JP6833090B2 - 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム - Google Patents
工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム Download PDFInfo
- Publication number
- JP6833090B2 JP6833090B2 JP2020089295A JP2020089295A JP6833090B2 JP 6833090 B2 JP6833090 B2 JP 6833090B2 JP 2020089295 A JP2020089295 A JP 2020089295A JP 2020089295 A JP2020089295 A JP 2020089295A JP 6833090 B2 JP6833090 B2 JP 6833090B2
- Authority
- JP
- Japan
- Prior art keywords
- machining
- dimension
- prediction
- value
- machine tool
- 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
Links
- 238000003754 machining Methods 0.000 title claims description 204
- 238000000034 method Methods 0.000 title claims description 75
- 230000005856 abnormality Effects 0.000 title claims description 15
- 238000012545 processing Methods 0.000 claims description 129
- 230000008569 process Effects 0.000 claims description 56
- 238000013480 data collection Methods 0.000 claims description 51
- 238000007405 data analysis Methods 0.000 claims description 31
- 238000013461 design Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 7
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 5
- 238000007689 inspection Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000002950 deficient Effects 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003801 milling Methods 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005498 polishing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Machine Tool Sensing Apparatuses (AREA)
- General Factory Administration (AREA)
- Numerical Control (AREA)
Description
以下、本開示の実施の形態1に係る工作機械の加工寸法予測装置と、その加工寸法予測装置を備えるNC工作機械を、図面を参照して説明する。
図2Bにおけるプロセス「3」は、プロセスIDが3であることを示し、区間「1」は、加工区間が「1」であること、すなわち、図2Aにおける長さ3Lの加工区間のうち、最初の長さLの加工区間Lであることを示す。
この加工品質の瞬時値は、請求項における瞬時予測寸法情報の一例に相当する。
この品質基準は、請求項における品質規定情報の一例に相当する。
補助記憶部13には、プロセッサ11が実行するデータ収集処理の制御プログラムが記憶されている。制御プログラムの内容については後述する。
入力部14は、NC装置7から送信されてくるNC加工データを受信し、プロセッサ11に提供する。
通信部16は、データ統括コントローラ2との間で通信し、NC加工データを送信する。
主記憶部12又は補助記憶部13は、請求項の予測モデル記憶部の一例として機能する。通信部16は、請求項の予測モデル取得部の一例として機能する。
主記憶部12又は補助記憶部13は、請求項の予測モデル記憶部又は加工条件記憶部の一例として機能する。通信部16は、請求項の予測モデル取得部の一例として機能する。
主記憶部12又は補助記憶部13は、請求項の予測モデル記憶部の一例として機能する。通信部16は、請求項の予測モデル取得部の一例として機能する。
NC装置7は、NCデータを処理し、制御信号を出力するNC制御ユニット70と、NC制御ユニット70からの制御信号に従って被加工物WAに加工を加える加工機90とを備える。
また、加工機90には、コンタクター、ソレノイド、ランプ等98と、加工機90内の各部の状態を検知し、検知信号を出力するリミットスイッチ、センサその他のスイッチ類97と、も配置されている。
まず、NC装置7のテーブル94上に被加工物WAを固定し、予め設定された数値データを用いて実際に被加工物WAの加工を開始する。
プロセッサ11は、まず、NC装置7での加工が、データ収集の開始点に達するまで待機する(ステップS11)。
NC装置7での加工プロセスが進み、最初の加工区間の処理を開始すると、プロセッサ11は、NC装置7から供給されるデータの収集を開始し、まず、開始マークを登録する(ステップS12)。このマークは、ある加工区間の加工の開始を識別するためのマークである。
被加工物WAの最初の加工区間は、図2Aに示した例では、x軸の原点に近い、すなわち、最も左に位置するLに相当する区間である。開始マークは、加工がLの左端においてなされたときに登録される。
続いて、プロセッサ11は、1工程区間のデータの蓄積が終了したか否かを判別する(ステップS14)。図2Aに示した例では、被加工物WAの加工区間3Lは3つの加工区間Lに分割されているから、プロセッサ11によって、加工がそれぞれの加工区間Lの右端に達したか否かが判別される。1工程区間のデータの蓄積が終了していなければ(ステップS14:No)、処理はステップS13にリターンする。
一方、1工程区間のデータの蓄積が終了しているか、または手動の指示でプロセッサ11が終了の指示を受けているならば(ステップS14:Yes)、終了マークを記憶して(ステップS15)、1加工区間のデータの識別を可能とし、開始マークから終了マークまでの1加工区間のデータをデータ統括コントローラ2に送信する(ステップS16)。図2Aに示した例では、最初の加工区間Lにおいては、加工がLの右端においてなされた時点で、終了マークが登録され、1加工区間Lに含まれるすべてのデータがデータ統括コントローラ2に送信される。
一方、加工プロセスが終了していれば(ステップS17:Yes)、処理を終了する。
加工プロセスが終了したか否かは、加工が全加工区間にわたって行われたか否か、すなわち、図2Aに示した例では、加工が3Lの加工区間のうち、x軸の原点から遠い、すなわち、最も右に位置するLに相当する区間の右端に達したか否かによって判別される。
図2Aに例示したように、3Lには3つの加工区間が含まれるから、加工がそれぞれの加工区間に相当するLの右端に達した各時点で、その加工区間単位で上記のデータがデータ統括コントローラ2に供給される。この例では、図2Bに示すデータのまとまりが、3回に分けて供給される。
プロセッサ21は、抽出した各特徴量、例えば、図2Bの左、中央、右に位置するLに対応する部分のNC加工データから抽出した各特徴量を、通信部26を介して、加工プロセスのID、加工区間のID等と共にデータ分析コントローラ3に送信する。
また、データ収集コントローラ1のプロセッサ11は、通信部16を介してデータ収集部10の収集したNC加工データをデータ分析コントローラ3に送信する。データ分析コントローラ3のプロセッサ31は、供給されたNC加工データを補助記憶部33に格納する。
一方、ユーザは、被加工物WAの加工が完了すると、加工済みの被加工物WAを加工品質測定装置4に装着し、被加工物WAの寸法を加工区間L毎に測定し、測定データをデータ分析コントローラ3に送信する。
データ分析コントローラ3のプロセッサ31は、送信されたデータを、入力部34を介して受信し、補助記憶部33に一旦蓄積する。
次に、プロセッサ31は、回帰直線又はカーブフィット曲線を算出して予測モデルを生成するモデル化を行う(ステップS22)。
本実施の形態では、予測モデルを回帰式とし、回帰式を求める方法として、最小二乗法を用いる。なお、最小二乗法は、測定で得られた数値の組を、関数を用いて近似するときに、想定する関数が測定値に対してよい近似となるように、残差の二乗和を最小とするような係数を決定する方法である。
y=Ax1+Bx2+Cx3+…+Nxn
ここで、yは目的変数であり、xk(k=1,2,…,n)は説明変数であり、A,B,C,…,Nは、それぞれの説明変数の係数である。
また、目的変数yを、図2Aに示した例に基づいて、被加工物WAの溝の深さDの設計値と測定値の差分とする。
プロセッサ31は、回帰分析により、回帰式y=ax1+bx2+cx3に対し、複数のNC加工データから抽出された複数の特徴量(x1,x2,x3)に最も適合する係数a、b、cを算出する。
プロセッサ31は、加工プロセスの工程区間毎、すなわち、図2Aにおける3つのLに対応する加工区間毎に回帰式を求める。
なお、本実施の形態では、モデル化は、リアルタイムに収集した特徴量に基づいて行われるが、過去に収集され、主記憶部32又は補助記憶部33に記憶されている特徴量データに基づいて行われてもよい。
予測精度が基準を満たすと判別されたならば(ステップS24:Yes)、プロセッサ31は、求めたモデル、この場合、回帰式の係数a、b、cを、データ統括コントローラ2に送信する(ステップS25)。データ統括コントローラ2のプロセッサ21は、受信したモデルを加工プロセスと加工区間に対応付けて補助記憶部23に記憶する。
なお、この学習処理は、加工プロセス毎に任意の頻度で実行される。
例えば、説明変数が駆動電流のみである場合(k=1)、求められた寄与度の精度は、主軸モータ93の電流値x1と被加工物WAの溝の深さであるDの設計値からの差分との関係をどの程度の精度をもって反映しているかの指標である。
従って、寄与度の精度が十分でないと判断される場合には、説明変数、特徴量の選択、特徴量の抽出方法等を再検討することができ、予測品質の誤判定を防止することができる。
データ収集部10は、供給されたデータを整理して、データ統括コントローラ2に送信する。
プロセッサ21は、現在の加工が予測判定対象の加工でないと判断した場合(ステップS31:No)、既存のモデルがあれば、それを採用するが(ステップS33)、既存のモデルがなければ、そのまま演算処理を終了する。
具体的には、プロセッサ31は、回帰式y=ax1+bx2+cx3に対し、NC加工データから抽出したx1=駆動電流値、x2=振動データ、x3=温度データを代入し、加工品質y、即ち、設計値と予測される寸法の差の絶対値を予測する。
プロセッサ31は、請求項における、瞬時予測寸法計算部の一例である。
プロセッサ31は、請求項における、区間予測寸法計算部の一例である。
予測された加工品質yが基準を満たすと判断されたならば(ステップS36:Yes)、加工プロセスが終了したか否かを判別する(ステップS37)。
終了していなければ(ステップS37:No)、次の区間についての処理のため、ステップS34にリターンする。
一方、終了していれば(ステップS37:Yes)、処理を終了する。
例えば、プロセッサ21は、NC装置7に加工処理を中断し、不良品発生のアラームを発生させて報知することを指示する。
なお、本実施の形態では、データ分析コントローラ3のプロセッサ31が予測モデルである回帰式をステップS32,S34によって求めた。しかし、データ統括コントローラ2に予測判定対象に適する既存の予測モデルが記憶されていれば、データ分析コントローラ3を介さずに、プロセッサ21が主記憶部22又は補助記憶部23に記憶されている予測モデルを採用して加工品質の判定を行うことも可能である。
また、図7においては、理解を容易にするため、1つのNC加工データについて説明したが、多数のNC加工データが並列に処理されてもよい。それぞれのNC加工データは、区間情報を含んでいるため、データ収集コントローラ1、データ統括コントローラ2又はデータ分析コントローラ3においてデータの取り違えが起こることはない。
加工寸法予測装置100が求めた加工品質に基づいて工具の交換時期を判別することも可能である。以下、工具の交換時期を判別する実施の形態2について説明する。
プロセッサ21は、求めた直線を含むカーブフィット曲線と寸法公差とが交差するタイミングを特定し、このタイミングを工具交換のタイミングとして、報知する。
具体的には、カーブフィット曲線が直線である場合には、図8(A)に示すように、加工品質の低下は経過時間に比例するため、TAにおいて、加工品質が基準値を下回る。
また、カーブフィット曲線は、図8(B)に示すように、時間の経過とともに加工品質の変化が緩やかになったり、図8(C)に示すように、急激になったりするものでもあり得る。
これらの場合には、TBまたはTCにおいて、加工品質が基準値を下回る。
さらに、カーブフィット曲線は、図8(A)から(C)に示したものに限られず、より複雑な関数によって表現されてもよく、NC加工データをより良く再現できるものであれば、上述した例に限られない。
これにより、オペレータは、事前に工具交換のタイミングを知ることができる。例えば、データ統括コントローラ2は、通信部26を介してデータ収集コントローラ1に工具の交換時期までの残り時間に関するデータを供給する。データ収集コントローラ1は、このデータを受信すると、外部接続I/F73を介して接続されたNC制御ユニット70に対し、NC操作パネル82に「残り加工可能回数10回」、「残り加工可能時間10時間」等の表示をする指令を出す。
次に、本開示の実施の形態3に係る工作機械の設備異常判定装置200について説明する。
設備異常判定装置200は、加工品質を予測する機能に加えて、工作機械の工具の設備交換時期を予測して、設備の異常を判定する機能を備える。
仕事時間上限記憶部41は、請求項における、閾値記憶部の一例である。
データ統括コントローラ2は、NC加工データである工作機械の駆動時の駆動エネルギーデータ、例えば、主軸モータ93の駆動電流から仕事量を算出する加工仕事量算出部221と、被加工物WAを加工する工具を交換した日時を記憶する工具交換時期記憶部222と、工具の寿命を判定する工具寿命判定部223と、を備える。
データ収集コントローラ1は、工具が交換されたか否かをNC装置7の出力データから判別し、工具が交換されたと判別すると、計時部18の計時日時をデータ統括コントローラ2の工具交換時期記憶部222にセットする。
工具交換日時の更新に応答して、工具寿命判定部223は、内部に記憶している仕事量の累算値Aを0にリセットする。
より具体的に説明すると、主軸モータ93の駆動電流は、刃物にかかる負荷に対して比例する関係を有する。従って、仕事量は、加工中の主軸モータ93の駆動電流の総和に比例するものとして、式(1)で表される。
仕事量=k1×Σ(加工中の主軸モータの駆動電流)・・・(1)
ここで、k1は比例係数である。
なお、連続的に電流値を計測できるならば、離散値の総和Σを積分に置き換えてもよい。
累算値Aは、請求項における、累積値の一例である。
D=k2×(主軸モータ93の駆動電流)
k2:係数
なお、回転運動においては、仕事率は、トルクT(N・m)に回転数n(rpm)をかけた値に比例する。主軸の回転数nは最適回転数に設定される。係数k2はこの最適回転数を考慮して予め設定される。
E=C/D
一方、Eが0より大きければ(ステップS45:No)、残存寿命期間Eを報知する(ステップS47)。
従って、工具の異常に起因するロスコストを低減することができる。すなわち、設備の計画的な停止・メンテナンスが可能となるため、設備の長時間にわたる停止又は正常に動作しない状態の発生を防止できる。
上記実施の形態においては、1台のNC装置7と1台のデータ収集コントローラ1と1台のデータ統括コントローラ2と1台のデータ分析コントローラ3とを配置する例を示したが、台数は任意である。例えば、複数のNC装置7に1台のデータ統括コントローラ2を配置することも、データ処理の効率とスピードを考慮して適宜行うことができる。
この構成によれば、どのNC装置7での加工プロセスの処理をどのデータ統括コントローラ2とデータ分析コントローラ3で処理するかを予め設定しておき、設定に従って、データを送受信して、処理するようにすればよい。
このような構成によれば、データ収集コントローラ11〜1mの少なくとも1つ、データ統括コントローラ21〜2pの少なくとも1つ、データ分析コントローラ31〜3qの少なくとも1つにおいて、それぞれのコントローラに適合するコンピュータプログラムを実行することによっても、上述の処理を達成することができる。
本開示は、例えば、固定の工具で回転駆動される被加工物WAを加工する工作機械、
静止している被加工物WAを移動させながら、回転駆動される工具にその被加工物WAを押し当て切削または研磨する種類の工作機械、
又は回転駆動される工具に同じく回転駆動される被加工物WAを押し当て切削または研磨する種類の工作機械、
にも適用可能である。
Claims (7)
- 工作機械における2つ以上の加工区間のうちの加工中の加工区間を示すデータと工作機械に取り付けられた工具の状態を示すデータを含む駆動状態情報を取得する駆動状態情報取得部と、
前記駆動状態情報から特徴量を抽出する特徴量抽出部と、
前記特徴量抽出部によって抽出された前記特徴量に基づき、前記加工区間毎の前記特徴量と前記工作機械によって加工される被加工物の加工寸法の設計値と測定値との差分を関連付けるパラメータを求めることで、前記特徴量を入力したときに被加工物の加工寸法の設計値と予測値との差分を出力する予測モデルを生成する、加工品質予測モデル生成部と、
前記被加工物の加工中に前記加工品質予測モデル生成部によって生成された前記予測モデルに前記特徴量を入力し、前記加工品質予測モデル生成部から出力される前記被加工物の加工寸法の設計値と予測値との差分である瞬時予測寸法情報を計算する瞬時予測寸法計算部と、
加工中の前記加工区間を示すデータと、前記瞬時予測寸法計算部によって生成された前記瞬時予測寸法情報と、に基づいて、加工中の前記加工区間の工程を終えたときの前記被加工物の加工寸法の設計値と予測値との差分である区間予測寸法情報を計算する区間予測寸法計算部と、
を備える、工作機械の加工寸法予測装置。 - 前記予測モデルは、前記加工寸法の設計値と測定値の差分を目的変数とし、前記特徴量を説明変数とする回帰式である、
請求項1に記載の工作機械の加工寸法予測装置。 - 前記被加工物の前記加工区間毎の加工条件を記憶する加工条件記憶部と、
前記加工条件記憶部に記憶された加工条件情報、前記駆動状態情報及び前記予測モデルに基づいて、全ての前記加工区間の工程を終えたときの前記被加工物の加工寸法の予測値である最終予測寸法情報を生成する品質予測部と、
前記品質予測部によって生成された前記最終予測寸法情報と前記被加工物の加工寸法の品質の公差を含む品質規定情報とを比較し、前記最終予測寸法情報が前記品質の公差の範囲内にある場合に、前記被加工物の品質が基準を満たすと判定する品質判定部と、をさらに備える、
請求項1又は2に記載の工作機械の加工寸法予測装置。 - 工作機械における2つ以上の加工区間のうちの加工区間を示すデータと工作機械に取り付けられた工具の状態を示すデータを含む駆動状態情報を取得する駆動状態情報取得部を備えるデータ収集コントローラと、
前記駆動状態情報から特徴量を抽出する特徴量抽出部を備えるデータ統括コントローラと、
前記特徴量抽出部によって抽出された前記特徴量に基づき、前記加工区間毎の前記特徴量と前記工作機械によって加工される被加工物の加工寸法の設計値と測定値との差分を関連付けるパラメータを求めることで、前記特徴量を入力したときに被加工物の加工寸法の設計値と予測値との差分を出力する予測モデルを生成する、加工品質予測モデル生成部と、
前記被加工物の加工中に前記加工品質予測モデル生成部によって生成された前記予測モデルに前記特徴量を入力し、前記加工品質予測モデル生成部から出力される前記被加工物の加工寸法の設計値と予測値との差分である瞬時予測寸法情報を計算する瞬時予測寸法計算部と、
加工中の前記加工区間を示すデータと、前記瞬時予測寸法計算部によって生成された前記瞬時予測寸法情報と、に基づいて、加工中の前記加工区間の工程を終えたときの前記被加工物の加工寸法の設計値と予測値との差分である区間予測寸法情報を計算する区間予測寸法計算部と、を備える、データ分析コントローラと、
を含む、工作機械の加工寸法予測システム。 - 請求項1から3のいずれか1項に記載の工作機械の加工寸法予測装置と、
前記工具が前記被加工物になした仕事量を前記駆動状態情報から算出する加工仕事量算出部と、
前記工具が前記被加工物になす仕事量の上限値を記憶する閾値記憶部と、
前記上限値と前記工具が現在までに前記被加工物になした仕事量の累積値とを比較し、前記上限値から前記累積値を引いた値が0以下である場合に前記工具の寿命が尽きたものと判定する工具寿命判定部と、を備える、
工作機械の設備異常判定装置。 - 工作機械の加工寸法予測装置が実行する工作機械の加工寸法予測方法であって、
工作機械における2つ以上の加工区間のうちの加工中の加工区間を示すデータと工作機械に取り付けられた工具の状態を示すデータを含む駆動状態情報を取得することと、
前記駆動状態情報から特徴量を抽出することと、
抽出された前記特徴量に基づき、前記加工区間毎の前記特徴量と前記工作機械によって加工される被加工物の加工寸法の設計値と測定値との差分を関連付けるパラメータを求めることで、前記特徴量を入力したときに被加工物の加工寸法の設計値と予測値との差分を出力する予測モデルを生成することと、
前記被加工物の加工中に生成された前記予測モデルに前記特徴量を入力し、出力される前記被加工物の加工寸法の設計値と予測値との差分である瞬時予測寸法情報を計算することと、
加工中の前記加工区間を示すデータと、生成された前記瞬時予測寸法情報と、に基づいて、加工中の前記加工区間の工程を終えたときの前記被加工物の加工寸法の設計値と予測値との差分である区間予測寸法情報を計算することと、を含む、
工作機械の加工寸法予測方法。 - コンピュータに、
工作機械における2つ以上の加工区間のうちの加工中の加工区間を示すデータと工作機械に取り付けられた工具の状態を示すデータを含む駆動状態情報を取得させ、
前記駆動状態情報から特徴量を抽出させ、
抽出された前記特徴量に基づき、前記加工区間毎の前記特徴量と前記工作機械によって加工される被加工物の加工寸法の設計値と測定値との差分を関連付けるパラメータを求めることで、前記特徴量を入力したときに被加工物の加工寸法の設計値と予測値との差分を出力する予測モデルを生成させ、
前記被加工物の加工中に生成された前記予測モデルに前記特徴量を入力し、出力される前記被加工物の加工寸法の設計値と予測値との差分である瞬時予測寸法情報を計算させ、
加工中の前記加工区間を示すデータと、生成された前記瞬時予測寸法情報と、に基づいて、加工中の前記加工区間の工程を終えたときの前記被加工物の加工寸法の設計値と予測値との差分である区間予測寸法情報を計算させる、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020089295A JP6833090B2 (ja) | 2020-05-22 | 2020-05-22 | 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020089295A JP6833090B2 (ja) | 2020-05-22 | 2020-05-22 | 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019534899A Division JPWO2019239606A1 (ja) | 2018-06-15 | 2018-06-15 | 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020123409A JP2020123409A (ja) | 2020-08-13 |
JP6833090B2 true JP6833090B2 (ja) | 2021-02-24 |
Family
ID=71992889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020089295A Active JP6833090B2 (ja) | 2020-05-22 | 2020-05-22 | 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6833090B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022554303A (ja) * | 2019-11-07 | 2022-12-28 | ナノトロニクス イメージング インコーポレイテッド | 製造プロセスのためのシステム、方法、および媒体 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0527827A (ja) * | 1991-07-23 | 1993-02-05 | Murata Mach Ltd | Nc工作機械のデータ管理方法 |
JP4301278B2 (ja) * | 2006-09-29 | 2009-07-22 | パナソニック電工株式会社 | 工作機械の加工寸法予測装置 |
JP6290835B2 (ja) * | 2015-08-27 | 2018-03-07 | ファナック株式会社 | 数値制御装置及び機械学習器 |
JP6557198B2 (ja) * | 2016-09-06 | 2019-08-07 | ファナック株式会社 | 数値制御装置 |
-
2020
- 2020-05-22 JP JP2020089295A patent/JP6833090B2/ja active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022554303A (ja) * | 2019-11-07 | 2022-12-28 | ナノトロニクス イメージング インコーポレイテッド | 製造プロセスのためのシステム、方法、および媒体 |
JP7289171B2 (ja) | 2019-11-07 | 2023-06-09 | ナノトロニクス イメージング インコーポレイテッド | 製造プロセスのためのシステム、方法、および媒体 |
Also Published As
Publication number | Publication date |
---|---|
JP2020123409A (ja) | 2020-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019239606A1 (ja) | 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム | |
CN107491038B (zh) | 学习异常负载检测的阈值的机械学习机、数控装置以及机械学习方法 | |
CN111624951B (zh) | 加工条件调整装置以及加工条件调整系统 | |
CN111687652B (zh) | 握持力调整装置以及握持力调整系统 | |
CN110116371B (zh) | 研磨工具磨损量预测装置、机器学习装置以及系统 | |
US6400998B1 (en) | Generation of measurement program in NC machining and machining management based on the measurement program | |
JP7119337B2 (ja) | 工具寿命予測装置 | |
JP6802213B2 (ja) | 工具選定装置及び機械学習装置 | |
JP2018086712A (ja) | 工具摩耗予測装置およびその方法 | |
JP6781242B2 (ja) | 制御装置、機械学習装置及びシステム | |
JP7383982B2 (ja) | 工具寿命予測システム | |
JP2019139755A (ja) | 研磨工具摩耗量予測装置、機械学習装置及びシステム | |
JP2004130407A (ja) | 工具折損あるいは予知検出装置 | |
JP2003175439A (ja) | Nc工作機械の加工時間推定装置 | |
JP7053518B2 (ja) | 切削液量調整装置及び切削液量調整システム | |
KR20220092865A (ko) | 치과용 공구의 마모 상태를 예측하기 위한 치과 기계 가공 시스템 | |
JP6833090B2 (ja) | 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム | |
CN112904800A (zh) | 一种机床智能优化方法及机床智能优化辅助系统 | |
Pereverzev et al. | Optimization of control programs for numerically controlled machine tools by dynamic programming | |
JPH1034496A (ja) | マシニングセンタ | |
Shadravan et al. | Viability of Digital Twin Multi-Dimensional Modeling Framework for Machining Processes-A Review | |
JP2020191043A (ja) | 異常検出装置、異常検出サーバ及び異常検出方法 | |
JP2023029135A (ja) | 工作機械の電流計測システムおよびその方法 | |
TWI770451B (zh) | 工作母機加工資訊即時呈現方法與工作母機即時呈現系統 | |
WO2023286151A1 (ja) | 加工時間推定方法、加工時間推定装置、コンピュータプロブラム及び記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200522 |
|
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: 20210105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210202 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6833090 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |