108788923B/zh
Application granted granted Critical
Publication of JP6408063B1 publication Critical patent/JP6408063B1/ja
Publication of JP2018187703A publication Critical patent/JP2018187703A/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00—Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • F16C19/527—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to vibration and noise
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/12—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/007—Arrangements for observing, indicating or measuring on machine tools for managing machine functions not concerning the tool
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00—Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C33/00—Parts of bearings; Special methods for making bearings or parts thereof
    • F16C33/30—Parts of ball or roller bearings
    • F16C33/38—Ball cages
    • F16C33/44—Selection of substances
    • 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
    • G05B19/182—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 the machine tool function, e.g. thread cutting, cam making, tool direction control
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/08—Registering or indicating the production of the machine either with or without registering working or idle time
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C19/00—Bearings with rolling contact, for exclusively rotary movement
    • F16C19/52—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions
    • F16C19/525—Bearings with rolling contact, for exclusively rotary movement with devices affected by abnormal or undesired conditions related to temperature and heat, e.g. insulation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16C—SHAFTS; FLEXIBLE SHAFTS; ELEMENTS OR CRANKSHAFT MECHANISMS; ROTARY BODIES OTHER THAN GEARING ELEMENTS; BEARINGS
    • F16C2208/00—Plastics; Synthetic resins, e.g. rubbers
    • F16C2208/80—Thermosetting resins
    • F16C2208/90—Phenolic resin
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37375—Climate, temperature and humidity
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37435—Vibration of machine
    • 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
    • G05B2219/50186—Diagnostic of spindle bearing

Landscapes

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

Abstract

【課題】異常が生じている部品および異常の原因を判定する工作機械の主軸ヘッドの故障検出装置を提供する。
【解決手段】故障検出装置２０は、ホルムアルデヒドの発生を検出するホルムアルデヒドセンサ４７と、主軸ヘッド６の振動を検出する振動センサ４１と、主軸軸受３４，３５の異常の発生を検出する機械制御装置２とを備える。機械制御装置２は、ホルムアルデヒドセンサ４７の出力値の時間変化および振動センサ４１の出力値の時間変化に基づいて、主軸軸受３４，３５の異常の発生および異常の原因を判定する。
【選択図】図１

Description

本発明は、複数のセンサを備える工作機械の主軸ヘッドの故障検出装置に関する。
工作機械は、主軸ヘッドがワークに対して相対的に移動することにより、所望の形状にワークを加工することができる。主軸ヘッドは、工具を保持する主軸および主軸を回転させる主軸モータを含む。主軸モータが駆動することにより工具が軸線の周りに回転する。主軸ヘッドには、主軸および主軸モータのシャフトを回転可能に支持する軸受が配置されている。また、主軸モータには、シャフトと主軸モータのケースとの間から切削液が進入しないようにオイルシールが配置される。軸受およびオイルシールは、主軸ヘッドの使用により経年劣化する。また、軸受およびオイルシールは、異物の進入などにより故障する場合がある。
従来の技術においては、温度センサまたは振動センサ等を工作機械に配置して、工作機械の異常を検出することが知られている（例えば、国際公開第２０１６／１３３１００号および特開２０１１−６００７６号公報参照）。また、温度センサ等の他に、湿度センサまたはガスセンサを配置して、軸受の故障を検出することが知られている（例えば、特開２０１６−１３１００４号公報参照）。
国際公開第２０１６／１３３１００号 特開２０１１−６００７６号公報 特開２０１６−１３１００４号公報
従来の技術においては、主軸ヘッドの故障を検出するために、振動センサが主軸ヘッドに取り付けられる。または、主軸ヘッドに弾性波を検出するＡＥセンサが取り付けられる。振動センサの出力値またはＡＥセンサの出力値が上昇した時に、主軸ヘッドに異常が生じていると判定することができる。または、複数個の振動センサが主軸ヘッドに取り付けられる場合がある。
ところが、１つの振動センサが主軸ヘッドに取り付けられた場合には、振動センサの出力値が上昇しても、異常が生じている部品を特定することは困難である。また、複数の振動センサが主軸ヘッドに取り付けられる場合でも、１つ部品が故障すると、主軸ヘッドの振動は全体的に増大するために、異常が生じている部品を特定することは難しかった。また、それぞれの部品の異常の原因を判定することは困難であった。作業者は、主軸ヘッドを分解して、異常が生じている部品を特定したり、異常の原因を判定したりする必要があった。
本開示の第１の態様の故障検出装置は、工作機械の主軸ヘッドの異常を検出する。故障検出装置は、主軸ヘッドにおいて予め定められた第１の気体の発生を検出する第１のセンサと、第１の気体の発生とは異なる主軸ヘッドの状態の変化を検出する第２のセンサとを備える。故障検出装置は、主軸ヘッドに配置された軸受に異常が生じているか否かを判定する制御装置を備える。制御装置は、第１のセンサの出力値の時間変化および第２のセンサの出力値の時間変化に基づいて、軸受の異常の発生および異常の原因を判定するように形成されている。軸受は、主軸を支持する主軸軸受である。主軸軸受は、フェノール樹脂にて形成された保持器と、内部に配置された潤滑材とを有する。第１のセンサは、ホルムアルデヒドを検出するガスセンサまたは臭気センサである。第２のセンサは、主軸ヘッドの振動を検出する振動センサまたは主軸ヘッドに発生する弾性波を検出するセンサである。制御装置は、第１のセンサの出力値が上昇した後に第２のセンサの出力値が上昇した場合に、潤滑材の劣化により主軸軸受に異常が生じていると判定する。
本開示の第２の態様の故障検出装置は、工作機械の主軸ヘッドの異常を検出する。故障検出装置は、主軸ヘッドにおいて予め定められた第１の気体の発生を検出する第１のセンサと、第１の気体の発生とは異なる主軸ヘッドの状態の変化を検出する第２のセンサとを備える。故障検出装置は、主軸ヘッドに配置された軸受に異常が生じているか否かを判定する制御装置を備える。制御装置は、第１のセンサの出力値の時間変化および第２のセンサの出力値の時間変化に基づいて、軸受の異常の発生および異常の原因を判定するように形成されている。軸受は、主軸モータのシャフトを支持するモータ軸受である。モータ軸受は、内部に配置されたウレアグリースを含む。第１のセンサは、窒素酸化物を検出するガスセンサまたは臭気センサである。第２のセンサは、主軸ヘッドの振動を検出する振動センサまたは主軸ヘッドに発生する弾性波を検出するセンサである。制御装置は、第１のセンサの出力値が上昇した後に第２のセンサの出力値が上昇した場合に、ウレアグリースの劣化によりモータ軸受に異常が生じていると判定する。
本開示の第３の態様の故障検出装置は、工作機械の主軸ヘッドの異常を検出する。故障検出装置は、主軸ヘッドにおいて予め定められた第１の気体の発生を検出する第１のセンサと、第１の気体の発生とは異なる主軸ヘッドの状態の変化を検出する第２のセンサとを備える。故障検出装置は、主軸ヘッドに配置されたオイルシールに異常が生じているか否かを判定する制御装置を備える。制御装置は、第１のセンサの出力値の時間変化および第２のセンサの出力値の時間変化に基づいて、オイルシールの異常の発生および異常の原因を判定するように形成されている。オイルシールは、主軸モータの内部の空間を密閉するように配置され、主軸モータのシャフトに接触し、ニトリルゴムにて形成された弾性部材を含む。第１のセンサは、硫化水素を検出するガスセンサまたは臭気センサである。第２のセンサは、主軸ヘッドの内部の湿度を検出する湿度センサである。制御装置は、第１のセンサの出力値が上昇した後に第２のセンサの出力値が上昇した場合に、異物の噛み込みによりオイルシールに異常が生じていると判定する。
本開示の態様によれば、工作機械の主軸ヘッドにおいて、異常が生じている部品および異常の原因を判定する故障検出装置を提供することができる。
実施の形態における第１の工作機械のブロック図である。 実施の形態における主軸ヘッドの概略部分断面図である。 実施の形態におけるオイルシールの概略断面図である。 主軸軸受に異常が生じた時のセンサの出力値のタイムチャートである。 モータ軸受に異常が生じた時のセンサの出力値のタイムチャートである。 オイルシールおよびモータ軸受に異常が生じた時のセンサの出力値のタイムチャートである。 実施の形態における第２の工作機械のブロック図である。 実施の形態における機械学習部のブロック図である。 ニューロンのモデルを示す模式図である。 ニューラルネットワークの模式図である。
図１から図１０を参照して、実施の形態における工作機械の異常を検出する故障検出装置について説明する。本実施の形態の故障検出装置は、主軸ヘッドの軸受およびオイルシールのうち少なくとも一方の異常を検出する。
図１は、本実施の形態の第１の工作機械のブロック図である。図２は、本実施の形態における主軸ヘッドの概略部分断面図である。図１および図２を参照して、工作機械１は、ワークに対する工具の相対位置を変化させながらワークを加工する。工作機械１は、ワークに対する工具の相対位置を変化させる送り軸を有する。例えば、送り軸は、３つの直動軸（Ｘ軸、Ｙ軸およびＺ軸）により構成されている。工作機械１の送り軸としては、この形態に限られず、任意の直動軸や回転送り軸から構成することができる。
工作機械１は、送り軸に沿ってワークまたは工具を移動する移動装置を備える。移動装置は、それぞれの送り軸に対応して配置された送り軸モータ５を含む。工作機械１は、工具１６を保持ながら工具１６を回転する主軸ヘッド６を備える。主軸ヘッド６は、工具１６を支持する主軸１４と、主軸１４を回転させる主軸モータ１１とを含む。主軸モータ１１は、シャフト１２と、シャフト１２が内部に配置されたケース１８とを含む。
主軸ヘッド６は、主軸１４が内部に配置された筐体１７を含む。工具１６は、工具ホルダ１５および工具保持部材１９を介して主軸１４に連結されている。主軸１４は、連結部材１３を介して主軸モータ１１のシャフト１２に連結されている。主軸モータ１１が駆動することにより、工具１６が主軸１４の軸線の周りに回転する。主軸モータ１１は、筐体１７に固定されている。
工作機械１は、送り軸モータ５および主軸モータ１１を制御する機械制御装置２を備える。本実施の形態の機械制御装置２は、バスを介して互いに接続されたＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、およびＲＯＭ（Read Only Memory）等を有する計算機により構成されている。
本実施の形態の工作機械１は、数値制御式である。工作機械１を動作させる加工プログラム７は、作業者により予め生成されている。機械制御装置２は、加工プログラム７を記憶する記憶部３と、加工プログラム７に基づいてモータの動作指令を生成する動作制御部４とを含む。工作機械１は、機械制御装置２にて生成された動作指令に基づいて、送り軸モータ５および主軸モータ１１に電気を供給するモータ駆動装置２１を含む。モータ駆動装置２１が電気を供給することにより、送り軸モータ５および主軸モータ１１が駆動する。
機械制御装置２は、作業者が任意の情報を入力する入力部８を含む。入力部８は、キーボード等により構成されている。機械制御装置２は、工作機械１に関する任意の情報を表示する表示部９を含む。表示部９は、例えば液晶表示パネル等により構成されている。
主軸ヘッド６は、主軸１４を支持する主軸軸受３４，３５を有する。主軸軸受３４，３５は、例えば、玉軸受である。玉軸受は、内輪、外輪、内輪と外輪との間に配置された玉、および、玉を保持する保持器を含む。主軸軸受３４，３５は、筐体１７に支持されている。本実施の形態の主軸軸受３４，３５の保持器は、フェノール樹脂にて形成されている。主軸軸受３４，３５の内部には、潤滑材としてグリースが配置されている。
主軸モータ１１の内部には、シャフト１２を支持するモータ軸受３１，３２が配置されている。モータ軸受３１，３２は、例えば、玉軸受である。モータ軸受３１，３２の内部には、潤滑材が配置される。本実施の形態のモータ軸受３１，３２には、潤滑材としてウレアグリースが用いられている。
図３に、本実施の形態におけるオイルシールの概略断面図を示す。図２および図３を参照して、主軸ヘッド６は、主軸モータ１１の内部の空間を密閉するオイルシール３３を含む。オイルシール３３は、主軸モータ１１のケース１８に固定されている。オイルシール３３は、主軸モータ１１のシャフト１２がケース１８から突出する部分に配置されている。
オイルシール３３は、シャフト１２に接触するリップ部３７ａを有する弾性部材３７を含む。オイルシール３３は、金属の環状部材３８と、リップ部３７ａの周りに配置されたばね３９とを含む。弾性部材３７は、シャフト１２を取り囲むように環状に形成されている。オイルシール３３は、シャフト１２とケース１８との間を密閉する。本実施の形態における弾性部材３７は、ニトリルゴムにて形成されている。
図１および図２を参照して、本実施の形態の工作機械１は、主軸ヘッド６の異常を検出する故障検出装置２０を含む。主軸ヘッド６は、多くの部品にて構成されている。故障検出装置２０は、主軸ヘッド６の軸受およびオイルシールのうち少なくとも一つの部品の異常を検出する。
故障検出装置２０は、機械制御装置２を備える。機械制御装置２は、軸受およびオイルシールのうち少なくとも一つの部品に異常が生じているか否かを判定する制御装置として機能する。本実施の形態における機械制御装置２は、主軸軸受３４，３５、モータ軸受３１，３２、およびオイルシール３３のうち、異常が生じている部品を特定する。工作機械１には、運転状態または異常の発生等を検出するために、多くのセンサが取り付けられている。機械制御装置２は、予め定められた複数のセンサの出力値に基づいて、異常が生じている部品を判定し、更に、異常の原因を判定する。
故障検出装置２０は、主軸ヘッド６の状態の変化を検出する複数のセンサを含む。本実施の形態における故障検出装置２０は、主軸ヘッド６において予め定められた気体の発生を検出するガスセンサを備える。本実施の形態のガスセンサは、主軸ヘッド６に異常が無い場合の運転時には発生しないガスを検出する。
故障検出装置２０のガスセンサは、ホルムアルデヒドの発生を検出するホルムアルデヒドセンサ４７を含む。ホルムアルデヒドセンサ４７は、ホルムアルデヒドの濃度を検出するように形成されている。ホルムアルデヒドセンサ４７は、主軸軸受３４，３５から発生するホルムアルデヒドを検出できる位置に配置される。本実施の形態のホルムアルデヒドセンサ４７は、筐体１７の内部において、主軸軸受３４，３５の近傍に配置されている。
故障検出装置２０のガスセンサは、窒素酸化物の発生を検出する窒素酸化物センサ４５を含む。窒素酸化物センサ４５は、窒素酸化物の濃度を検出可能に形成されている。窒素酸化物センサ４５は、モータ軸受３１，３２から発生する窒素酸化物を検出できる位置に配置されている。本実施の形態の窒素酸化物センサ４５は、モータ軸受３１，３２の近傍に配置されている。本実施の形態の窒素酸化物センサ４５は、主軸モータ１１のケース１８に固定されている。
故障検出装置２０のガスセンサは、硫化水素の発生を検出する硫化水素センサ４６を含む。硫化水素センサ４６は、硫化水素の濃度を検出できるように形成されている。硫化水素センサ４６は、オイルシール３３から発生する硫化水素を検出できる位置に配置されている。本実施の形態の硫化水素センサ４６は、オイルシール３３の近傍に配置されている。本実施の形態の硫化水素センサ４６は、主軸モータ１１のケース１８に固定されている。なお、硫化水素センサ４６は、主軸モータ１１のケース１８の内部に配置されていても構わない。または、硫化水素センサは、筐体１７に固定されていても構わない。
故障検出装置２０は、主軸ヘッド６の内部の空間の湿度を検出する湿度センサ４２を含む。筐体１７の内部には、主軸１４を配置する空間が形成されている。湿度センサ４２は、この内部の空間の湿度を検出するように配置されている。本実施の形態における湿度センサ４２は、筐体１７に固定されている。湿度センサ４２は、主軸ヘッド６に異常が無い場合の湿度から湿度が上昇したことを検出する。
故障検出装置２０は、主軸ヘッド６の振動を検出する振動センサ４１を含む。振動センサ４１は、筐体１７の振動の大きさを検出できる位置に配置されている。本実施の形態の振動センサ４１は、主軸ヘッド６の筐体１７に固定されている。振動センサ４１は、主軸ヘッド６に異常が無い場合の振動値から振動値が上昇したことを検出する。
なお、本実施の形態においては、主軸ヘッド６に振動センサが配置されているが、この形態に限られない。振動センサの代わりに主軸ヘッドに発生する弾性波を検出するセンサが配置されていても構わない。このような弾性波を検出するセンサは、ＡＥ（Acoustic Emission）センサと称される。ＡＥセンサが用いられる場合には、例えば、振動センサの振動の大きさ（振幅）の代わりに、筐体を伝達する弾性波の大きさ（振幅）を用いて、異常の発生を判定する制御および異常の発生を予測する制御を実施することができる。以下の説明では、振動センサとＡＥセンサのうち、振動センサを例示して説明する。
また、本実施の形態においては、特定のガスの成分の濃度を検出するガスセンサが配置されているが、この形態に限られない。ガスセンサの代わりに、主軸ヘッド６において気体の発生を検出する臭気センサ４４が配置されていても構わない。臭気センサ４４としては、例えば、特定の成分に反応するタンパク質を利用したバイオセンサを採用することができる。臭気センサにおいても、特定のガス成分の濃度を検出することができる。または、複数のガス成分の濃度を検出できる臭気センサが用いられていても構わない。以下の説明では、ガスセンサと臭気センサのうち、ガスセンサを例示して説明する。
故障検出装置２０は、主軸ヘッド６において予め定められた第１の気体の発生を検出する第１のセンサを備える。故障検出装置２０は、第１の気体の発生とは異なる主軸ヘッド６の状態の変化を検出する第２のセンサを備える。第２のセンサは、予め定められた第２の気体の発生を検出するガスセンサ、主軸ヘッドの振動を検出する振動センサ、および主軸ヘッドの内部の湿度を検出する湿度センサのうちいずれかのセンサである。これらのセンサは、工作機械１の内部に配置することができる。
機械制御装置２は、複数のセンサの出力値に基づいて、異常の発生の判定を行う判定部１０を含む。判定部１０は、第１のセンサの出力値および第２のセンサの出力値を取得する。例えば、判定部１０は、予め定められた時間間隔ごとに、第１のセンサの出力値および第２のセンサの出力値を取得する。なお、振動センサ４１による振動の大きさの検出は、ワークの加工を行う期間を避けた期間に実施することができる。例えば、ワークを切削する直前またはワークを切削した直後などの主軸モータの負荷が零の時期に実施することができる。
判定部１０は、第１のセンサの出力値の時間変化および第２のセンサの出力値の時間変化に基づいて、軸受およびオイルシールのうち異常が生じている部品および異常の原因を判定する。判定部１０は、１つのガスセンサの出力値に加えて、他のガスセンサの出力値、振動センサの出力値、または湿度センサの出力値に基づいて、故障している部品および故障の原因を特定する。次に、異常が発生している部品および異常の原因を判定する制御の例について説明する。
図４に、主軸軸受の異常を検出する制御のタイムチャートを示す。図１、図２および図４を参照して、主軸軸受３４，３５は、例えば、アンギュラ軸受けである。本実施の形態の主軸軸受３４，３５は、ＤＭＮ値（転動体の中心径×回転速度）が高く、ラジアル荷重にも耐えるように形成されている。主軸軸受３４，３５の保持器は、フェノール樹脂にて形成されている。潤滑材としては、例えば、リチウム石鹸グリースが用いられている。グリースの劣化により、玉と保持器とが金属接触を起こすと、玉および保持器が高温になる。保持器が高温になると、保持器からホルムアルデヒドが発生する。なお、本実施の形態の潤滑材はリチウム石鹸グリースを用いているために、玉および保持器の温度が上昇しても、潤滑材から窒素酸化物等の気体は発生しない。更に、主軸軸受３４，３５が損傷すると、ホルムアルデヒドの発生の後に振動が増大する。
機械制御装置２の判定部１０は、第１のセンサとしてのホルムアルデヒドセンサ４７の出力値が上昇した後に、第２のセンサとしての振動センサ４１の出力値が上昇した場合に、潤滑材の劣化により主軸軸受３４，３５に異常が生じていると判定する。
判定部１０は、ホルムアルデヒドセンサ４７の出力値および振動センサ４１の出力値を取得する。判定部１０は、ホルムアルデヒドセンサ４７の出力値が予め定められたホルムアルデヒドの判定値以上になったことを検出する。この後に、判定部１０は、振動センサ４１の出力値が、予め定められた振動の判定値以上になったことを検出する。この場合に、判定部１０は、主軸軸受３４，３５に異常が生じていると判定する。また、判定部１０は、主軸軸受３４，３５に充填されたグリースの劣化が原因であると判定する。ホルムアルデヒドの判定値および振動の判定値は、予め定められており、記憶部３に記憶されている。
図４に示す例においては、時刻ｔ１までは、ホルムアルデヒドの検出値はほぼ一定である。例えば、ホルムアルデヒドセンサ４７にて検出されるホルムアルデヒドの濃度は零である。時刻ｔ１において、ホルムアルデヒドの検出値が上昇を開始している。時刻ｔ２において、ホルムアルデヒドの検出値が、ホルムアルデヒドの判定値に到達している。そして、時刻ｔ３以降において、ホルムアルデヒドの検出値はほぼ一定になっている。時刻ｔ２において、判定部１０は、ホルムアルデヒドの検出値が判定値以上になったことを検出する。
時刻ｔ４までは、振動の検出値はほぼ一定である。時刻ｔ４において、振動の検出値が上昇を開始している。時刻ｔ５において、振動の検出値が振動の判定値に到達している。時刻ｔ６以降では、振動の検出値は一定になっている。判定部１０は、時刻ｔ５において、振動の検出値が振動の判定値以上になったことを検出している。時刻ｔ５において、判定部１０は、主軸軸受３４，３５に異常が生じていると判定する。また、判定部１０は、グリースの劣化が原因であると判定する。
判定部１０は、表示部９に対して、主軸軸受３４，３５の異常の発生および異常の原因に関する信号を送信する。表示部９は、主軸軸受３４，３５の異常の発生、およびグリースの劣化が原因であることを表示する。
このように、機械制御装置２は、主軸軸受３４，３５の異常の発生および異常の原因を検出することができる。なお、主軸軸受３４，３５の異常の判定においては、ホルムアルデヒドセンサ４７および振動センサ４１以外のセンサのうち、少なくとも一つのセンサの出力値が一定である条件が加えられていても構わない。例えば、窒素酸化物センサ４５の出力値および硫化水素センサ４６の出力値が、ほぼ一定であるという条件が追加されていても構わない。
図５に、モータ軸受の異常を検出する制御のタイムチャートを示す。図１、図２および図５を参照して、モータ軸受３１，３２は、主軸モータ１１の内部に配置されている。主軸モータ１１が駆動すると発熱して、主軸モータ１１は高温になる。モータ軸受３１，３２の潤滑材としては、ウレアグリースが用いられている。潤滑材が劣化して、玉と内輪または外輪との金属接触が生じると、金属接触している部分が高温になる。そして、ウレアグリースが高温になると、窒素酸化物が発生する。また、モータ軸受３１，３２が損傷すると、窒素酸化物の発生の後に振動が増大する。
機械制御装置２の判定部１０は、第１のセンサとしての窒素酸化物センサ４５の出力値が上昇した後に、第２のセンサとしての振動センサ４１の出力値が上昇した場合に、ウレアグリースの劣化によりモータ軸受３１，３２に異常が生じていると判定する。
判定部１０は、窒素酸化物センサ４５の出力値および振動センサ４１の出力値を取得する。判定部１０は、窒素酸化物センサ４５の出力値が予め定められた窒素酸化物の判定値以上になったことを検出する。この後に、判定部１０は、振動センサ４１の出力値が、予め定められた振動の判定値以上になったことを検出する。この場合に、判定部１０は、モータ軸受３１，３２に異常が生じていると判定する。また、判定部１０は、モータ軸受３１，３２に充填されたグリースの劣化が原因であると判定する。窒素酸化物の判定値および振動の判定値は、予め定められており、記憶部３に記憶されている。
図５に示す例においては、時刻ｔ１までは、窒素酸化物の検出値はほぼ一定である。たとえば、窒素酸化物センサ４５にて検出される窒素酸化物の濃度は零である。時刻ｔ１において、窒素酸化物の検出値の上昇が開始している。時刻ｔ２において、窒素酸化物の検出値が窒素酸化物の判定値に到達している。時刻ｔ３以降においては、窒素酸化物の検出値がほぼ一定である。
窒素酸化物の検出値が上昇した後に、時刻ｔ４までは、振動の検出値は、ほぼ一定である。時刻ｔ４において、振動の検出値が上昇を開始している。時刻ｔ５において、振動の検出値が振動の判定値に到達している。時刻ｔ６以降においては、振動の検出値はほぼ一定である。判定部１０は、時刻ｔ５において、振動の検出値が振動の判定値以上になったことを検出している。時刻ｔ５において、判定部１０は、モータ軸受３１，３２に異常が生じていると判定する。また、判定部１０は、グリースの劣化が原因であると判定する。
判定部１０は、表示部９に対して、モータ軸受３１，３２の異常の発生および異常の原因に関する信号を送信する。表示部９は、モータ軸受３１，３２の異常の発生、およびグリースの劣化が原因であることを表示する。
このように、機械制御装置２は、モータ軸受３１，３２の異常の発生および異常の原因を検出することができる。なお、モータ軸受３１，３２の異常の判定においては、窒素酸化物センサ４５および振動センサ４１以外のセンサのうち、少なくとも一つのセンサの出力値が一定である条件が加えられていても構わない。
図６に、オイルシールの異常を検出する制御のタイムチャートを示す。図１、図３および図６を参照して、オイルシール３３の一部は、工作機械１の加工室の内部に露出している。オイルシール３３は、ワークの加工期間中に切削液に接触する。この結果、主軸モータ１１のシャフト１２とオイルシール３３との間に、切粉が噛み込む場合がある。この場合に、オイルシール３３の弾性部材３７は、切粉との摩擦により温度が上昇して燃焼する。本実施の形態の弾性部材３７は、ニトリルゴムにて形成されているために、弾性部材３７が燃焼すると硫化水素が発生する。この後に、オイルシール３３の温度が上昇すると、主軸モータ１１のケース１８および筐体１７の温度が上昇する。筐体１７の内部の温度が上昇することにより、筐体１７の内部の湿度が上昇する。
本実施の形態の機械制御装置２の判定部１０は、第１のセンサとしての硫化水素センサ４６の出力値が上昇した後に、第２のセンサとしての湿度センサ４２の出力値が上昇した場合に、異物の噛み込みによりオイルシール３３に異常が生じていると判定する。
判定部１０は、硫化水素センサ４６の出力値および湿度センサ４２の出力値を取得する。判定部１０は、硫化水素センサ４６の出力値が、予め定められた硫化水素の判定値以上になったことを検出する。この後に、判定部１０は、湿度センサ４２の出力値が、予め定められた湿度の判定値以上になったことを検出する。この場合に、判定部１０は、オイルシール３３に、異常が生じていると判定する。また、判定部１０は、オイルシールの損傷は、異物の噛み込みが原因であると判定する。硫化水素の判定値および湿度の判定値は、予め定められており、記憶部３に記憶されている。
図６に示す例では、時刻ｔ１までは、硫化水素の検出値は、ほぼ一定である。例えば、硫化水素センサ４６にて検出される硫化水素の濃度が零である。時刻ｔ１において、硫化水素の検出値が上昇を開始している。時刻ｔ２において、硫化水素の検出値が硫化水素の判定値に到達している。時刻ｔ３以降においては、硫化水素の検出値がほぼ一定になっている。
次に、硫化水素の検出値が上昇を開始した後に、時刻ｔ４までは、湿度の検出値は、略一定である。時刻ｔ４において、主軸ヘッド６の内部の湿度が上昇を開始している。時刻ｔ５において、湿度の検出値が湿度の判定値に到達している。さらに、時刻ｔ６以降においては、湿度の検出値がほぼ一定になっている。時刻ｔ５において、判定部１０は、オイルシール３３に異常が生じていると判定する。また、判定部１０は、異物の噛み込みが原因であると判定する。
判定部１０は、表示部９に対して、オイルシール３３の異常の発生および異常の原因に関する信号を送信する。表示部９は、オイルシール３３の異常の発生、および異物の噛み込みが原因であることを表示する。このように、機械制御装置２は、オイルシール３３の異常の発生および異常の原因を検出することができる。なお、オイルシール３３の異常の判定においては、硫化水素センサ４６および湿度センサ４２以外のセンサのうち、少なくとも一つのセンサの出力値が一定である条件が加えられていても構わない。
ところで、オイルシール３３の異常を表示部９に表示しない制御を実施する場合がある。または、オイルシール３３の異常を検出しない制御を実施する場合がある。このような場合に、工作機械１による加工を継続すると、オイルシール３３の損傷した部分から切削液が主軸モータ１１の内部に進入する。この結果、モータ軸受３１が損傷する場合がある。
図６に示す制御では、オイルシール３３の異常の検出の他に、モータ軸受３１，３２の異常を検出する。判定部１０は、時刻ｔ６以降において、モータ軸受３１，３２の異常を検出する制御を実施している。この場合に、窒素酸化物センサ４５が第３のセンサとして機能する。機械制御装置２の判定部１０は、湿度センサ４２の出力値が上昇した後に、窒素酸化物センサ４５の出力値が上昇した場合に、モータ軸受３１，３２に異常が生じていると判定する。また、判定部１０は、主軸モータ１１の内部への液体の進入が異常の原因であると判定する。
時刻ｔ７において、判定部１０は、窒素酸化物の検出値が上昇を開始したことを検出する。時刻ｔ８において、判定部１０は、窒素酸化物の検出値が、窒素酸化物の判定値以上になっていることを検出する。時刻ｔ８以降では、窒素酸化物の検出値が一定になっている。判定部１０は、硫化水素の検出値、湿度の検出値、および窒素酸化物の検出値が、この順に上昇したことを検出する。本実施の形態の判定部１０は、硫化水素の検出値、湿度の検出値、および窒素酸化物の検出値が、この順に判定値に到達したことを検出する。判定部１０は、時刻ｔ８において、モータ軸受３１，３２に異常が生じていると判定する。この場合に、判定部１０は、異物の噛み込みによりオイルシール３３が損傷し、主軸モータ１１に液体が進入したために、モータ軸受３１，３２に異常が生じていると判定する。
判定部１０は、表示部９に対して、オイルシール３３およびモータ軸受３１，３２の異常の発生と異常の原因とに関する信号を送信する。表示部９は、オイルシール３３の異常の発生および異物の噛み込みが原因であることを表示する。更に、表示部９は、モータ軸受３１，３２の異常の発生および液体の進入が原因であることを表示する。
このように、本実施の形態の故障検出装置２０は、第１のセンサの出力値が上昇した後に、第２のセンサの出力値が上昇した場合に、所定の部品に異常が生じていると判定している。特に、故障検出装置２０は、複数のセンサの出力値が上昇する順番に基づいて、異常が生じた部品および異常の原因を判定している。本実施の形態の故障検出装置２０は、異常が生じた部品に加えて、異常の原因を判定することができる。
本実施の形態のセンサは、ガスの濃度、湿度、または、振動の大きさを検出するように形成されているが、この形態に限られない。ガスの発生、湿度の上昇、または、振動の増大が検出可能なセンサを採用することができる。
本実施の形態の制御では、判定部１０が異常を検出したときに、表示部９は、異常が生じている部品および異常の原因を表示している。この制御により、作業者は、表示部９の表示を見て任意の制御を実施することができる。たとえば、作業者は、工作機械１を停止して異常が生じている部品の交換を実施することができる。
本実施の形態の故障検出装置２０は、作業者に異常が生じている部品と異常の原因を知らせることができる。このために、作業者は、異常が生じている部品を速やかに把握することができる。作業者は、異常が生じている部品を交換すれば良く、その他の部品を交換する必要はない。このために、作業者は、主軸ヘッド６の修理を短時間で行うことができる。主軸ヘッド６の故障による工作機械１の稼働率の低下を抑制することができる。また、作業者は、故障の原因を知ることができるために、故障に対する対策を検討することができる。
判定部１０が異常を検出したときの制御としては、表示部９に表示する制御に限られず、任意の制御を行うことができる。例えば、判定部１０は、動作制御部４に、所定の部品に異常が生じている信号を送信する。動作制御部４は、加工プログラム７に基づく加工を停止することができる。または、動作制御部４は、送り軸モータ５の回転速度を低下させる制御を実施することができる。または、機械制御装置２は、異常の発生および異常の原因を工作機械１以外の装置に通知する制御を実施しても構わない。
図７に、本実施の形態の第２の工作機械のブロック図を示す。図８に、機械制御装置に配置された機械学習部のブロック図を示す。図７および図８を参照して、第２の工作機械１の機械制御装置２の判定部１０は、機械学習を行う機械学習部６０を含む。機械学習部６０は、入力されるデータの集合から、その中にある有用な規則、知識、表現、および判定基準などを解析により抽出し、その判定結果を出力すると共に、知識の学習を行う機能を有する。
機械学習部６０は、状態観測部６１および学習部６２を含む。本実施の形態の機械学習部６０は、教師あり学習を実施する。教師あり学習では、教師データ、すなわち、入力と結果(ラベル)のデータの組を大量に機械学習部６０に入力する。機械学習部６０は、入力されたデータセットに含まれる特徴を学習する。機械学習部６０は、入力から結果を推定するモデル(学習モデル)、すなわち、入力に対する結果の関係性を帰納的に獲得するモデルを生成する。教師あり学習は、ニューラルネットワーク等のアルゴリズムを用いて実現することが可能である。学習モデルは、ニューラルネットワーク等のアルゴリズムに相当する。ここでは、ニューラルネットワークについて説明する。
図９は、ニューラルネットワークに含まれるニューロンのモデルを示す模式図である。ニューラルネットワークは、図９に示すニューロンのモデルを模したニューラルネットワークを実現する計算機等にて構成される。
ニューロンは、複数の入力ｘ（図９では、一例として、入力ｘ1〜入力ｘ3）に対する出力ｙを出力するものである。各入力ｘ1〜ｘ3には、この入力ｘに対応する重みｗ（ｗ1〜ｗ3）が掛けられる。これにより、ニューロンは、式（１）により表現される出力ｙを出力する。なお、入力ｘ、出力ｙ及び重みｗは、すべてベクトルである。また、下記の式（１）において、θはバイアスであり、ｆkは活性化関数である。
Figure 0006408063
図１０に、ニューラルネットワークの模式図を示す。図１０に示すニューラルネットワークでは、上述したニューロンを組み合わせた３層の重みを有する。図１０は、Ｄ１〜Ｄ３の３層の重みを有するニューラルネットワークを示す模式図である。
ニューラルネットワークの左側から複数の入力ｘ（ここでは一例として、入力ｘ１〜入力ｘ３）が入力され、右側から結果ｙ（ここでは一例として、結果ｙ１〜結果ｙ３）が出力される。具体的には、入力ｘ１〜ｘ３は、３つのニューロンＮ１１〜Ｎ１３の各々に対して対応する重みが掛けられて入力される。これらの入力に掛けられる重みはまとめてｗ１と標記されている。
ニューロンＮ１１〜Ｎ１３は、それぞれ、ｚ１１〜ｚ１３を出力する。これらのｚ１１〜ｚ１３はまとめて特徴ベクトルｚ１と標記され、入力ベクトルの特徴量を抽出したベクトルとみなすことができる。この特徴ベクトルｚ１は、重みｗ１と重みｗ２との間の特徴ベクトルである。ｚ１１〜ｚ１３は、２つのニューロンＮ２１、Ｎ２２の各々に対して対応する重みが掛けられて入力される。これらの特徴ベクトルに掛けられる重みは、まとめてｗ２と標記されている。
ニューロンＮ２１、Ｎ２２は、それぞれ、ｚ２１、ｚ２２を出力する。これらのｚ２１、ｚ２２は、まとめて特徴ベクトルｚ２と標記されている。この特徴ベクトルｚ２は、重みｗ２と重みｗ３との間の特徴ベクトルである。特徴ベクトルｚ２１、ｚ２２は、３つのニューロンＮ３１〜Ｎ３３の各々に対して対応する重みが掛けられて入力される。これらの特徴ベクトルに掛けられる重みは、まとめてｗ３と標記されている。最後に、ニューロンＮ３１〜Ｎ３３は、それぞれ、結果ｙ１〜ｙ３を出力する。
ニューラルネットワークの動作には、学習モードと予測モードとがある。例えば、学習モードにおいては、訓練データ及び教師データを用いて重みｗを学習する。予測モードにおいては、学習した重みなどのパラメータを用いたニューラルネットワークにて結果を出力する。
ここで、予測モードで実際に機械制御装置を動かして得られたデータを即時学習し、次の行動に反映させるオンライン学習が可能である。または、予め収集しておいたデータ群を用いてまとめた学習を行い、以降はずっとそのパラメータで検知モードを行うバッチ学習も可能である。あるいは、その中間的な、ある程度データが溜まるたびに学習モードを挟むということも可能である。
また、重みｗ１〜ｗ３は、誤差逆伝搬法（バックプロパゲーション：Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）により学習可能なものでもよい。誤差の情報は、右側から入り左側に流れる。誤差逆伝搬法は、各ニューロンについて、入力ｘが入力されたときの出力ｙと真の出力ｙ（ラベル）との差分を小さくするように、それぞれの重みを調整（学習）する手法である。このようなニューラルネットワークは、３層以上にさらに層を増やすことも可能である（深層学習と称される）。
前述の第１の工作機械における故障検出装置の制御では、複数のセンサの出力値がそれぞれの判定値を超えているか否かで軸受またはオイルシールの異常が判定されている。これに対して、第２の工作機械の故障検出装置の第１の制御では、センサの出力値の他に、出力値の上昇速度、出力値の上昇幅、および第１のセンサの出力値の上昇の開始時刻から第２のセンサの出力値の上昇の開始時刻までの時間のうち少なくとも一つに基づいて、所定の部品の異常の発生および異常の原因を判定する。
ここでは、主軸軸受３４，３５の異常の検出を例に取り上げて説明する。主軸軸受３４，３５の異常を判定する場合に、第１のセンサはホルムアルデヒドセンサ４７である。第２のセンサは、振動センサ４１である。
状態観測部６１は、ホルムアルデヒドセンサ４７の出力値および振動センサ４１の出力値を取得する。例えば、状態観測部６１は、予め定められた時間間隔ごとにそれぞれのセンサの出力値を取得する。状態観測部６１は、それぞれのセンサの出力値に基づいて、状態変数を算出する。状態変数としては、それぞれのセンサの出力値、それぞれのセンサの出力値の上昇速度、それぞれのセンサの出力値の上昇幅、および、ホルムアルデヒドセンサ４７の出力値の上昇の開始時刻から振動センサ４１の出力値の上昇の開始時刻までの時間のうち少なくとも一つを含む。ここで、図４を参照して、これらの変数を、ホルムアルデヒドセンサ４７の出力値を例に取り上げて説明する。
ホルムアルデヒドセンサ４７の出力値は、ホルムアルデヒドの濃度である。センサの出力値の上昇速度の算出では、時刻ｔ１においてホルムアルデヒドの検出値が上昇を開始したときの検出値を基準値とする。時刻ｔ１以降の任意の時刻において、ホルムアルデヒドの検出値を取得する。ホルムアルデヒドの検出値と基準値との差を時刻ｔ１からの経過時間にて除算することにより、上昇速度を算出することができる。センサの出力値の上昇幅は、時刻ｔ１以降の任意の時刻における検出値と、基準値との差である。ホルムアルデヒドセンサ４７の出力値の上昇の開始時刻から振動センサ４１の出力値の上昇の開始時刻までの時間は、時刻ｔ１から時刻ｔ４までの時間長さである。振動センサ４１の出力値についても同様の方法により、状態変数を算出することができる。
図８を参照して、状態観測部６１は、状態変数を含む訓練データを生成する。訓練データは、上記の状態変数の他に、各部品の異常に関するデータを含んでいても構わない。各部品の異常に関するデータとしては、各部品の製造メーカに関する情報、および前回の交換時期などの任意の情報を含めることができる。作業者は、各部品の異常に関するデータを入力部８から入力することができる。記憶部３は、各部品の異常に関するデータを記憶することができる。状態観測部６１は、各部品の異常に関するデータを記憶部３から取得することができる。
学習部６２は、教師データを取得する。教師データは、異常の発生に関する情報が含まれる。教師データには、異常が生じたという結果および異常の原因（ラベル）が含まれる。異常が生じたという結果および異常の原因は、例えば、作業者が入力部８から入力することができる。教師データには、ラベルに関連付けて上記の訓練データに対応するデータが含まれる。例えば、教師データは、実際に異常が生じた時の複数のセンサの出力値、出力値の上昇速度、出力値の上昇幅、およびホルムアルデヒドセンサ４７の出力値の上昇の開始時刻から振動センサ４１の出力値の上昇の開始時刻までの時間のうち少なくとも一つを含む。
このような教師データは、工作機械１を駆動して状態観測部６１にて取得された状態変数と、作業者が入力部８から入力したラベルとを組み合わせることにより作成するこができる。または、機械制御装置２以外の装置で行われたシミュレーション等により得られた教師データを用いても構わない。
学習部６２は、訓練データと教師データとに基づいて誤差を算出する誤差算出部６４を含む。学習部６２は、所定の部品の異常の発生と異常の原因とを判定する学習モデルを更新する学習モデル更新部６３を含む。学習モデル更新部６３は、状態観測部６１の出力および誤差算出部６４の出力に基づいて、学習モデルを更新する。
ここで、ニューラルネットワークの学習モードでは、学習モデル更新部６３は、訓練データおよび教師データを用いて学習モデルを更新する。学習モデル更新部６３は、入力に対して学習モデルを用いて算出した出力が、教師データのラベルに近づくように学習モデルを更新する。例えば、状態変数、学習モデルの出力、および教師データに関する損失関数が一定に収束するまで、学習モードの処理が実施される。
機械学習部６０は、学習部６２にて更新された学習モデルに基づいて、所定の部品の異常の発生および異常の原因を判定する意思決定部６５を含む。意思決定部６５は、現在の訓練データを取得する。意思決定部６５は、学習モデル更新部６３にて更新された学習モデルを取得する。意思決定部６５は、学習モデルおよび訓練データに基づいて、所定の部品に異常が生じているか否かを判定する。この場合に、ニューラルネットワークは、予測モードで用いられる。ここでは、主軸軸受３４，３５に異常が生じているか否かを判定する。また、意思決定部６５は、学習モデルおよび訓練データに基づいて、異常の原因を判定する。
意思決定部６５は、所定の部品に異常が発生している場合には、異常の発生および異常の原因に関する信号を表示部９に送信する。表示部９は、所定の部品の異常の発生と、異常の原因を表示する。ここでは、意思決定部６５は、主軸軸受３４，３５の異常の発生と異常の原因に関する信号を表示部９に送信する。表示部９は、主軸軸受３４，３５の異常の発生と、異常の原因がグリースの劣化であることを表示する。
モータ軸受３１，３２の異常およびオイルシール３３の異常は、主軸軸受３４，３５と同様の機械学習の制御により判定することができる。モータ軸受３１，３２の異常の判定の場合には、第１のセンサは窒素酸化物センサ４５であり、第２のセンサは振動センサ４１である。オイルシール３３の異常の判定の場合には、第１のセンサは硫化水素センサ４６であり、第２のセンサは湿度センサ４２である。
モータ軸受３１，３２の異常の判定およびオイルシール３３の異常の判定においても、状態観測部６１は、複数のセンサの出力値、出力値の上昇速度、出力値の上昇幅、および第１のセンサの出力値の上昇の開始時刻から第２のセンサの出力の上昇の開始時刻までの時間のうち少なくとも一つを含む状態変数を取得することができる。そして、学習部６２は、教師データに基づいて学習モデルを更新し、意思決定部６５は、学習モデルに基づいて、所定の部品の異常の発生および異常の原因を判定することができる。
機械学習部にて異常の発生の判定および異常の原因の判定を実施することにより、センサの出力値の上昇傾向、および、複数のセンサの出力値が上昇する時期等を考慮して、異常の判定を行うことができる。このために、機械制御装置２は、より正確な異常に関する判定を実施することができる。
次に、故障検出装置の機械学習部６０の第２の制御について説明する。第２の制御では、予め定められた部品に異常が発生する時期を推定する。図７および図８を参照して、機械学習部６０は、第１のセンサの出力値の上昇の開始時刻に基づいて、予め定められた部品の異常が発生する時期を推定する。
なお、第２の制御において、予め定められた部品に異常が生じているか否かの判定は、例えば、図１に示す機械制御装置２の判定部１０の制御により実施することができる。判定部１０は、複数のセンサの出力値が判定値を超えた時に所定の部品に異常が生じていると判定することができる。
ここでは、主軸軸受３４，３５の異常を例に取り上げて説明する。主軸軸受３４，３５の異常を判定する場合に、第１のセンサはホルムアルデヒドセンサ４７である。第２のセンサは、振動センサ４１である。図４、図７および図８を参照して、機械学習部６０は、ホルムアルデヒドセンサ４７の出力値が上昇を開始した時刻ｔ１を検出する。機械学習部６０は、時刻ｔ１から主軸軸受３４，３５に異常が発生するまでの時間長さ（時刻ｔ１から時刻ｔ５までの時間長さ）を推定する。また、機械学習部６０は、この時間長さに基づいて、主軸軸受３４，３５に異常が発生する時期（時刻ｔ５）を推定する。
状態観測部６１が観測する状態変数には、第１のセンサの出力値および第２のセンサの出力値が含まれる。ここでは、状態変数には、ホルムアルデヒドセンサ４７の出力値および振動センサ４１の出力値が含まれる。また、状態観測部６１が観測する状態変数には、主軸モータ１１の運転状態に関するデータおよび主軸ヘッド６の周りの状態に関するデータのうち少なくとも一つが含まれる。
主軸モータ１１の運転状態に関するデータには、例えば、主軸モータ１１の回転数、主軸モータ１１の駆動時間、主軸モータ１１に供給する電流、主軸モータ１１に供給する電圧、および主軸モータ１１に対するトルク指令が含まれる。主軸モータ１１の駆動時間は、所定の部品が交換されてから主軸モータ１１が動作した積算の時間である。作業者は、入力部８により、部品の交換時期を入力することができる。主軸モータ１１の駆動時間は、動作制御部４が主軸モータ１１の動作指令を発信している時間に基づいて取得することができる。主軸モータ１１の回転数は、主軸モータ１１に取り付けられている回転角センサ４３から取得することができる。
主軸モータ１１に供給する電流および電圧は、モータ駆動装置２１から取得することができる。または、主軸モータ１１に供給する電流および電圧は、動作制御部４が出力する動作指令に基づいて検出することができる。主軸モータ１１に対するトルク指令は、動作制御部４が出力する動作指令から取得することができる。
なお、主軸モータ１１の運転状態に関するデータは、この形態に限られず、主軸モータ１１の運転時に変化する主軸モータ１１に関する変数を採用することができる。
主軸ヘッド６の周りの状態に関するデータには、主軸ヘッド６の周りの気温、気圧、および湿度などが含まれる。主軸ヘッド６の周りの気温は、主軸ヘッド６の近傍に配置された温度センサ５１により検出することができる。主軸ヘッド６の周りの気圧は、主軸ヘッド６の近傍に配置された気圧センサ５２により検出することができる。主軸ヘッド６の周りの湿度は、主軸ヘッド６の近傍に配置された湿度センサ５３により検出することができる。温度センサ５１、気圧センサ５２、および湿度センサ５３は、例えば、主軸ヘッド６およびワークを保持するテーブルが配置された加工室の内部に配置することができる。
なお、主軸ヘッド６の周りの状態に関するデータは、この形態に限られず、主軸ヘッド６の周りにおいて、変化する任意の変数を含むことができる。
状態観測部６１は、状態変数を含む訓練データを生成する。訓練データは、上記の状態変数の他に、各部品の異常に関するデータを含んでいても構わない。各部品の異常に関するデータとしては、軸受またはオイルシールの製造メーカ等を含むことができる。
学習部６２は、異常の発生の時期を含む教師データを取得する。教師データには、第１のセンサの出力値の上昇の開始時刻から異常と判定された時刻までの時間長さの結果（ラベル）が含まれる。このラベルは、例えば、作業者が入力部８から入力することができる。教師データには、ラベルに関連付けて上記の訓練データに対応するデータが含まれる。教師データには、主軸モータ１１の運転状態に関するデータ、および主軸ヘッド６の周りの状態に関するデータのうち少なくとも一つが含まれる。
学習部６２の誤差算出部６４は、訓練データと教師データとに基づいて誤差を算出する。学習部６２の学習モデル更新部６３は、状態観測部６１の出力および誤差算出部６４の出力に基づいて、所定の部品に異常が発生する時期を推定する学習モデルを更新する。ここでは、学習モデル更新部６３は、ホルムアルデヒドの検出値が上昇を開始した時刻から振動の検出値が判定値に到達するまでの時間長さを推定する学習モデルを更新する。
意思決定部６５は、現在の状態変数が含まれる訓練データを取得する。意思決定部６５は、学習モデル更新部６３から更新された学習モデルを取得する。意思決定部６５は、学習部６２にて更新された学習モデルに基づいて、ホルムアルデヒドの検出値が上昇を開始した時刻から振動の検出値が判定値に到達するまでの時間長さを推定する。そして、意思決定部６５は、ホルムアルデヒドの検出値が上昇を開始した時刻と時間長さとに基づいて、主軸軸受３４，３５に異常が発生する時期を推定する。
意思決定部６５は、推定した時期に関する信号を表示部９に送信する。表示部９は、主軸軸受３４，３５に異常が発生する時期を表示する。作業者は、主軸軸受３４，３５の異常が発生する時期を知ることができる。すなわち、作業者は、主軸軸受３４，３５の故障の時期を知ることができる。
上記の説明では、主軸軸受３４，３５を例に取り上げて異常が発生する時期を予測している。モータ軸受３１，３２の異常の発生の時期の推定およびオイルシール３３の異常の発生の時期の推定についても、主軸軸受３４，３５の異常の発生の時期の推定と同様に実施することができる。
機械学習部６０の第２の制御により、主軸モータ１１の運転状態および主軸ヘッド６の周りの状態を考慮して、所定の部品に異常が発生する時期を推定することができる。この結果、作業者は、交換する部品を準備したり、工作機械の作業計画を修正したりすることができる。
上記の機械学習部６０の第２の制御においては、第１のセンサの出力値が上昇を開始した時刻に基づいて、異常が発生する時期を予測しているが、この形態に限られない。任意の時刻に基づいて、異常が発生する時期を予測することできる。たとえば、第１のセンサの出力値が判定値を超えた時刻に基づいて異常が発生する時期を推定しても構わない。または、第１のセンサの出力値が上昇した後に一定になった時刻に基づいて、異常が発生する時期を推定しても構わない。
なお、上記の機械学習部の第１の制御および第２の制御においては、出力値が上昇するセンサと異常が発生する部品との関係が予め定められている。たとえば、ホルムアルデヒドの濃度が上昇し、更に振動値が上昇した場合には、主軸軸受に異常が発生していると判定される。機械学習においては、この形態に限られず、異常が発生する部品と出力値が上昇するセンサとの関係が定められていなくても構わない。たとえば、学習部は、全てのセンサの出力値を状態変数として取得することができる。そして、全てのセンサの出力値に関する教師データに基づいて、異常が生じる部品の判定または異常の生じる時期の推定を行っても構わない。
上記の実施の形態では、工作機械１の動作を制御する機械制御装置２が機械学習の機能を有する機械学習部６０を含んでいるが、この形態に限られない。機械学習部は、機械制御装置とは別の装置にて構成されていても構わない。機械学習部は、機械制御装置とは別の計算機（演算処理装置）にて構成することができる。また、機械学習部には、例えば、ＧＰＧＰＵ(General-Purpose computing on Graphics Processing Units)、または大規模のＰＣクラスター等を適用しても構わない。この構成を採用することにより、高速にて処理を行うことができる。
また、上記の機械学習の制御においては、複数の工作機械から状態変数および教師データを取得して、所定の部品における異常の発生と異常の原因の推定、または、異常が生じる時期の推定を実施しても構わない。すなわち、複数の工作機械において、学習モデルを共有しても構わない。この制御により、判定精度または予測精度を向上させることができる。
上記の実施の形態は、適宜組み合わせることができる。上述のそれぞれの図において、同一または相等する部分には同一の符号を付している。なお、上記の実施の形態は例示であり発明を限定するものではない。また、実施の形態においては、特許請求の範囲に示される実施の形態の変更が含まれている。
１ 工作機械
２ 機械制御装置
６ 主軸ヘッド
８ 入力部
９ 表示部
１０ 判定部
１１ 主軸モータ
１２ シャフト
１４ 主軸
１６ 工具
２０ 故障検出装置
３１，３２ モータ軸受
３３ オイルシール
３４，３５ 主軸軸受
３７ 弾性部材
４１ 振動センサ
４２ 湿度センサ
４３ 回転角センサ
４４ 臭気センサ
４５ 窒素酸化物センサ
４６ 硫化水素センサ
４７ ホルムアルデヒドセンサ
５１ 温度センサ
５２ 気圧センサ
５３ 湿度センサ
６０ 機械学習部
６１ 状態観測部
６２ 学習部
６５ 意思決定部

Claims (7)

  1. 工作機械の主軸ヘッドの異常を検出する故障検出装置であって、
    主軸ヘッドにおいて予め定められた第１の気体の発生を検出する第１のセンサと、
    前記第１の気体の発生とは異なる主軸ヘッドの状態の変化を検出する第２のセンサと、
    主軸ヘッドに配置された軸受に異常が生じているか否かを判定する制御装置とを備え、
    制御装置は、前記第１のセンサの出力値の時間変化および前記第２のセンサの出力値の時間変化に基づいて、前記軸受の異常の発生および異常の原因を判定するように形成されており、
    前記軸受は、主軸を支持する主軸軸受であり、
    主軸軸受は、フェノール樹脂にて形成された保持器と、内部に配置された潤滑材とを有し、
    前記第１のセンサは、ホルムアルデヒドを検出するガスセンサまたは臭気センサであり、
    前記第２のセンサは、主軸ヘッドの振動を検出する振動センサまたは主軸ヘッドに発生する弾性波を検出するセンサであり、
    制御装置は、前記第１のセンサの出力値が上昇した後に前記第２のセンサの出力値が上昇した場合に、前記潤滑材の劣化により主軸軸受に異常が生じていると判定する、故障検出装置。
  2. 工作機械の主軸ヘッドの異常を検出する故障検出装置であって、
    主軸ヘッドにおいて予め定められた第１の気体の発生を検出する第１のセンサと、
    前記第１の気体の発生とは異なる主軸ヘッドの状態の変化を検出する第２のセンサと、
    主軸ヘッドに配置された軸受に異常が生じているか否かを判定する制御装置とを備え、
    制御装置は、前記第１のセンサの出力値の時間変化および前記第２のセンサの出力値の時間変化に基づいて、前記軸受の異常の発生および異常の原因を判定するように形成されており、
    前記軸受は、主軸モータのシャフトを支持するモータ軸受であり、
    モータ軸受は、内部に配置されたウレアグリースを含み、
    前記第１のセンサは、窒素酸化物を検出するガスセンサまたは臭気センサであり、
    前記第２のセンサは、主軸ヘッドの振動を検出する振動センサまたは主軸ヘッドに発生する弾性波を検出するセンサであり、
    制御装置は、前記第１のセンサの出力値が上昇した後に前記第２のセンサの出力値が上昇した場合に、ウレアグリースの劣化によりモータ軸受に異常が生じていると判定する、故障検出装置。
  3. 工作機械の主軸ヘッドの異常を検出する故障検出装置であって、
    主軸ヘッドにおいて予め定められた第１の気体の発生を検出する第１のセンサと、
    前記第１の気体の発生とは異なる主軸ヘッドの状態の変化を検出する第２のセンサと、
    主軸ヘッドに配置されたオイルシールに異常が生じているか否かを判定する制御装置とを備え、
    制御装置は、前記第１のセンサの出力値の時間変化および前記第２のセンサの出力値の時間変化に基づいて、前記オイルシールの異常の発生および異常の原因を判定するように形成されており、
    前記オイルシールは、主軸モータの内部の空間を密閉するように配置され、主軸モータのシャフトに接触し、ニトリルゴムにて形成された弾性部材を含み、
    前記第１のセンサは、硫化水素を検出するガスセンサまたは臭気センサであり、
    前記第２のセンサは、主軸ヘッドの内部の湿度を検出する湿度センサであり、
    制御装置は、前記第１のセンサの出力値が上昇した後に前記第２のセンサの出力値が上昇した場合に、異物の噛み込みにより前記オイルシールに異常が生じていると判定する、故障検出装置。
  4. 主軸ヘッドにおいて、窒素酸化物の発生を検出する第３のセンサを備え、
    制御装置は、主軸ヘッドに配置された軸受の異常の発生および異常の原因を判定するように形成されており、
    前記第３のセンサは、窒素酸化物を検出するガスセンサまたは臭気センサであり、
    前記軸受は、主軸モータのシャフトを支持するモータ軸受であり、
    モータ軸受は、内部に配置されたウレアグリースを含み、
    制御装置は、前記第２のセンサの出力値が上昇した後に前記第３のセンサの出力値が上昇した場合に、主軸ヘッドの内部への液体の進入によりモータ軸受に異常が生じていると判定する、請求項３に記載の故障検出装置。
  5. 制御装置は、異常が生じている部品および異常の原因を表示する表示部を含む、請求項１から４のいずれか一項に記載の故障検出装置。
  6. 制御装置は、教師有り学習を実施する機械学習部を含み、
    機械学習部は、第１のセンサおよび第２のセンサの出力値、出力値の上昇速度、出力値の上昇幅、および前記第１のセンサの出力値の上昇の開始時刻から前記第２のセンサの出力の上昇の開始時刻までの時間のうち少なくとも一つを含む状態変数を観測する状態観測部と、
    異常の発生の情報を含む教師データを取得し、予め定められた部品に異常が生じているか否かを判定する学習モデルを教師データに基づいて更新する学習部と、
    現在の状態変数を取得し、現在の状態変数および前記学習モデルに基づいて、異常が生じているか否かを判定する意思決定部とを有する、請求項１から３のいずれか一項に記載の故障検出装置。
  7. 制御装置は、教師有り学習を実施する機械学習部を含み、
    機械学習部は、複数のセンサの出力値と、主軸モータの運転状態に関するデータおよび主軸ヘッドの周りの状態に関するデータのうち少なくとも一つとを含む状態変数を観測する状態観測部と、
    異常の発生の時期を含む教師データを取得し、予め定められた部品の異常の発生の時期を予測する学習モデルを教師データに基づいて更新する学習部と、
    現在の状態変数を取得し、現在の状態変数および前記学習モデルに基づいて、異常の発生の時期を予測する意思決定部とを有する、請求項１から５のいずれか一項に記載の故障検出装置。
JP2017090802A 2017-04-28 2017-04-28 複数のセンサを備える工作機械の主軸ヘッドの故障検出装置 Active JP6408063B1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2017090802A JP6408063B1 (ja) 2017-04-28 2017-04-28 複数のセンサを備える工作機械の主軸ヘッドの故障検出装置
US15/959,952 US10364840B2 (en) 2017-04-28 2018-04-23 Failure detection device for spindle head of machine tool including a plurality of sensors
DE102018109628.3A DE102018109628B4 (de) 2017-04-28 2018-04-23 Fehlererfassungsvorrichtung für einen Spindelkopf eines Maschinenwerkzeugs, die mehrere Sensoren aufweist
CN201810400338.4A CN108788923B (zh) 2017-04-28 2018-04-28 故障检测装置

Applications Claiming Priority (1)

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

Publications (2)

Publication Number Publication Date
JP6408063B1 true JP6408063B1 (ja) 2018-10-17
JP2018187703A JP2018187703A (ja) 2018-11-29

Family

ID=63855183

Family Applications (1)

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

Country Status (4)

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

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020082304A (ja) * 2018-11-29 2020-06-04 三菱電機株式会社 びびり振動検知装置、びびり振動検知方法、びびり振動検知プログラム、及びびびり振動抑制装置
JPWO2020110208A1 (ja) * 2018-11-27 2021-05-13 富士通フロンテック株式会社 原因推定装置、原因推定出力方法及び紙葉類取扱システム
CN115935243A (zh) * 2023-03-01 2023-04-07 武汉同创万智数字科技有限公司 一种基于数据处理的故障分析方法

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2015378668B2 (en) 2015-01-20 2019-11-28 Montag Investments, LLC Single particulate metering system with variable rate controls
JP6897312B2 (ja) * 2017-05-23 2021-06-30 日本精工株式会社 潤滑剤劣化検出装置
CN109277943A (zh) * 2018-11-07 2019-01-29 江苏南高智能装备创新中心有限公司 一种刀具主轴振动测量装置
CN109668748B (zh) * 2018-12-19 2021-03-12 西安精雕软件科技有限公司 一种基于电极自动化生产系统的自检方法
WO2020130051A1 (ja) * 2018-12-20 2020-06-25 株式会社村田製作所 弾性波素子および弾性波装置
JP7068206B2 (ja) * 2019-01-31 2022-05-16 ファナック株式会社 工作機械に配置された電動機の内部への異物の侵入を検出する異物検出装置
JP7424759B2 (ja) * 2019-05-23 2024-01-30 ファナック株式会社 主軸異常検出装置
JP7346216B2 (ja) * 2019-10-03 2023-09-19 オークマ株式会社 シール部の摩耗量推定装置及び工作機械
DE102019218626A1 (de) * 2019-11-29 2021-06-02 Robert Bosch Gmbh Verfahren und Vorrichtung zum Überwachen einer Maschine
JP7327273B2 (ja) * 2020-05-20 2023-08-16 トヨタ自動車株式会社 車載部品の異常箇所特定方法、車載部品の異常箇所特定システム、車載部品の異常箇所特定装置、車載部品の異常箇所通知制御装置、および車両用制御装置
JP7338584B2 (ja) * 2020-08-07 2023-09-05 トヨタ自動車株式会社 異常判定装置
KR102491031B1 (ko) * 2020-10-30 2023-01-20 건국대학교 산학협력단 2-헤드 머시닝 센터의 공구 상태 진단 장치 및 방법
US20220364959A1 (en) * 2021-03-19 2022-11-17 Ricoh Company, Ltd. Determination apparatus, machining system, determination method, and recording medium
CN113894365B (zh) * 2021-10-19 2023-03-21 南京工业大学 数控铣齿机主轴箱的在线故障检测系统
CN114061837B (zh) * 2021-11-15 2024-07-02 航天科工微电子系统研究院有限公司 应用于激光发射通道密封的动密封件性能试验检测装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4029604B2 (ja) * 2001-11-29 2008-01-09 日本精工株式会社 転がり軸受
JP2005351363A (ja) * 2004-06-10 2005-12-22 Nsk Ltd 潤滑剤補給装置
DE102008029672B3 (de) * 2008-06-24 2010-02-25 I-For-T Gmbh Vorrichtung und Verfahren zur Zustandsüberwachung und Zustandsdiagnose einer Maschine, Maschinenkomponente oder Anlage
JP5014391B2 (ja) 2009-09-11 2012-08-29 ファナック株式会社 複数のセンサの信号に基づいて機械の異常判定を行う機能を備えた数値制御装置
WO2012117970A1 (ja) * 2011-03-03 2012-09-07 Ntn株式会社 転動装置の状態監視システムおよび状態監視方法
DE102011017808A1 (de) * 2011-04-29 2012-10-31 Homag Holzbearbeitungssysteme Gmbh Spindelsteuerung
CN103639848A (zh) * 2013-12-25 2014-03-19 沈阳机床(集团)有限责任公司 一种加工中心润滑性能测试系统及优化方法
JP6149871B2 (ja) * 2015-01-15 2017-06-21 日本精工株式会社 ワイヤレスセンサ付き軸受
WO2016133100A1 (ja) 2015-02-19 2016-08-25 日本精工株式会社 異常診断システム
JP6294262B2 (ja) * 2015-05-19 2018-03-14 ファナック株式会社 工作機械の異常検出機能を備えた異常検出装置、及び異常検出方法
CN108884965A (zh) * 2016-04-28 2018-11-23 日本精工株式会社 润滑剂劣化检测装置、润滑剂劣化状态评价方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2020110208A1 (ja) * 2018-11-27 2021-05-13 富士通フロンテック株式会社 原因推定装置、原因推定出力方法及び紙葉類取扱システム
JP7404269B2 (ja) 2018-11-27 2023-12-25 富士通フロンテック株式会社 原因推定装置、原因推定出力方法及び紙葉類取扱システム
KR102653802B1 (ko) * 2018-11-27 2024-04-01 후지츠 프론테크 가부시키가이샤 원인 추정 장치, 원인 추정 출력 방법 및 지엽류 취급 시스템
JP2020082304A (ja) * 2018-11-29 2020-06-04 三菱電機株式会社 びびり振動検知装置、びびり振動検知方法、びびり振動検知プログラム、及びびびり振動抑制装置
CN115935243A (zh) * 2023-03-01 2023-04-07 武汉同创万智数字科技有限公司 一种基于数据处理的故障分析方法
CN115935243B (zh) * 2023-03-01 2023-09-15 华谋咨询技术(深圳)有限公司 一种基于数据处理的故障分析方法

Also Published As

Publication number Publication date
DE102018109628A1 (de) 2018-12-06
CN108788923B (zh) 2019-10-01
DE102018109628B4 (de) 2020-08-06
CN108788923A (zh) 2018-11-13
US20180313403A1 (en) 2018-11-01
US10364840B2 (en) 2019-07-30
JP2018187703A (ja) 2018-11-29

Similar Documents

Publication Publication Date Title
JP6408063B1 (ja) 複数のセンサを備える工作機械の主軸ヘッドの故障検出装置
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
US11897068B2 (en) Information processing method, information processing system, and information processing device
JP6404893B2 (ja) 工具寿命推定装置
JP5997330B1 (ja) 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法
US10606233B2 (en) Machine learning apparatus that learns setting value in machining program of machine tool, and machining system
CN108931959A (zh) 控制装置及机械学习装置
EP3855153A1 (en) Method for determining a remaining useful life of a bearing
TW201843549A (zh) 滾動導引裝置的狀態診斷系統及狀態診斷方法
PETERKA et al. DIAGNOSTICS OF AUTOMATED TECHNOLOGICAL DEVICES.
JP2020124760A (ja) 作業判別装置および作業判別方法
US11921005B2 (en) System, apparatus and method for estimating remaining useful life of a bearing
JP2021085694A (ja) ボールねじの状態監視装置および状態監視方法
TW201923584A (zh) 機台診斷方法及其系統
JP2018040456A (ja) 回転軸装置及び回転軸装置における軸受の異常診断方法
TWI843845B (zh) 異常診斷系統及異常診斷方法
Pichler et al. Detecting wear in a ball screw using a data-driven approach
JP7346216B2 (ja) シール部の摩耗量推定装置及び工作機械
JP7290221B2 (ja) 余寿命予測システム、余寿命予測装置、および余寿命予測プログラム
JP7154100B2 (ja) 工作機械の加工異常検出装置
JP2022166404A (ja) 異常検出装置、異常検出方法、及びプログラム
JP7230992B2 (ja) ボールねじの状態監視装置および状態監視方法
Butdee et al. Life prediction of a spindle CNC machining centre using natural frequency method of vibration
Li et al. Tracking bearing spall severity through inverse modeling
Evanchalin et al. Thrust ball bearing fault identification from visualized data using optimized deep network

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180809

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180828

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180919

R150 Certificate of patent or registration of utility model

Ref document number: 6408063

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150