JP6759439B1

JP6759439B1 - 工作機械および表示装置

Info

Publication number: JP6759439B1
Application number: JP2019202984A
Authority: JP
Inventors: 瑞恭石川; 櫻井　努; 努櫻井; 静雄西川; 浩司飯山; 勇太大場
Original assignee: DMG Mori Co Ltd
Current assignee: DMG Mori Co Ltd
Priority date: 2019-11-08
Filing date: 2019-11-08
Publication date: 2020-09-23
Anticipated expiration: 2039-11-08
Also published as: JP2021074821A

Abstract

【課題】加工時の状態判断を支援することのできる工作機械を提供する。【解決手段】工作機械１００であって、加工時の、加工のために投入されるエネルギー、振動、音、熱、光および加工時に発生する動力のうちの少なくともいずれか一つの検知値を検知する検知部１０１と、検知部で検知した検知値から第１特徴量と第２特徴量とを抽出する特徴量抽出部１０２と、第１特徴量に係る数値を第１軸とし第２特徴量に係る数値を第２軸として、加工中において異常が起こる可能性を表すために等高線状に配置された少なくとも２つの境界線と、検知値をプロットした点と、を含む画面を表示する表示部１０３と、を備えた工作機械。【選択図】図１

Description

本発明は、工作機械および表示装置に関する。

上記技術分野において、特許文献１には、加工によって生じる工具近辺の切粉の飛散方向や飛散範囲、飛散速度などの動的情報を用いて機械学習を行って学習モデルを構築し、学習モデルから工具の摩耗や欠損などを推定する技術が開示されている。

特開２０１８−０１３８３２７号公報

しかしながら、上記文献に記載の技術では、加工時の状態判断を支援することができなかった。

本発明の目的は、上述の課題を解決する技術を提供することにある。

上記目的を達成するため、本発明に係る工作機械は、
加工時の、前記加工のために投入されるエネルギー、振動、音、熱、光および加工時に発生する動力のうちの少なくともいずれか一つの検知値を検知する検知部と、
前記検知部で検知した前記検知値から第１特徴量と第２特徴量とを抽出する特徴量抽出部と、
前記第１特徴量に係る数値を第１軸とし前記第２特徴量に係る数値を第２軸とした平面上に、前記検知値をプロットした点と、前記加工中において異常が発生する可能性を表すために等高線状に配置された少なくとも２つの境界線と、を表示する表示部と、を備えた。

上記目的を達成するため、本発明に係る表示装置は、
加工時の、前記加工のために投入されるエネルギー、振動、音、熱、光および加工時に発生する動力のうちの少なくともいずれか一つの検知値を検知する検知部を有する工作機械から検出された検知値から第１特徴量と第２特徴量とを抽出し、前記工作機械の加工の状態を表示する表示装置であって、
前記第１特徴量に係る数値を第１軸とし前記第２特徴量に係る数値を第２軸とした平面上に、前記検知値をプロットした点と、前記加工中において異常が発生する可能性を表すために等高線状に配置された少なくとも２つの境界線と、を表示する。

本発明によれば、加工時の状態判断を支援することができる。

第１実施形態に係る工作機械の構成を示す図である。第２実施形態に係る工作機械の外観および工具保持部の概略構成を示す図である。第２実施形態に係る工作機械の前提技術による１次元グラフの一例を示す図である。第２実施形態に係る工作機械の前提技術による１次元グラフの一例を示す図である。第２実施形態に係る工作機械の内部構成を示す図である。第２実施形態に係る工作機械の補正部による補正前後の２次元マップの変化の様子を説明する図である。第２実施形態に係る工作機械の特徴量抽出部による特徴量の抽出について説明するための図である。２次元マップの軌跡を説明するための図である。第２実施形態に係る工作機械が有するマッピング対象テーブルの一例を示す図である。第２実施形態に係る工作機械の処理手順を説明するフローチャートである。第３実施形態に係る工作機械の構成を説明する図である。第３実施形態に係る工作機械による食いつきデータ削除を説明する図である。

以下に、本発明を実施するための形態について、図面を参照して、例示的に詳しく説明記載する。ただし、以下の実施の形態に記載されている、構成、数値、処理の流れ、機能要素などは一例に過ぎず、その変形や変更は自由であって、本発明の技術範囲を以下の記載に限定する趣旨のものではない。

［第１実施形態］
第１実施形態に係る工作機械１００について、図１を用いて説明する。図１は、本実施形態に係る工作機械１００の構成を説明するための図である。

工作機械１００は、検知部１０１、特徴量抽出部１０２および表示部１０３を備える。検知部１０１は、加工時の、加工のために投入されるエネルギー、振動、音、熱、光および加工時に発生する動力のうちの少なくともいずれか一つの検知値を検知する。特徴量抽出部１０２は、検知部１０１で検知した検知値から第１特徴量と第２特徴量とを抽出する。表示部１０３は、第１特徴量に係る数値を第１軸１３４とし第２特徴量に係る数値を第２軸１３５とした平面上に、検知値をプロットした点（図中、Ｔ１〜Ｔ１６）と、加工中において異常が起こる可能性を表すために等高線状に配置された少なくとも２つの境界線１３２，１３３と、を表示する。

表示部１０３に表示された境界線１３２の内側に表示された点（図中、Ｔ１〜Ｔ１０）は、工作機械１００が正常に稼働していることを示している。また、境界線１３２および境界線１３３の間に表示された点（Ｔ１１〜Ｔ１４）は、正常に稼働しているが、加工に影響のない軽微な異常（折損の予兆と考えられる異常）が発生する可能性があることを示している。さらに、境界線１３３の外側に表示された点（Ｔ１５〜Ｔ１６）は、加工に影響のある異常（工具折損・欠け、加工ワークの損傷）が発生する可能性があることを示している。

本発明における工作機械１００は、材料を付着することで加工する付加加工（Additive Manufacturing）の機械、材料を除去する除去加工（Subtractive Manufacturing）の機械、レーザなどの光を照射して加工する機械でもよい。具体的には、旋盤、ボール盤、中ぐり盤、フライス盤、歯切り盤、研削盤、多軸加工機、レーザ加工機、積層加工機等が含まれる。これらは、金属、木材、石材、樹脂等のワークに対して、旋削、切断、穿孔、研削、研磨、圧延、鍛造、折り曲げ、成形、微細加工、積層加工等の各種の加工を施すものである。これらの加工を組み合わせた複合機も含まれる。

本実施形態によれば、加工の状態を２次元マップとして表示するので、加工時の状態判断を支援することができる。また、加工中の状態を的確に判断することができるので、工具の折損等を未然に防ぐことができ、例えば、工具が折れることにより加工時間が長くなるといった生産性の低下を防止できる。

［第２実施形態］
次に、第２実施形態に係る工作機械２００について、図２乃至図７を用いて説明する。図２は、本実施形態に係る工作機械の外観および工具保持部の概略構成を示す図である。第２実施形態の工作機械２００について、複合機を用いて説明する。工作機械２００は、工具保持部２０１を有し、工具保持部２０１には工具２０２が取り付けられる。工具２０２は、テーブル２０４に載置されたワーク２０３を加工する。本実施形態では、工具２０２の折損を予め防止することを目的とする。

図３Ａは、本実施形態の前提技術としての１次元グラフの一例を示す図である。図３Ａには、縦軸３５６に工具主軸へ印加された電流値、横軸３５７に時間Ｔ１〜Ｔ１６を設定したグラフ３５１が表示されている。このようなグラフを用いる場合、折損のタイミングをＴ１６とすると、実際にはＴ１５のタイミングが、適正なアラートのタイミングである。しかし、Ｔ１５のタイミングを検出しようとすると、閾値３５８をあらかじめ定める必要がある。そうすると、閾値３５８を超えたＴ９のタイミングで、工具２０２の交換を促すことになる。このため、まだ工具を使用できるのにも関わらず、工具２０２を交換することになり、Ｔ９〜Ｔ１５の時間分だけ、無駄が生じてしまう。つまり、工具の交換頻度が多くなるため、全体の加工時間が長くなり、加工時間あたりの工具コストが上昇する。また、図３Ｂに示すように、小径工具では閾値方式での判別がしにくく、工具交換のタイミングを間違えやすいという問題もあった。例えば、主軸回転をさせただけでも電流値は20A程度になり、ばらつきが大きく、φ3.3の工具を回転させて電流値を測定しても、切削中かどうかの見分けがつかなかった。つまり、単純な閾値方式では、小径工具について折損の予兆を判定することはできなかった。なお、図３Ｂの下段の一次元グラフは、上段の一次元グラフの部分拡大図である。

図３Ｃは、工作機械２００の内部構成を示す図である。工作機械２００は、検知部３０１、特徴量抽出部３０２、表示部３０３、補正部３０４、操作部３０５、境界データ保持部３０６、異常判定部３０８および境界データ生成部３０９を有する。工作機械２００は、検知部３０１が検知した検知値に基づいて、表示部３０３において、工具の折損の可能性を判断するための２次元マップ３３１を表示する。

検知部３０１は、加工のために工作機械２００に印加されるエネルギーの一例として、工具２０２を回転させるために工具主軸に印加される電流値を検知し、検知値（sensed value）として出力する。検知部３０１は、三相交流のＵＶＷ相に設けられた電流センサと、電流センサで検知した電流値をデジタルデータに変換するＡＤコンバータとを含む。例えば、ＡＤコンバータにより、サンプリング周波数を２ｋＨｚとして、１６ｂｉｔ、つまり、２５６点の時系列データを取得し、１２８ｍｓｅｃごとの入力データとすることができる。

検知部３０１は、ＡＤコンバータから出力されたデジタル電流値に対し、以下の変換式（１）を用いて、Ｑ軸電流ｉ_qとＤ軸電流ｉ_dとを算出する。
上の式において、Ｑ軸電流ｉ_qは実効電流、Ｄ軸電流ｉ_dは無効電流である。検知部３０１は、Ｑ軸電流ｉ_qを検知値として特徴量抽出部３０２に送る。

特徴量抽出部３０２は、周波数分解部３２１、正規化部３２２および次元圧縮部３２３を有する。周波数分解部３２１は、例えばフーリエ変換などを用いて、検知部３０１から受け取った検知値から周波数成分を抽出する。正規化部３２２は、周波数分解された後の周波数成分データを正規化する。次元圧縮部３２３は、正規化された周波数成分データの次元を圧縮して２次元の特徴量（第１特徴量成分と第２特徴量成分を有するデータ）を生成する。特徴量抽出部３０２は、所定のプログラムを実行するためのプロセッサである。

表示部３０３は、次元圧縮部３２３で抽出した２次元の特徴量データに基づいて、工具の折損の可能性を表わす２次元マップ３３１を表示する。２次元マップ３３１は、次元圧縮部３２３で生成される第１特徴量を第１軸３３２とし、第２特徴量を第２軸３３３とした平面を含む。その平面上に、検知値の特徴量をプロットする（Ｔ１〜Ｔ１６）。さらに表示部３０３は、加工中に異常が発生する可能性の違いを表すために等高線状に配置された境界線（この例では３つの境界線３３４〜３３６）を画面に表示する。本実施形態で「異常」とは、工具の折損を意味する。

２次元マップ３３１は、プロットされる検知値の特徴量が、最も内側の境界線３３４の中心から外側に遠ざかれば遠ざかるほど異常が発生する可能性が高くなることを示している。

例えば、境界線３３４の内側にプロットされた検知値の特徴量（Ｔ１，Ｔ８，Ｔ９・・・）は、異常が発生する可能性が極めて低いため正常であると判断できる。つまり、ユーザが２次元マップ３３１を見たユーザは、境界線３３４の内部にのみ検知値の特徴量を表わす点が表示されていれば、安心して加工を続けることができる。

検知値の特徴量を表わす点が、境界線３３４および境界線３３５の間にあれば、ユーザは異常が発生する可能性は低いが所定値以上あると判断し、注意深く加工を行なえばよい。例えば、工具２０２の回転数を折損の発生し難い回転数に設定し加工を継続することができる。また、ユーザは、境界線３３４および境界線３３５の間に検知値の特徴量があれば、工具２０２の交換などを検討し始めるべきである。

例えば、２次元マップ３３１を参照すると、Ｔ１１〜Ｔ１４は境界線３３４の外側の点であるため、加工において異常が発生する予兆である可能性が高い。点Ｔ１５は、境界線３３５の外側であるため、即座に工具２０２の交換が必要であることが分かる。このように、２次元マップ３３１を表示することにより、１次元グラフ３５１よりも正確に、工具２０２の交換のタイミングを判断できる。

また、点の軌跡を見ることにより、工作機械２００に長期的に発生する異常の兆候などを容易に把握することができるので、ユーザは工作機械２００の中長期的なメンテナンス計画や消耗品の調達計画を立てることができる。

さらに、例えば、検知値の特徴量が、境界線３３６の外側にプロットされていれば、即座に工具２０２の折損が発生する可能性が高いと考えられるため、工具２０２の交換を迅速に行なうべきである。

表示部３０３は、検知部３０１が検知値を検知する度に、検知値の特徴をプロットした点を追加的に表示し、同時に正常異常の判定基準となる境界線を表示する。

表示部３０３は、例えば工作機械２００の一部として設けられたディスプレイでもよいし、工作機械２００の外部にあるディスプレイでもよい。また、プロジェクタを用いてスクリーンに２次元マップ３３１を投影してもよい。この場合、表示装置は、機械加工時の検知値として検知された振動、音、光、工具２０２に負荷される電流、熱および動力値の少なくとも一つから抽出された特徴量に基づいて、機械加工の状態を２次元マップ３３１として表示する。２次元マップ３３１に関する情報は、表示装置側が保持していてもよい。

補正部３０４は、ユーザからの指示に従い表示部３０３により表示された２次元マップの補正を行う。具体的には、図３Ｄに示したように、補正部３０４は、左下側に広げる方向に、２次元マップ３３１の境界線３３６の形状の補正を行う。ユーザは、境界線３３４を広げることにより、正常な検知値の範囲を広くすることができる。正常、異常の判定ができるベテランユーザなどが境界線３３４の形状を補正することにより、その機械を使う他のユーザが、ベテランユーザの判断に準ずることができる。図３Ｄでは、点Ｔ１２〜Ｔ１４が境界線３３４の内部に収まるように、境界線３３４を広げるように補正した例を示している。

工作機械２００の工場出荷時に取得した検知値と、工作機械２００をユーザの工場などに配置した状態で取得した検知値とでは、描画される２次元マップ３３１の境界線３３４〜３３６に違いが生じる場合がある。すなわち、工作機械２００による加工条件が常に同じになるとは限らない。

境界線３３４〜３３６は、例えば、被削材の硬さはそれぞれ異なるため、どの被削材を用いたかにより、工具の折損可能性を示す２次元マップ３３１の境界線３３４〜３３６の形状が異なる。工具も、ワークごとに、異なる挙動を示す。そこで、描画された２次元マップ３３１の境界線３３４〜３３６の形状に補正を加えることができる構成とすることにより、ユーザの使用環境に合わせた２次元マップを表示できる。

なお、補正の方法は、例えば、ユーザが、マウスなどの操作部３０５を用いて、境界線３３４〜３３６の一部をドラッグして、境界線３３４〜３３６の形状を変更させてもよい。また、キーボードなどの操作部３０５を用いて、数値を入力することにより境界線３３４〜３３６の形状を変更させてもよい。また、補正後の境界線に関するデータをクラウド上に保存して、他の工作機械と共有してもよい。

異常判定部３０８は、特徴量抽出部３０２が抽出した検知値の特徴に基づいて、異常であるか否かを判定する。異常判定部３０８は、判定結果を境界データ生成部３０９に渡す。

境界データ生成部３０９は、異常判定部３０８において、正常と判定された点と、異常と判定された点との間に境界線を生成する。

境界データ保持部３０６は、表示部３０３に表示される２次元マップ３３１の境界線３３４〜３３６のデータを保持している。補正部３０４は、境界データ保持部３０６が保持する境界線３３４〜３３６のデータを変更することで、境界線３３４〜３３６の形状の補正を行う。

（特徴量抽出処理）
ここで、図３Ｅを参照して、特徴量抽出部３０２による特徴量の抽出方法について詳細に説明する。周波数分解部（図中ＦＦＴ）３２１は、工作機械２００による加工中に検知部３０１が検知した電流値の周波数成分を抽出して、周波数スペクトルを生成する。周波数分解は、例えば、ＦＦＴ（Fast Fourier Transform；高速フーリエ変換）により行われるが、これには限定されない。

一般に任意の周期的な時系列データｙ_tは、様々な周期の三角関数の和として考えることができる。これをフーリエ級数展開と呼び、基本周期がＴ₀［ｓ］の観測値ｙ_tのフーリエ級数は、複素数を用いると式（２）のように表せる。

ここで、ω₀は、基本角周波数であり、ω₀＝２πｆ₀［ｒａｄ／ｓ］であらわされる。ｆ₀は基本周波数であり、ｆ₀＝１／Ｔ₀［Ｈｚ］で表わされる。

一方、複素フーリエ係数ｃ_nは、以下の式（３）で求められる。

電流データのサンプリングタイムをｄ、ウインドウ長さをｎとしたとき、最大周波数ｆ_maxと周波数分解能Δｆは以下の式（４）および（５）で表される。

例えば、サンプリング周波数が２ｋＨｚでウインドウ長さが２５６点の場合、ＦＦＴ後の最大周波数ｆ_maxは、１ｋＨｚとなり、周波数分解能Δｆは、７．８１２５Ｈｚとなる。つまり、２５６点の時系列データは、ＦＦＴすると１２８点のベクトルで表現することができ、このベクトルが次のオートエンコーダ（図中ＡＥ）に対する入力となる。なお、１２８点のベクトルは、正規化部３２２において、正規化され、次元圧縮部３２３へ送られる。

次元圧縮部３２３は、オートエンコーダ３６１、ＰＣＡ（Principal Component Analysis、主成分分析）３６２を用いて、次元圧縮を行う。オートエンコーダ３６１は、機械学習におけるニューラルネットワークを使用した次元圧縮のためのアルゴリズムであり、入力サンプルの次元数よりも圧倒的に少ない次元数の特徴を抽出することができるアルゴリズムである。

本実施形態では、主軸電流値を周波数分解部３２１により、複数次元のベクトル（ここでは１２８次元）で表現したデータに周波数分解する。そして、周波数分解された複数次元のベクトル（１２８次元）を次元圧縮部３２３の入力としている。次元圧縮部のオートエンコーダ３６１の中間層を低次元に設定することで、複数次元のベクトル入力を低次元に次元圧縮している。オートエンコーダ３６１は、一般的に、３層ニューラルネットにおいて、入力層と出力層に同じデータを用いて、入力層から中間層に圧縮した後、出力層に復元することを繰り返し、再現率の高い中間層を導き出すものである。ここでは、中間層を６４次元に設定している。つまり、次元圧縮部３２３に入力された１２８次元のベクトルは、特徴をできるだけ維持したまま６４次元に圧縮される。例えば、ＦＦＴ後のベクトルが１２８次元の場合、オートエンコーダ３６１により６４次元や１０次元にすることができる。以下にオートエンコーダ３６１の学習と学習済みのモデルとを用いた処理について説明する。

（ｉ）オートエンコーダの学習
実験番号βの主軸電流波形のＦＦＴデータｘ^βは、以下の式（６）のようにＲ次元のベクトルの集合で表わされる。
ここで、
は、実験番号βのｒ番目の区間のベクトルを表わしており、Ｒは区間総数である。

すると、エンコーダ部は、以下の式（７）で表わされる。
また、デコーダ部は、以下の式（８）で表わされる。
ここで、Ｗ’は、Ｗの転置行列であるため、求めるパラメータは、Ｗ、ｂ、ｂ’の３つとなる。

このように、
は、元信号
に類似したものとなる。

例えば、最適化手法にＡｄａｍ（Adaptive moment estimation）を用いると、直前のステップｔ−１までの勾配の２乗の移動平均ν_t＝Ｅ［ｇ²］_tと勾配の移動平均ｍ_t＝Ｅ［ｇ］_tは、以下の式（９）のように表わすことができる。
ここで、β₁、β₂∈［０，１）はハイパーパラメータであり、例えば、Ａｄａｍの推奨値である下記の値βを用いてもよいが、推奨値を基準に調整してもよい。

β₁＝０．９
β₂＝０．９９９

ここで、ν₀＝０で初期化したとすると、以下の式（１０）が得られる。

つまり、２次モーメントν_tの移動平均Ｅ［ν_t］と真の２次モーメントＥ［ｇ² _t］の関係性は、以下の式（１１）で表わされる。
ここで、ζ＝０と近似できるようにハイパーパラメータの値を設定すれば、
が求められる。以上より、
がパラメータ更新式となる。バイアスのｂ、ｂ’においても同様の手順で導出することが可能である。

（ｉｉ）オートエンコーダの処理
学習したオートエンコーダのエンコーダを次元圧縮に用いる。
例えば、ＦＦＴ後のベクトルが１２８次元の場合で、中間層を６４次元に設定してオートエンコーダを学習させた場合、１２８次元の入力
から次元圧縮された６４次元の
が出力される。

ＰＣＡ（Principal Component Analysis；主成分分析）は、主成分を用いてデータをより低い次元で表現する手法である。入力の任意の次元数のデータに次元圧縮して出力することが可能である。

（ｉ）学習
入力のデータ行列をＸ、単一のデータ点を含む列ベクトルをｘとする。データの分散最大化問題を定式化すると、
と表される。この式（１５）を行列とベクトルとの形式で書き直すと、
となる。つまり、ｗのノルムが１となる拘束条件を満たした上で、出力Ｘｗが最大になるｗを求める。その答えはＸの特異値分解にある。ｋ次元の主成分をＶ_k、ｗ、データ行列をＷとすると、
Ｗ＝Ｖ_ｋ
である。ここで、ｋは、主成分Ｖに含まれる相関のない変数群の個数である。よって、次元圧縮後のベクトルをＺとすると、射影座標のベクトルは、
Ｚ＝ＸＶ_k
と表される。

（ｉｉ）処理
学習により求めた主成分Ｖを用いて、次元圧縮を行う。例えば、オートエンコーダ処理後のベクトル次元が６４次元の場合、６４次元の入力Ｘ₆₄を２次元のベクトルＺ₂に次元圧縮するように設定できる。

Ｚ₂＝Ｘ₆₄Ｖ₂
より、６４次元のＸ₆₄を入力すると主成分Ｖ₂により２次元ベクトルＺ₂が出力される。ベクトルＺ₂の２つのベクトル成分が第１特徴量および第２特徴量に相当する。ベクトルＺ₂の２つの成分を第１軸および第２軸として２次元マップへプロットする。

ＳＶＭ（Support Vector Machine）３６３は、本来２クラス分類を目的としたパターン認識手法であり、ＳＶＭ３６３ではマージンを最大化する最適な分離超平面を求める。ここで、マージンとは分離超平面に最も近いサンプルと分離超平面との距離である。最大化されたマージン（距離）は、ｆ（ｘ）で表わされる。

ＳＶＭ３６３は、ＯｎｅＣｌａｓｓＳＶＭ（One Class SVM）であり、通常のＳＶＭを拡張したもので、正常データを非負値に、異常データを負値に写像するモデルを構築する。すなわち、ＯｎｅＣｌａｓｓＳＶＭは、大多数が正常であるようなデータの集合をもとに学習をおこない、未知のデータが正常であるのか、異常であるのかを判定する手法である。一般には正常に作られた製品や正常な状態のデータは多く入手できても、異常な製品や異常な状態のデータはあまり入手できない。そのようなケースに対してＯｎｅＣｌａｓｓＳＶＭを適用することが可能である。

（ｉ）学習
モデル構築用データが線型分離不可能な場合、ＳＶＭでは非線形関数を用いてモデル構築用データを高次元空間に写像し、高次元空間内で分離超平面を求める。これは、オリジナルの低次元空間において、非線形な分離境界を求めることに等しい。高次元空間へはカーネル関数Ｋを用いて写像される。
ここで、ｘ_iが第１特徴量であり、ｘ_jが第２特徴量である。また、φは非線形関数である。ＳＶＭモデルによって決まる距離ｆ（ｘ）は以下の式（１８）で表される。

ここで、ｗは重みベクトルであり、ｂはバイアスである。ここで新しいサンプルｘは、ｆ（ｘ）の符号によって識別することができる。ＯｎｅＣｌａｓｓＳＶＭにおけるモデル構築は、モデル構築用の正常データを同一クラスに、そして原点を他方のクラスとみなした場合のＳＶＭとして定式化される。つまり、ＯｎｅＣｌａｓｓＳＶＭにおけるマージンとは、原点と原点に最も近いサンプルとの距離として定義され、そのマージン最大化問題は以下の式（１９）のように定式化される。

ここでξ_i（ｉ＝１，・・・，Ｎ）は、スラック変数であり、ν∈（０，１）は構築したＯｎｅＣｌａｓｓＳＶＭモデルでモデル構築用データを識別した場合のエラー率である。ここで、Ｌａｇｒａｎｇｅ乗数α_i≧０およびη_i≧０を導入すると、この最適化問題は、以下の式（２０）のように書き直される。
Ｌａｇｒａｎｇｅの未定乗数法により、以下の式（２１）を導くことができる。
整理すると、この問題は以下のような双対形式の式（２２）で表現できる。

この最適化問題は標準的な２次計画問題として解くことができる。最終的にＯｎｅＣｌａｓｓＳＶＭモデルによって決まる距離ｆ（ｘ）は、以下の式（２３）で表わされる。
通常、異常検知モデルのような識別モデルを構築するには、正常データと異常データとの両方が必要である。しかし、ＯｎｅＣｌａｓｓＳＶＭでは、上記式（２３）で分かるとおり、正常データのみから識別モデルを構築できる。

上述したようにＯｎｅＣｌａｓｓＳＶＭは、超平面との距離ｆ（ｘ）を出力する。距離ｆ（ｘ）に基づいて、正常、異常を判定できる。距離ｆ（ｘ）は異常なデータほど負に大きな値をとり、正常なデータほど正に大きな値をとる。

ここで、境界データ生成部３０９は、距離ｆ（ｘ）が小さいデータ、つまり、異常なデータを外れ値とし、境界線を生成する。

例えば、学習データの中に０．２％の異常値が含まれると仮定した場合、異常判定部３０８は、距離ｆ（ｘ）の小さい順に上位０．２％を外れ値とし、正常範囲を作成することができる。

（ｉｉ）処理
学習させたＯｎｅＣｌａｓｓＳＶＭにＰＣＡで次元圧縮したデータを入力することで、上記の式（２３）より、出力ｆ（ｘ）が得られる。

異常判定部３０８は、異常度スコアｇ（ｘ）として、出力ｆ（ｘ）を正負逆転させたものを用いており、
ｇ（ｘ）＝−ｆ（ｘ）
と表される。つまり、異常判定部３０８は、異常度スコアｇ（ｘ）が負の値の場合は正常、０以上の場合は異常と判定する。

境界データ生成部３０９は、異常度スコアｇ（ｘ）により正常と判定された点と、異常と判定された点との間に境界線を生成し、境界データとして、境界データ保持部３０６に保存する。

このように、本実施形態においては、検知した検知値の次元を一旦圧縮して（１２８次元→６４次元→２次元）、正常か異常かを判断し易くして、正常と異常の線引きをしている。もちろんこれに限定されるものではなく、１２８次元のデータをもとにＯｎｅＣｌａｓｓＳＶＭを用いて、正常か異常かの判断をさせ、それとは別に次元の圧縮（１２８次元→６４次元→２次元）をして２次元平面にプロットしてもよい。この場合、処理時間がかかるが正常か異常かの判断は、２次元データを用いるよりも精度がよくなる。

また、次元圧縮の手法として、ＰＣＡ３６２を用いたが、ＰＣＡ３６２の代わりに、例えば、ＶＡＥ（Variational AutoEncoder）を用いてもよい。また、ＰＣＡ３６２を用いないでオートエンコーダ３６１のみを用いて２次元まで圧縮してもよい。

なお、次元圧縮の手法はここに示した手法には限定されず、様々な手法を組み合わせて用いてもよい。また、ここに示した例は、工具２０２の折損についての２次元マップの作成についての例であるが、工具主軸のびびりについても、最初に取得する検知値が異なるだけで、その後の処理は、同様に行うことができ、同様の２次元マップを作成できる。例えば、びびりを検知したい場合には、機械加工時に発生する音や振動のデータを検知値として取得すればよい。

ここで、びびりとは、工具と被削物との間で継続的に発生する振動である。びびりが発生すると、被削物上にびびりに対応した痕跡（びびりマーク）が残り、仕上げ面が悪くなる。また、この時異常な振動音が発生し、工具や工具を把持するホルダを損傷させたり、工作機械の一部を破損させたりすることがある。びびりは、発生原因から強制びびりと自励びびりとに大別される。強制びびりは、切削系のどこかに振動源があり、その影響を受けて発生する。振動源としては、工作機械内部にある駆動装置の振動、フライス加工における断続的な切削力、工作機械の外から伝わってくる振動などがある。一方、自励びびりは、特定の振動源がなくても工作機械の動特性と切削過程とが重なってある条件を満たしたときに発生する。例えば、重切削や高速切削のときに発生しやすい。

図４は、２次元マップ３３１における点の軌跡を説明するための図である。上、中、下、いずれの２次元マップ３３１も、正常範囲内に点が存在しているが、軌跡４１１、４２１に比べて、軌跡４３１は、徐々に境界線の中心から離れる方向に移動しているため注意が必要である。

すなわち、２次元マップ３３１によれば、従来の１次元の表示に比べて、加工状況の変化をより正確に把握することが可能となる。

図５は、本実施形態に係る工作機械２００が有するテーブル５０１の一例を示す図である。テーブル５０１は、２次元マップとしてマッピングしたいマッピング対象５１１に関連付けて検知値５１２を記憶する。マッピング対象５１１、工具折損、主軸びびり、切削状態のそれぞれについて、取得分析すべき検知値５１２として、主軸に印加される電流や、音や、振動や、トルクなどが記憶されている。工作機械２００は、テーブル５０１を参照して２次元マップ３３１を表示するために取得すべきデータを判定する。

以上説明したような工作機械２００は、ハードウェアとして、ＣＰＵ(Central Processing Unit)、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）およびストレージを有する。工作機械２００は、ＲＡＭに本実施形態の実現に必要なデータを読み出し、ＣＰＵにより実行する。ストレージには、データベースや各種のパラメータ、データ、プログラム、モジュールが記憶される。

図６は、本実施形態に係る工作機械２００の処理手順を説明するフローチャートである。このフローチャートに従ったプログラムを、ＣＰＵが実行することにより、図３Ｃに示した各機能構成が実現される。

ステップＳ６０１において、検知部３０１は、各種センサから検知値として、印加される電流値、振動、音、熱、光および加工時に発生する動力の少なくともいずれか一つの検知値を検知する。次に、ステップＳ６０３において、特徴量抽出部３０２は、検知した検知値の特徴量の次元を減らし、第１特徴量と第２特徴量を抽出する。ステップＳ６０５において、表示部３０３は、第１特徴量を第１軸３３２とし、第２特徴量を第２軸３３３とした平面上に、検知値をプロットした２次元マップ３１１の画面を生成する。さらに、表示部３０３は、加工において異常が発生する可能性を表すために等高線状に配置された３つの境界線３３４〜３３６を生成する。

ステップＳ６０７において、表示部３０３は、作成された２次元マップ３３１をディスプレイに表示する。ステップＳ６０９において、補正部３０４は、境界線形状の補正を行うか否かを判断する。境界線形状の補正を行わない場合（ステップＳ６０９のＮＯ）、工作機械２００は、処理を終了する。境界線形状の補正を行う場合（ステップＳ６０９のＹＥＳ）、ステップＳ６１１へ進む。ステップＳ６１１において、表示部３０３は、境界線形状を補正した２次元マップ３３１を表示する。

なお、本実施形態の説明においては、検知部３０１が、電流値を検知する例で説明したが、検知部３０１が検知するのは電流値には限定されず、例えば、振動、音、熱、光および加工時に発生する動力のそれぞれの値であってもよい。

本実施形態によれば、ユーザは、工具の折損やびびりの発生などの加工時の異常の予兆を直感的に把握することができる。それにより、工具２０２が折損する前に工作機械を停止させて、工具２０２を交換することができ、工具の折損等を未然に防ぐことができる。例えば、工具が折れることにより加工時間が長くなるといった生産性の低下を未然に防止できる。

また、工作機械のユーザは、２次元マップを見ながら工具主軸の回転数を調整できる。さらに、びびりの発生しない工具主軸の回転数に調整できる。また、検知値を蓄積しておけば、将来的な主軸の折損などを予測することができる。また、工作機械のユーザは、リアルタイムに機械加工の状態を把握することができる。通常入手が困難な失敗（正常でない）データがなくても、正常（成功）データがあれば、精度の高い予測モデルを生成でき、精度の高い予測が可能となる。また、正常データ（教師データ）のない部分であっても、近傍の正常データがあれば、近傍の正常データを用いて精度の高い予測モデルを生成でき、精度の高い予測が可能となる。さらに、工作機械から一方的に異常の予兆や発生をユーザに知らせるのではなく、ユーザが、２次元マップを見て直感的に判断したり、考えたりする余地があり、何が原因で異常が報知されたのかの理由をユーザが判断できる。

また、例えば、ユーザが、ある加工製品の量産に向けて、工具や工具主軸、ワークなどの組み合わせについて、どの組み合わせが効率的かについて試験を行うことを考える。試験結果について、複数の境界線を有する２次元マップを表示させることにより、ユーザは、境界線とマップ上の点との位置関係から、工具や工具主軸、ワークなどの組み合わせについて、どの程度まで負荷をかけられるかの判断ができる。これにより、ユーザは、効率よく、低コストで加工製品を量産できる。

なお、表示部３０３は、１画面に複数の２次元マップを並列に表示してもよい。例えば、表示部３０３は、１つの画面に工具折損についての２次元マップおよび主軸のびびりについての２次元マップを同時に表示してもよい。そのように、複数の２次元マップを同時に表示すれば、各種の異常の発生の可能性を１つの画面上で確認することができる。

［第３実施形態］
次に本発明の第３実施形態に係る工作機械７００について、図７および図８を用いて説明する。本実施形態に係る工作機械は、上記第２実施形態と比べると、食いつきデータ削除部７０１を有する点で異なる。

食いつきデータ削除部７０１は、検知した電流値などの検知値に食いつきデータがあるか否かを、カルマンフィルタを用いて判定する。そして、食いつきデータがあると判定した場合、食いつきデータ削除部７０１は、検知した検知値の加工開始点から数秒間のデータを削除し、食いつきデータを削除した検知値を特徴量抽出部３０２に送る。

本実施形態での表示部７０３は、タッチスクリーンを備え、表示された２次元マップ３３１の点「Ｔ１０」をタッチ（またはマウス等でクリック）すると、点Ｔ１０に関する情報（日時、検知値、工具種、使用可能時間、加工条件など）が表示される。このように、検知値をプロットした点を選択することにより、その検知値に関連する情報をスクリーン上に表示して、より詳細な加工の状態を知ることができる。これにより、数秒前や数分前の加工状態を把握することができる。また、２次元マップにおける過去の加工状態を示す点の位置と、その点の検知値や加工条件などを参考にして、次の加工の加工条件を選択することができる。

図８は、本実施形態に係る工作機械による食いつきデータ削除を説明する図である。グラフ８０１に示したように、工作機械による加工開始部分である食いつき時のデータが含まれた状態で、２次元マップを生成する場合には、２次元マップ生成の元となる検知値に食いつきによるノイズが含まれる。そのため、精度の高い２次元マップを生成することができない。そこで、グラフ８０２に示したように、検知した検知値の始めの何秒間かのデータを削除して、２次元マップを生成すると、ノイズを含まない検知値により２次元マップを生成できるので、精度の高い２次元マップを生成できる。

ここでは、グラフ８０１の始めの部分に、検知した電流値に食いつき部分がみられ、大きな低周波が発生していることが分かる。そのため、この食いつき部分の存在が、異常の有無の検知を妨げる要因となる。そこで、グラフ８０２に示したように、工作機械による加工開始点から、例えば、６００点分のデータ（１／２０００×６００＝０．３［ｓ］）を削除する。なお、グラフ８０１に食いつきデータが含まれるか否かの判定は、カルマンフィルタを用いて行われる。

本実施形態によれば、食いつき部分がある場合に食いつきデータを削除するので、余分なノイズの少ない検知値を用いて、精度の高い２次元マップを生成することができる。

［他の実施形態］
以上、実施形態を参照して本願発明を説明したが、本願発明は上記実施形態に限定されるものではない。本願発明の構成や詳細には、本願発明の技術的範囲で当業者が理解し得る様々な変更をすることができる。また、それぞれの実施形態に含まれる別々の特徴を如何様に組み合わせたシステムまたは装置も、本発明の技術的範囲に含まれる。

また、本発明は、複数の機器から構成されるシステムに適用されてもよいし、単体の装置に適用されてもよい。さらに、本発明は、実施形態の機能を実現する情報処理プログラムが、システムあるいは装置に供給され、内蔵されたプロセッサによって実行される場合にも適用可能である。したがって、本発明の機能をコンピュータで実現するために、コンピュータにインストールされるプログラム、あるいはそのプログラムを格納した媒体、そのプログラムをダウンロードさせるＷＷＷ(World Wide Web)サーバも、プログラムを実行するプロセッサも本発明の技術的範囲に含まれる。特に、少なくとも、上述した実施形態に含まれる処理ステップをコンピュータに実行させるプログラムを格納した非一時的コンピュータ可読媒体（non-transitory computer readable medium）は本発明の技術的範囲に含まれる。

Claims

加工中に工具が取り付けられた工具主軸を駆動するために印加される電流値を、検知値として検知する検知部と、
前記検知値から第１特徴量と第２特徴量とを抽出する特徴量抽出部と、
前記第１特徴量に係る数値を第１軸とし前記第２特徴量に係る数値を第２軸とした平面上に、前記検知値をプロットした点と、前記加工中において前記工具に異常が発生する可能性を表すために等高線状に配置された少なくとも２つの境界線と、を表示する表示部と、
を備えた工作機械。
前記表示部に表示された前記境界線の形状を変更する補正部をさらに備えた請求項１に記載の工作機械。
前記表示部は、前記プロットした点を選択すると、前記プロットした点に関連した情報を表示する請求項１または２に記載の工作機械。
加工中に工具が取り付けられた工具主軸を駆動するために印加される電流値から第１特徴量と第２特徴量とを抽出する特徴量抽出部で抽出された前記第１特徴量に係る数値を第１軸とし、前記特徴量抽出部で抽出された前記第２特徴量に係る数値を第２軸とした平面上に、
前記電流値をプロットした点と、
前記加工中において前記工具に異常が発生する可能性を表すために等高線状に配置された少なくとも２つの境界線と、
を表示する表示部を備えた表示装置。
加工時の、前記加工のために投入される電流、振動、音、熱、および光のうちの少なくともいずれか一つの検知値を検知する検知部を有する工作機械から検出された検知値から第１特徴量と第２特徴量とを抽出し、前記工作機械の加工の状態を表示する表示装置であって、
前記第１特徴量に係る数値を第１軸とし前記第２特徴量に係る数値を第２軸とした平面上に、前記検知値をプロットした点と、前記加工中において異常が発生する可能性を表すために等高線状に配置された少なくとも２つの境界線と、を表示する表示部と、
前記表示部に表示された前記境界線を選択し、選択された境界線の形状を変更する補正部と、
を備えた表示装置。
加工時の、前記加工のために投入される電流、振動、音、熱、および光のうちの少なくともいずれか一つの検知値を検知する検知部を有する工作機械から検出された検知値から、工具がワークと接触してワークの加工を開始後所定時間分の検知値を除いた後に、第１特徴量と第２特徴量とを抽出し、前記工作機械の加工の状態を表示する表示装置であって、
前記第１特徴量に係る数値を第１軸とし前記第２特徴量に係る数値を第２軸とした平面上に、前記検知値をプロットした点と、前記加工中において異常が発生する可能性を表すために等高線状に配置された少なくとも２つの境界線と、を表示する表示装置。