JP6412093B2 - 学習モデル構築装置およびオーバーヒート予知装置 - Google Patents

学習モデル構築装置およびオーバーヒート予知装置 Download PDF

Info

Publication number
JP6412093B2
JP6412093B2 JP2016251221A JP2016251221A JP6412093B2 JP 6412093 B2 JP6412093 B2 JP 6412093B2 JP 2016251221 A JP2016251221 A JP 2016251221A JP 2016251221 A JP2016251221 A JP 2016251221A JP 6412093 B2 JP6412093 B2 JP 6412093B2
Authority
JP
Japan
Prior art keywords
spindle motor
temperature
overheat
cutting
learning model
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
JP2016251221A
Other languages
English (en)
Other versions
JP2018106379A (ja
Inventor
高志 政川
高志 政川
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 JP2016251221A priority Critical patent/JP6412093B2/ja
Priority to CN201711404593.8A priority patent/CN108237439B/zh
Priority to US15/852,635 priority patent/US20180181114A1/en
Priority to DE102017223693.0A priority patent/DE102017223693A1/de
Publication of JP2018106379A publication Critical patent/JP2018106379A/ja
Application granted granted Critical
Publication of JP6412093B2 publication Critical patent/JP6412093B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
    • B23Q17/0985—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring temperature
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0289—Reconfiguration to prevent failure, e.g. usually as a reaction to incipient failure detection
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/42—Servomotor, servo controller kind till VSS
    • G05B2219/42152—Learn, self, auto tuning, calibrating, environment adaptation, repetition
    • 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
    • G05B2219/49206—Compensation temperature, thermal displacement, use measured temperature
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/027—Alarm generation, e.g. communication protocol; Forms of alarm
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0294—Optimizing process, e.g. process efficiency, product quality

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Mechanical Engineering (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Numerical Control (AREA)
  • Automatic Control Of Machine Tools (AREA)

Description

本発明は、刃物が取り付けられて主軸モータで回転する主軸と、この主軸と被加工物とを相対移動させる送り軸とによって切削加工を行う工作機械に適用される学習モデル構築装置およびオーバーヒート予知装置に関する。
従来、数値制御工作機械においては、工作機械に備えられた送り軸および主軸を駆動するモータの加減速度や最高速度を大きくし、それにより、加工時間を短縮して生産性を向上させている。このような制御を行うと、モータおよびアンプからなる各軸の駆動装置により大きな電流が流れ、また単位時間あたりのモータの加減速回数が多くなり、その結果、駆動装置が発熱するようになる。従来技術においては、発熱により駆動装置の温度が所定の温度まで上昇すると、アラームを発令して工作機械を停止させ、それにより、駆動装置が熱によって損傷するのを防止している。
ところが、加工中に工作機械が停止すると、加工効率が低下し、加工不良が発生する場合がある。特に、工作機械が無人運転される場合には、操作者が工作機械を復旧させる必要があり、工作機械が長時間に亙って停止したままとなる可能性もある。このような不都合を回避するために、従来、所定の単位時間あたりの最大加減速回数の範囲内で余裕を持った加速度を設定することで、駆動装置がオーバーヒートするのを回避している。
しかしながら、駆動装置の温度上昇は、ワークの重量や材質、加工負荷、周囲温度などによっても異なるので、最大加減速回数内であっても駆動装置がオーバーヒートする可能性がある。また、最大加減速回数を超えて加工した場合にも、同様にオーバーヒートになる可能性がある。そこで、特許文献１および特許文献２においては、駆動装置のオーバーヒートを防止して運転を継続できる装置または方法が開示されている。
特許文献１には、駆動部の温度が所定の温度以上になると、加速度を制限して駆動部の出力を抑制することが開示されている。しかしながら、特許文献１に記載の発明では修正後の加工条件が適切かどうかは動作させないと分からず、加工条件を下げてもオーバーヒートになる可能性もある。
特許文献２には、駆動手段の温度や加減速回数に基づいて、送り軸の加減速時定数をオーバーヒートすることのない適正値に制御する方法が開示されている。しかしながら、特許文献２に記載の発明においては、段落［００２０］等に記載されているように、加工時間とモータ温度の関係（温度曲線）や、加減速時定数と温度の上昇率（温度曲線の傾き）との関係をあらかじめ実験で求めて記憶させておくという手順が必要となる。さらに、温度曲線の傾きは加減速時定数のみでは決まらず、少なくともモータにかかる負荷にも依存する。このため、どの程度の負荷がかかる加工なのかが特定されない限りオーバーヒートにならない適切な加減速時定数を見出すことはできない。なお、特許文献２に記載の発明は送り軸の制御に関するものであって、特許文献２には、主軸回転数の制御について記載はない。
特開２００３−５８３６号公報 特開平９−１７９６２３号公報
工作機械において、例えば頻繁な加減速を繰り返す切削加工は、いくつかの原因が絡み合って主軸モータの温度が上がり、オーバーヒートを起こしやすい。一般に、オーバーヒートとなるか否かは、どのような主軸系（主軸モータ、主軸、送り軸、ツーリング等）を使って、どの程度の頻度、負荷の切削加工を行うかに依存する。したがって、オーバーヒートを予知するための適切な閾値を事前に見出すことは困難である。
本発明は、このような事情に鑑み、主軸モータの現在温度や切削加工の条件から、切削加工時における主軸モータの加工後の温度関連情報（温度、温度上昇値など）を学習するための学習モデルを構築することが可能な学習モデル構築装置と、この学習モデルに基づいて、主軸モータがオーバーヒートするか否かを予知することが可能なオーバーヒート予知装置を提供することを目的とする。
本発明に係る学習モデル構築装置（例えば、後述の学習モデル構築装置２０）は、刃物が取り付けられて主軸モータ（例えば、後述の主軸モータ１６）で回転する主軸と、この主軸を送り出す送り軸とによって切削加工を行う工作機械（例えば、後述の工作機械１５）に適用される学習モデル構築装置であって、前記主軸モータの現在温度および切削加工の条件を入力する入力手段（例えば、後述の入力部２１）と、前記主軸モータの現在温度および切削加工の条件と、切削加工後の前記主軸モータの温度であるラベルとの組を教師データとして受け付け、この教師データによる機械学習を行うことにより、切削加工時における前記主軸モータの加工後の温度関連情報を学習するための学習モデルを構築する学習手段（例えば、後述の学習部２３）と、を備えている。
前記温度関連情報は、温度または温度上昇値であってもよい。
前記切削加工の条件は、前記主軸の加減速の頻度、回転数、切削負荷、切削時間であってもよい。
本発明に係るオーバーヒート予知装置（例えば、後述のオーバーヒート予知装置３０）は、上記学習モデル構築装置が構築した学習モデルに基づいて、前記主軸モータの現在温度および切削加工の条件から、前記主軸モータがオーバーヒートするか否かを予知するオーバーヒート予知手段（例えば、後述のオーバーヒート予知部３１）を備えている。
前記オーバーヒート予知手段によるオーバーヒート予知結果を出力するオーバーヒート予知結果出力手段（例えば、後述のオーバーヒート予知結果出力部３２）を備えていてもよい。
前記オーバーヒート予知手段が、前記主軸モータがオーバーヒートすると予知した場合に、切削加工の条件を見直して、前記主軸モータがオーバーヒートしない補正条件を算出する加工条件補正手段（例えば、後述の加工条件補正部３３）を備えていてもよい。
前記加工条件補正手段は、前記主軸の加減速の頻度を下げることにより、前記主軸モータがオーバーヒートしない補正条件を算出してもよい。
前記加工条件補正手段は、前記主軸の回転数を下げることにより、前記主軸モータがオーバーヒートしない補正条件を算出してもよい。
前記加工条件補正手段が算出した複数の補正条件を選択肢として提示する選択肢提示手段（例えば、後述の選択肢提示部３４）を備えていてもよい。
本発明によれば、主軸モータの現在温度や切削加工の条件から、切削加工時における主軸モータの加工後の温度関連情報を学習するための学習モデルを構築することが可能となる。また、この学習モデルに基づいて、主軸モータがオーバーヒートするか否かを予知することが可能となる。
本発明の第１実施形態に係るオーバーヒート予知システムを示すブロック図である。 本発明の第１実施形態に係る学習モデル構築装置およびオーバーヒート予知装置の詳細を示すブロック図である。 本発明の第１実施形態に係る工作機械および数値制御装置の詳細を示すブロック図である。 本発明の第１実施形態に係るオーバーヒート予知システムにおける機械学習時の動作を示すフローチャートである。 本発明の第１実施形態に係るオーバーヒート予知システムにおけるオーバーヒート予知時の動作を示すフローチャートである。 本発明の第２実施形態に係るオーバーヒート予知システムにおけるオーバーヒート予知時の動作を示すフローチャートである。
［第１実施形態］
以下、本発明の第１実施形態を図面に基づいて説明する。図１は、本実施形態に係るオーバーヒート予知システムを示すブロック図である。図２は、本実施形態に係る学習モデル構築装置およびオーバーヒート予知装置の詳細を示すブロック図である。図３は、本実施形態に係る工作機械および数値制御装置の詳細を示すブロック図である。
＜オーバーヒート予知システムの構成＞
まず、本実施形態に係るオーバーヒート予知システム１００の構成について説明する。オーバーヒート予知システム１００は、図１に示すように、ｎ台の数値制御装置１０、ｎ台の工作機械１５、学習モデル構築装置２０、ｍ台のオーバーヒート予知装置３０およびネットワーク４０を備えている。なお、ｎおよびｍは任意の自然数である。
ここで、数値制御装置１０と工作機械１５とは１対１の組とされて、通信可能に接続されている。これら数値制御装置１０と工作機械１５の組は、例えば同じ工場に複数組設置されていてもよく、それぞれ異なる工場に設置されていてもよい。
また、工作機械１５と、学習モデル構築装置２０と、オーバーヒート予知装置３０とは、それぞれネットワーク４０に接続されており、ネットワーク４０を介して相互に通信を行うことが可能である。ネットワーク４０は、例えば、工場内に構築されたＬＡＮ（Local Area Network）や、インターネット、公衆電話網、或いは、これらの組み合わせである。ネットワーク４０における具体的な通信方式や、有線接続および無線接続のいずれであるか等については、特に限定されない。
次に、オーバーヒート予知システム１００に含まれるこれら装置の機能について、図２に基づいて説明する。ここで、図２は、各装置に含まれる機能ブロックを表すブロック図である。なお、各数値制御装置１０はそれぞれ同等の機能を有しているため、図２では１台のみを図示する。同様に、各工作機械１５や各オーバーヒート予知装置３０もそれぞれ同等の機能を有しているため、図２では１台のみを図示する。また、各装置間に存在するネットワーク４０については、その図示を省略する。
工作機械１５は、図３に示すように、刃物（図示せず）が取り付けられて主軸モータ１６で回転する主軸（図示せず）と、この主軸を送り出す送り軸（図示せず）とによって切削加工を行う。すなわち、この刃物は、主軸を駆動する主軸モータ１６により回転し、送り軸を駆動する送り軸モータ（図示せず）によって送り出される。切削加工においては、送り軸の動作は主軸の動作に同期するので、主軸モータ１６を制御することにより、送り軸は自動的に制御されるものとする。
また、主軸モータ１６には、この主軸モータ１６の温度を検出する温度検出部１７が設けられている。なお、温度検出部１７は、主軸モータ１６に内蔵されていてもよく、また主軸モータ１６の近傍に設置されていてもよい。或いは、温度検出部１７で主軸モータ１６の温度を直接的に検出する代わりに、主軸モータ１６に流れる電流値から主軸モータ１６の温度を推定するようにしても構わない。
数値制御装置１０は、図２および図３に示すように、工作機械１５に制御信号を送出することにより、工作機械１５が所定の切削加工を行うように制御する。数値制御装置１０には、ワーク（図示せず）の加工内容に応じて定まる複数の加工プログラム１１が格納されている。そして、数値制御装置１０は、加工プログラム１１を読み取って解釈することにより、切削加工の条件（主軸の加減速の頻度、回転数、切削負荷、切削時間）を抽出してオーバーヒート予知装置３０に出力する読取解釈部１２と、位置指令データに基づいて、工作機械１５の主軸モータ１６を駆動する動作指令を作成するモータ制御部１３と、動作指令を増幅して工作機械１５の主軸モータ１６に出力するモータ駆動アンプ１４と、を備えている。
学習モデル構築装置２０は、図２に示すように、教師あり機械学習により、切削加工時における主軸モータ１６の加工後の温度関連情報としての温度を学習するための学習モデルを構築する。そのため、学習モデル構築装置２０は、入力部２１、ラベル取得部２２、学習部２３および学習モデル記憶部２４を備えている。
入力部２１は、主軸モータ１６の現在温度および切削加工の条件を入力する。ここで、主軸モータ１６の現在温度は、温度検出部１７の出力値であり、切削加工の条件は、読取解釈部１２の出力値である。ラベル取得部２２は、切削加工後の主軸モータの温度であるラベルを取得する。学習部２３は、主軸モータ１６の現在温度および切削加工の条件とラベルとの組を教師データとして受け付け、この教師データによる機械学習を行うことにより、切削加工時における主軸モータ１６の加工後の温度を学習するための学習モデルを構築する。学習モデル記憶部２４は、学習部２３が構築した学習モデルを記憶する。
なお、学習部２３は、多層ニューラルネットワークを含むニューラルネットワークにより構築された学習モデルに従って機械学習を行ってもよい。
オーバーヒート予知装置３０は、図２に示すように、主軸モータ１６がオーバーヒートするか否かを予知する。そのため、オーバーヒート予知装置３０は、オーバーヒート予知部３１、オーバーヒート予知結果出力部３２、加工条件補正部３３および選択肢提示部３４を備えている。このオーバーヒート予知装置３０は、図３に示すように、数値制御装置１０の読取解釈部１２の出力値および工作機械１５の温度検出部１７の出力値を入力し、切削加工の条件を数値制御装置１０のモータ制御部１３に出力する。
オーバーヒート予知部３１は、学習モデル構築装置２０が構築した学習モデルに基づいて、主軸モータ１６の現在温度および切削加工の条件から、主軸モータ１６がオーバーヒートするか否かを予知する。オーバーヒート予知結果出力部３２は、オーバーヒート予知部３１が予知した結果を出力する。
加工条件補正部３３は、オーバーヒート予知部３１が主軸モータ１６のオーバーヒートを予知した場合に、切削加工の条件を見直して、主軸モータ１６がオーバーヒートしない補正条件を算出する。その具体的な算出手法については、後述する。
選択肢提示部３４は、こうして加工条件補正部３３が算出した複数の補正条件を選択肢として提示する。
＜機械学習時の動作＞
次に、本実施形態に係るオーバーヒート予知システム１００における機械学習時の動作について説明する。図４は、この機械学習時の学習モデル構築装置２０の動作を示すフローチャートである。
まず、ステップＳ１１において、学習モデル構築装置２０の入力部２１は、いずれかの数値制御装置１０から、入力データとして、主軸モータ１６の現在温度および切削加工の条件を取得して入力する。
次いで、ステップＳ１２において、学習モデル構築装置２０のラベル取得部２２は、切削加工後の主軸モータの温度であるラベルを取得する。
その後、ステップＳ１３において、学習モデル構築装置２０の学習部２３は、主軸モータ１６の現在温度および切削加工の条件とラベルとの組を教師データとして受け付ける。続いて、ステップＳ１４において、学習モデル構築装置２０の学習部２３は、この教師データを用いて機械学習を実行する。
そして、ステップＳ１５において、学習モデル構築装置２０の学習部２３は、機械学習を終了するか、それとも機械学習を繰り返すかを判定する。ここで、機械学習を終了させる条件は任意に定めることができる。例えば、予め定められた回数だけ機械学習を繰り返した場合に、機械学習を終了させるようにしてもよい。
ここで、機械学習を繰り返す場合には、学習モデル構築装置２０は、ステップＳ１１に戻り、同じ動作を繰り返す。一方、機械学習を終了する場合には、ステップＳ１６において、学習モデル構築装置２０は、その時点までの機械学習により構築した学習モデルをネットワーク４０経由で各オーバーヒート予知装置３０に送信する。
また、学習モデル構築装置２０の学習モデル記憶部２４は、この学習モデルを記憶する。これにより、新たに設置されたオーバーヒート予知装置３０から学習モデルを要求された場合に、そのオーバーヒート予知装置３０に学習モデルを送信することができる。また、新たな教師データを取得した場合に、学習モデルに対して更なる機械学習を行うこともできる。
＜オーバーヒート予知時の動作＞
次いで、本実施形態に係るオーバーヒート予知システム１００におけるオーバーヒート予知時の動作について説明する。図５は、このオーバーヒート予知時のオーバーヒート予知装置３０の動作を示すフローチャートである。
まず、ステップＳ２１において、オーバーヒート予知装置３０のオーバーヒート予知部３１は、学習モデル構築装置２０が構築した学習モデルをネットワーク４０経由で受信することにより、学習モデルを取得する。また、ステップＳ２２において、オーバーヒート予知装置３０のオーバーヒート予知部３１は、判定データとして、主軸モータ１６の現在温度および切削加工の条件を取得する。
そして、ステップＳ２３において、オーバーヒート予知装置３０のオーバーヒート予知部３１は、学習モデル構築装置２０が構築した学習モデルに基づいて、主軸モータ１６の現在温度および切削加工の条件から、主軸モータ１６がオーバーヒートするか否かを予知する。
さらに、ステップＳ２４において、オーバーヒート予知装置３０のオーバーヒート予知部３１は、このオーバーヒート予知結果（大別すると、オーバーヒートする旨の結果またはオーバーヒートしない旨の結果）をオーバーヒート予知結果出力部３２に出力する。これを受けて、オーバーヒート予知結果出力部３２は、このオーバーヒート予知結果を出力する。この出力方法としては、例えば、オーバーヒート予知結果を画面（図示せず）に表示する方法などが考えられる。
このように、本実施形態では、学習モデル構築装置２０において、主軸モータの現在温度や切削加工の条件から、切削加工時における主軸モータ１６の加工後の温度を学習するための学習モデルを構築することができる。
また、オーバーヒート予知装置３０において、学習モデル構築装置２０によって構築された学習モデルに基づいて、主軸モータ１６がオーバーヒートするか否かを予知することが可能となる。
この点、従来の方法（特許文献１記載の方法）は、駆動部の温度が所定の温度以上になると、加速度を制限して駆動部の出力を抑制するものであるが、修正後の加工条件が適切かどうかは動作させないと分からず、加工条件を下げてもまだオーバーヒートになる可能性もあるのに対して、本願発明は、加工条件を機械学習にかけてオーバーヒートにならないかどうかを検証できる。
また、従来の方法（特許文献２記載の方法）は、加減速時定数と温度の上昇率（温度曲線の傾き）との関係をあらかじめ実験で求めて記憶させておくという手順が必要となるとともに、温度曲線の傾きは加減速時定数のみでは決まらず、少なくともモータにかかる負荷にも依存するため、どの程度の負荷がかかる加工なのかが特定されない限りオーバーヒートにならない適切な加減速時定数を見出すことはできない。これに対して本願発明では、どのような加工をすれば主軸温度がどのように変化するかを学習するため、オーバーヒートにならない適切な加工条件を事前実験なく見出すことができる。
以上のように、本願発明においては、そのため、オーバーヒートとなるか否かがどのような主軸系を使って、どの程度の頻度、負荷の加工を行うかに依存する切削加工において、オーバーヒートを適正に予知することが可能となる。
また、複数の数値制御装置１０は、図１に示すように、いずれもネットワーク４０を介して学習モデル構築装置２０に接続されているので、任意の１台の工作機械１５で構築した学習モデルを他のいずれの工作機械１５でも利用することができる。このとき、切削加工に用いるツーリング（刃物）が工作機械１５ごとに異なっても、ツーリングの違いは主軸の切削負荷の差として現れるため、主軸系の他の要素（主軸モータ１６、主軸、送り軸など）の仕様が異ならない限り、複数の工作機械１５で学習モデルを共有することが可能となる。
［第２実施形態］
以下、本発明の第２実施形態を図面に基づいて説明する。図６は、本実施形態に係るオーバーヒート予知システムにおけるオーバーヒート予知時の動作を示すフローチャートである。
上述した第１実施形態では、オーバーヒート予知装置３０におけるオーバーヒート予知時の動作について、主軸モータ１６がオーバーヒートするか否かをオーバーヒート予知部３１が予知した後、そのオーバーヒート予知結果を出力した時点で、処理を終了する場合について説明した。
これに対して、第２実施形態では、オーバーヒート予知結果を出力した後、オーバーヒートすると予知された場合に、切削加工の条件を見直して、主軸モータ１６がオーバーヒートしない補正条件を複数算出する。さらに、これら複数の補正条件を選択肢として提示する。なお、オーバーヒート予知システム１００の構成については、上述した第１実施形態と同様である。
すなわち、本実施形態におけるオーバーヒート予知時の動作について説明すると、まず、ステップＳ３１において、オーバーヒート予知装置３０のオーバーヒート予知部３１は、学習モデル構築装置２０が構築した学習モデルをネットワーク４０経由で受信することにより、学習モデルを取得する。また、ステップＳ３２において、オーバーヒート予知装置３０のオーバーヒート予知部３１は、主軸モータ１６の現在温度および切削加工の条件を取得する。
そして、ステップＳ３３において、オーバーヒート予知装置３０のオーバーヒート予知部３１は、学習モデル構築装置２０が構築した学習モデルに基づいて、主軸モータ１６の現在温度および切削加工の条件から、主軸モータ１６がオーバーヒートするか否かを予知する。
さらに、ステップＳ３４において、オーバーヒート予知装置３０のオーバーヒート予知部３１は、このオーバーヒート予知結果をオーバーヒート予知結果出力部３２に出力する。これを受けて、オーバーヒート予知結果出力部３２は、このオーバーヒート予知結果（大別すると、オーバーヒートする旨の結果またはオーバーヒートしない旨の結果）を出力する。この出力方法としては、例えば、オーバーヒート予知結果を画面（図示せず）に表示する方法などが考えられる。
次いで、ステップＳ３５において、オーバーヒート予知装置３０は、オーバーヒート予知結果がオーバーヒートする旨の結果であるか否かを判定する。そして、オーバーヒート予知結果がオーバーヒートしない旨の結果であれば、処理を終了する。一方、オーバーヒート予知結果がオーバーヒートする旨の結果である場合、ステップＳ３６において、オーバーヒート予知装置３０の加工条件補正部３３は、切削加工の条件を見直して、主軸モータ１６がオーバーヒートしない補正条件をいくつか（例えば、５つ）算出する。
具体的には、切削加工の条件（主軸の加減速の頻度、回転数、切削負荷、切削時間など）のうち、いくつかの条件を例えば、インクリメンタルに変更することにより、主軸モータ１６がオーバーヒートしない補正条件を算出する。例えば、主軸の加減速の頻度を下げたり、主軸の回転数を下げることが考えられる。その場合、主軸回転数を下げると加工時間が伸びるため、それを打ち消すように他の加工の切削条件を上げるようにしてもよい。
さらに、ステップＳ３７において、オーバーヒート予知装置３０の選択肢提示部３４は、こうして算出された複数の補正条件を選択肢としてオペレータに提示する。この提示方法としては、例えば、複数の補正条件を画面（図示せず）に表示する方法などが考えられる。そして、この提示内容を参照して、オペレータが補正条件を選択すると、この補正条件がオーバーヒート予知装置３０から数値制御装置１０のモータ制御部１３に出力されるため、工作機械１５は、この補正条件に従って切削加工を実行する。
このとき、オペレータに提示された補正条件は、上述したとおり、切削加工の条件をインクリメンタルに変更して算出されたものであるため、現在の加工条件に近いものになる。したがって、主軸モータ１６がオーバーヒートしない範囲内で生産性を最大限に高めつつ、切削加工を実行することが可能となる。
したがって、本実施形態では、上述した第１実施形態と同じ効果を奏することに加えて、次の効果を奏する。
すなわち、オーバーヒート予知装置３０により、主軸モータ１６がオーバーヒートすると予知された場合であっても、オーバーヒートの発生を回避しつつ、切削加工を継続して行うことができる。そのため、工作機械１５の停止による加工効率の低下や加工不良の発生などの不都合を回避することが可能となる。
［その他の実施形態］
上述した実施形態は、本発明の好適な実施形態ではあるが、上記実施形態に本発明の範囲を限定するものではなく、本発明の要旨を逸脱しない範囲において、種々の変更を施した形態での実施が可能である。
例えば、上述した第１実施形態、第２実施形態では、学習モデル構築装置２０が、切削加工時における主軸モータ１６の加工後の温度関連情報としての温度を学習するための学習モデルを構築する場合について説明した。しかし、この温度関連情報は、温度に限らず、温度上昇値であってもよい。
また、上述した第１実施形態、第２実施形態では、切削加工の条件として、主軸の加減速の頻度、回転数、切削負荷、切削時間を採用する場合について説明した。しかし、例えば、外気温（主軸の雰囲気の温度）を切削加工の条件に追加することも可能である。
また、上述した第１実施形態、第２実施形態では、工作機械１５で切削加工を行う場合について説明した。しかし、切削加工に他の加工（例えば、穴開け加工）を加えた一連の加工を工作機械１５で行う場合にも、本発明を同様に適用することができる。
また、上述した第１実施形態、第２実施形態では、数値制御装置１０の読取解釈部１２が、加工プログラム１１を読み取って解釈することにより、切削加工の条件を抽出してオーバーヒート予知装置３０に出力する場合について説明した。しかし、この切削加工の条件は、オペレータが手入力で入力してもよい。例えば、主軸の切削負荷はワークの種類（材料）よって異なることから、加工プログラム１１にワークの種類が記述されていなければ、プログラム１１から主軸の切削負荷を抽出することができないので、オペレータによる手入力が好ましい。また、通常、切削加工に用いるツーリング（刃物）の切れ味が悪くなると、主軸の切削負荷が増大するが、これはプログラム１１から抽出することができないので、この場合もオペレータによる手入力が好ましい。
さらに、上述した第２実施形態では、主軸モータ１６のオーバーヒートが予知された場合に、オーバーヒートが発生しない新たな条件で切削加工を行う場合について説明した。しかし、主軸モータ１６のオーバーヒートが予知された場合に、その旨をオペレータに警告するようにしてもよい。或いは、次の加工を一時停止し、主軸系（主軸モータ１６、主軸、送り軸、ツーリング等）が冷えるのを待つようにしても構わない。
１５……工作機械
１６……主軸モータ
２０……学習モデル構築装置
２１……入力部（入力手段）
２３……学習部（学習手段）
３０……オーバーヒート予知装置
３１……オーバーヒート予知部（オーバーヒート予知手段）
３２……オーバーヒート予知結果出力部（オーバーヒート予知結果出力手段）
３３……加工条件補正部（加工条件補正手段）
３４……選択肢提示部（選択肢提示手段）

Claims (8)

  1. 刃物が取り付けられて主軸モータで回転する主軸と、この主軸を送り出す送り軸とによって切削加工を行う工作機械に適用される学習モデル構築装置であって、
    前記主軸モータの現在温度および切削加工の条件を入力する入力手段と、
    前記主軸モータの現在温度および切削加工の条件と、切削加工後の前記主軸モータの温度であるラベルとの組を教師データとして受け付け、この教師データによる機械学習を行うことにより、前記主軸モータの現在温度および切削加工の条件から切削加工時における前記主軸モータの加工後の温度または温度上昇値である温度関連情報を出力する学習モデルを構築する学習手段と、
    を備えている学習モデル構築装置。
  2. 前記切削加工の条件は、前記主軸の加減速の頻度、回転数、切削負荷、切削時間である請求項１に記載の学習モデル構築装置。
  3. 請求項１または請求項２に記載の学習モデル構築装置が構築した学習モデルに基づいて、前記主軸モータの現在温度および切削加工の条件から、前記主軸モータの加工後の温度または温度上昇値である温度関連情報を出力し、出力された前記主軸モータの加工後の温度または温度上昇値である温度関連情報から、前記主軸モータがオーバーヒートするか否かを予知するオーバーヒート予知手段を備えているオーバーヒート予知装置。
  4. 前記オーバーヒート予知手段によるオーバーヒート予知結果を出力するオーバーヒート予知結果出力手段を備えている請求項３に記載のオーバーヒート予知装置。
  5. 前記オーバーヒート予知手段が、前記主軸モータがオーバーヒートすると予知した場合に、切削加工の条件を見直して、前記主軸モータがオーバーヒートしない補正条件を算出する加工条件補正手段を備えている請求項３または請求項４に記載のオーバーヒート予知装置。
  6. 前記加工条件補正手段は、前記主軸の加減速の頻度を下げることにより、前記主軸モータがオーバーヒートしない補正条件を算出する請求項５に記載のオーバーヒート予知装置。
  7. 前記加工条件補正手段は、前記主軸の回転数を下げることにより、前記主軸モータがオーバーヒートしない補正条件を算出する請求項５に記載のオーバーヒート予知装置。
  8. 前記加工条件補正手段が算出した複数の補正条件を選択肢として提示する選択肢提示手段を備えている請求項５から請求項７までのいずれか１項に記載のオーバーヒート予知装置。
JP2016251221A 2016-12-26 2016-12-26 学習モデル構築装置およびオーバーヒート予知装置 Active JP6412093B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2016251221A JP6412093B2 (ja) 2016-12-26 2016-12-26 学習モデル構築装置およびオーバーヒート予知装置
CN201711404593.8A CN108237439B (zh) 2016-12-26 2017-12-22 学习模型构筑装置以及过热预测装置
US15/852,635 US20180181114A1 (en) 2016-12-26 2017-12-22 Learning model construction device and overheat prediction device
DE102017223693.0A DE102017223693A1 (de) 2016-12-26 2017-12-22 Vorrichtung zur Erstellung eines lernenden Modells und Vorrichtung zur Vorhersage einer Überhitzung

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016251221A JP6412093B2 (ja) 2016-12-26 2016-12-26 学習モデル構築装置およびオーバーヒート予知装置

Publications (2)

Publication Number Publication Date
JP2018106379A JP2018106379A (ja) 2018-07-05
JP6412093B2 true JP6412093B2 (ja) 2018-10-24

Family

ID=62510441

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016251221A Active JP6412093B2 (ja) 2016-12-26 2016-12-26 学習モデル構築装置およびオーバーヒート予知装置

Country Status (4)

Country Link
US (1) US20180181114A1 (ja)
JP (1) JP6412093B2 (ja)
CN (1) CN108237439B (ja)
DE (1) DE102017223693A1 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6453921B2 (ja) * 2017-02-03 2019-01-16 ファナック株式会社 学習モデル構築装置、及び制御情報最適化装置
JP7000376B2 (ja) 2019-04-23 2022-01-19 ファナック株式会社 機械学習装置、予測装置、及び制御装置
WO2021042339A1 (zh) * 2019-09-05 2021-03-11 阿里巴巴集团控股有限公司 散热控制与模型训练方法、设备、系统及存储介质
JP6818970B1 (ja) * 2020-05-20 2021-01-27 三菱電機株式会社 データ作成装置、機械学習システムおよび加工状態推定システム
JP6896196B1 (ja) * 2020-09-28 2021-06-30 三菱電機株式会社 数値制御装置および学習装置
CN112686512B (zh) * 2020-12-24 2021-11-26 江苏首擎软件科技有限公司 变化幅度承受程度识别系统及方法
CN113732784B (zh) * 2021-08-23 2022-05-10 深圳华数机器人有限公司 数控机床的伺服电机的选型匹配方法
US20230283063A1 (en) * 2022-03-02 2023-09-07 Drg Technical Solutions, Llc Systems and methods of circuit protection

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03163603A (ja) * 1989-11-21 1991-07-15 Okuma Mach Works Ltd 数値制御装置
JP2853023B2 (ja) * 1995-12-22 1999-02-03 株式会社牧野フライス製作所 数値制御による機械装置の制御方法および装置
WO1998019820A1 (fr) * 1996-11-07 1998-05-14 Kabushiki Kaisha Mori Seiki Seisakusho Procede et dispositif d'analyse de programme cn destine a l'usinage cn
JP2003005836A (ja) 2001-06-22 2003-01-08 Yamazaki Mazak Corp 自己保護機能付き駆動装置
JP2003208205A (ja) * 2002-01-15 2003-07-25 Okuma Corp 数値制御装置
US9104650B2 (en) * 2005-07-11 2015-08-11 Brooks Automation, Inc. Intelligent condition monitoring and fault diagnostic system for preventative maintenance
JP2007100967A (ja) * 2005-09-30 2007-04-19 Daikin Ind Ltd 冷凍装置
JP4321581B2 (ja) * 2006-11-30 2009-08-26 パナソニック電工株式会社 工作機械総合監視装置
CA2941582C (en) * 2012-01-06 2020-04-07 Sears Brands, Llc Programmable portable power tool with brushless dc motor
JP5628994B2 (ja) * 2013-01-21 2014-11-19 ファナック株式会社 モータがオーバーヒート温度に達するまでの時間を推定する時間推定手段を有する工作機械の制御装置
JP5727572B2 (ja) * 2013-10-10 2015-06-03 ファナック株式会社 モータ温度に応じて動作を変更する工作機械の制御装置及び制御方法
JP6234187B2 (ja) * 2013-11-27 2017-11-22 三菱電機株式会社 数値制御装置
JP5863919B1 (ja) * 2014-09-30 2016-02-17 ファナック株式会社 工作機械の制御装置
JP6457778B2 (ja) * 2014-10-24 2019-01-23 オークマ株式会社 数値制御装置
JP6151732B2 (ja) * 2015-03-02 2017-06-21 ファナック株式会社 スピンドルのオーバヒートを回避する数値制御装置
CN105081879B (zh) * 2015-08-27 2017-04-12 成都飞机工业（集团）有限责任公司 一种数控机床主轴的故障诊断与预测的方法
JP6010204B1 (ja) * 2015-10-26 2016-10-19 ファナック株式会社 パワー素子の予測寿命を学習する機械学習装置及び方法並びに該機械学習装置を備えた寿命予測装置及びモータ駆動装置
US10078062B2 (en) * 2015-12-15 2018-09-18 Palo Alto Research Center Incorporated Device health estimation by combining contextual information with sensor data

Also Published As

Publication number Publication date
JP2018106379A (ja) 2018-07-05
US20180181114A1 (en) 2018-06-28
CN108237439A (zh) 2018-07-03
CN108237439B (zh) 2019-10-08
DE102017223693A1 (de) 2018-06-28

Similar Documents

Publication Publication Date Title
JP6412093B2 (ja) 学習モデル構築装置およびオーバーヒート予知装置
US10935952B2 (en) Automation operating and management system
JP6453921B2 (ja) 学習モデル構築装置、及び制御情報最適化装置
JP6453919B2 (ja) 行動情報学習装置、行動情報最適化システム及び行動情報学習プログラム
JP6346253B2 (ja) 工作機械及び機械学習装置
US10209702B2 (en) Tool management system and method thereof
JP6760317B2 (ja) 学習支援装置
JP2021182431A (ja) 制御システム、工場システム、学習システム、推定用モデルの生成方法及びアクチュエータの状態推定方法
JP6088457B2 (ja) ポジショナ
JP2015036833A (ja) 干渉確認装置
CN103576615A (zh) 工具机智能化适应性定负载切削控制方法与系统
JP2018103340A (ja) 工作機械、生産管理システム及び工具の寿命を予測・検出する方法
US20180164764A1 (en) Apparatus and Method for Analysis of Machine Performance
CN106462904A (zh) 用于最佳操作包线的可视化的装置和方法
KR102267009B1 (ko) IoT 기반의 금속 가공 장치 제어 방법, 장치 및 시스템
JP6457449B2 (ja) 数値制御装置、制御システム、制御方法及び制御プログラム
JP2016024583A (ja) 繰返し加工を行う数値制御装置
US11327462B2 (en) Maintenance support system, numerical controller, and control method of maintenance support system
KR20230045174A (ko) IoT 기반의 지능형 금속 가공 시스템
US11506215B1 (en) Fan with automatic thermal comfort control
CN108693841B (zh) 制造系统以及制造方法
EP3535627B1 (en) System and method for operating a cutting machine
WO2020179063A1 (ja) 機械学習装置、数値制御装置、異常推測装置および工作機械の制御システム
CN112292645A (zh) 控制装置和工业技术设施的综合干扰分析
CN111837078A (zh) 对驱动器控制装置的简化的参数设置

Legal Events

Date Code Title Description
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20180425

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180713

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180724

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180820

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: 20180904

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180927

R150 Certificate of patent or registration of utility model

Ref document number: 6412093

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150