JP6952318B1 - 推定負荷利用方法および推定負荷利用システム - Google Patents
推定負荷利用方法および推定負荷利用システム Download PDFInfo
- Publication number
- JP6952318B1 JP6952318B1 JP2021134610A JP2021134610A JP6952318B1 JP 6952318 B1 JP6952318 B1 JP 6952318B1 JP 2021134610 A JP2021134610 A JP 2021134610A JP 2021134610 A JP2021134610 A JP 2021134610A JP 6952318 B1 JP6952318 B1 JP 6952318B1
- Authority
- JP
- Japan
- Prior art keywords
- tool
- feature amount
- probability
- estimated
- load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003754 machining Methods 0.000 claims abstract description 61
- 238000009826 distribution Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims abstract description 41
- 230000007704 transition Effects 0.000 claims abstract description 39
- 230000010365 information processing Effects 0.000 claims abstract description 27
- 238000010801 machine learning Methods 0.000 claims abstract description 15
- 230000005856 abnormality Effects 0.000 claims abstract description 9
- 238000005520 cutting process Methods 0.000 claims description 98
- 238000000227 grinding Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 abstract description 5
- 230000008859 change Effects 0.000 description 11
- 238000003860 storage Methods 0.000 description 10
- 239000002184 metal Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000001125 extrusion Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 239000010730 cutting oil Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
Images
Landscapes
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
【課題】工作機械を用いて材料を加工する際に、外乱を受けている工具の負荷変動推移を推定し、その推定負荷情報を利用する技術を提供することにある。【解決手段】工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを用いた推定負荷利用方法であって、情報処理装置が、工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサから得られたデータを特徴量に変換するステップと、工具による加工ごとに得られる特徴量に対して機械学習を行うことにより、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定するステップと、推定の結果に基づいて、特徴量がとり得る値の確率を算出するステップと、確率の値と、予め設定した特徴量が正常値とみなせる確率とを比較することにより、特徴量の異常検知を行うステップとを有する推定負荷利用方法。【選択図】図９
Description
本発明は、工作機械により材料を加工する際の工具に加わる負荷変動を推定する技術に関するものである。
従来、工作機械を用いた材料の加工において、工具に加わる負荷変動の推定は加工状態の監視において重要な課題の一つであった。
旋盤やマシニングセンタによる切削加工においては、切削工具を繰り返し使用することにより、工具摩耗が進行する結果、材料の加工品質に影響を及ぼす。加えて、摩耗した切削工具を使用し続けることにより、切削工具そのものに欠損や折れが生じてしまう。
このような切削工具の状態変化は、切削工具に加わる負荷変動を監視することによって検出が試みられてきた。
また、研削盤による研削加工においては、工具としての回転砥石に加わる負荷変動を監視することで、回転砥石の交換時期を最適化する試みがなされてきた。
旋盤やマシニングセンタによる切削加工においては、切削工具を繰り返し使用することにより、工具摩耗が進行する結果、材料の加工品質に影響を及ぼす。加えて、摩耗した切削工具を使用し続けることにより、切削工具そのものに欠損や折れが生じてしまう。
このような切削工具の状態変化は、切削工具に加わる負荷変動を監視することによって検出が試みられてきた。
また、研削盤による研削加工においては、工具としての回転砥石に加わる負荷変動を監視することで、回転砥石の交換時期を最適化する試みがなされてきた。
上記に係る先行技術の一例として、特許文献１では、工作機械のＮＣ（数値制御）プログラムから得られる加工条件の情報および加工対象の材料に関する情報を用いて、切削工具に加わる負荷変動を推定する方法が説明されている。
また、特許文献２では、回転砥石の負荷変動から砥石と加工対象とが接する面の接線方向の力を推定し、それを利用してドレスタイミングを最適化する方法を開示している。
また、特許文献２では、回転砥石の負荷変動から砥石と加工対象とが接する面の接線方向の力を推定し、それを利用してドレスタイミングを最適化する方法を開示している。
しかし、特許文献１に記載の方法では、ＮＣプログラムから得られる加工条件の情報と、加工対象の材料に関する情報が与えられれば、切削工具に加わる負荷の値が一意に定まってしまうため、実環境での切削加工の際に生じる外乱の影響によるばらつきの効果を反映させることができない。
また、特許文献２に記載の方法では、回転砥石に加わる負荷の実測値からノイズを除去する方法についての言及がなされていないため、開示されている方法を実環境での研削加工から得られる負荷変動のデータに適用した際に、最適なドレスタイミングを見誤るおそれがある。
また、特許文献２に記載の方法では、回転砥石に加わる負荷の実測値からノイズを除去する方法についての言及がなされていないため、開示されている方法を実環境での研削加工から得られる負荷変動のデータに適用した際に、最適なドレスタイミングを見誤るおそれがある。
本発明の目的は、工作機械を用いて材料を加工する際に、外乱を受けている工具の負荷変動推移を推定し、その推定負荷情報を利用する技術を提供することにある。
本発明の第一の推定負荷利用方法は、
工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを用いた推定負荷利用方法であって、
情報処理装置が、
工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサから得られたデータを特徴量に変換するステップと、
工具による加工ごとに得られる特徴量に対して、負荷の変動による成分と外乱による変動による成分とを機械学習により推定し、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定するステップと、
推定した確率分布または確率密度関数の推移の結果に基づいて、特徴量がとり得る値の確率を算出するステップと、
確率の値と、予め設定した特徴量が正常値とみなせる確率とを比較することにより、特徴量の異常検知を行うステップと
を有する。
工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを用いた推定負荷利用方法であって、
情報処理装置が、
工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサから得られたデータを特徴量に変換するステップと、
工具による加工ごとに得られる特徴量に対して、負荷の変動による成分と外乱による変動による成分とを機械学習により推定し、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定するステップと、
推定した確率分布または確率密度関数の推移の結果に基づいて、特徴量がとり得る値の確率を算出するステップと、
確率の値と、予め設定した特徴量が正常値とみなせる確率とを比較することにより、特徴量の異常検知を行うステップと
を有する。
また、本発明の第二の推定負荷利用方法は、
工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを用いた推定負荷利用方法であって、
情報処理装置が、
工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサから得られたデータを特徴量に変換するステップと、
工具による加工ごとに得られる特徴量に対して、負荷の変動による成分と外乱による変動による成分とを機械学習により推定し、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定するステップと、
推定した確率分布または確率密度関数の推移の結果に基づいて、特徴量がとり得る値の確率を算出するステップと、
特徴量の値と、所定の閾値とを比較することにより、工具の交換時期を判定または予測するステップと
を有する。
工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを用いた推定負荷利用方法であって、
情報処理装置が、
工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサから得られたデータを特徴量に変換するステップと、
工具による加工ごとに得られる特徴量に対して、負荷の変動による成分と外乱による変動による成分とを機械学習により推定し、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定するステップと、
推定した確率分布または確率密度関数の推移の結果に基づいて、特徴量がとり得る値の確率を算出するステップと、
特徴量の値と、所定の閾値とを比較することにより、工具の交換時期を判定または予測するステップと
を有する。
本発明の第一の推定負荷利用システムは、
工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを備える推定負荷利用システムであって、
情報処理装置は、
工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサからデータを得て、得られたデータを特徴量に変換し、
工具による加工ごとに得られる特徴量に対して、負荷の変動による成分と外乱による変動による成分とを機械学習により推定し、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定し、
推定した確率分布または確率密度関数の推移の結果に基づいて、特徴量がとり得る値の確率を算出し、
確率の値と、予め設定した特徴量が正常値とみなせる確率とを比較することにより、特徴量の異常検知を行う。
工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを備える推定負荷利用システムであって、
情報処理装置は、
工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサからデータを得て、得られたデータを特徴量に変換し、
工具による加工ごとに得られる特徴量に対して、負荷の変動による成分と外乱による変動による成分とを機械学習により推定し、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定し、
推定した確率分布または確率密度関数の推移の結果に基づいて、特徴量がとり得る値の確率を算出し、
確率の値と、予め設定した特徴量が正常値とみなせる確率とを比較することにより、特徴量の異常検知を行う。
また、本発明の第二の推定負荷利用システムは、
工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを備える推定負荷利用システムであって、
情報処理装置は、
工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサからデータを得て、得られたデータを特徴量に変換し、
工具による加工ごとに得られる特徴量に対して、負荷の変動による成分と外乱による変動による成分とを機械学習により推定し、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定し、
推定した確率分布または確率密度関数の推移の結果に基づいて、特徴量がとり得る値の確率を算出し、
特徴量の値と、所定の閾値とを比較することにより、工具の交換時期を判定または予測する。
工作機械の工具に加わる負荷の変動を推定し、推定した負荷の情報を利用する、センサと情報処理装置とを備える推定負荷利用システムであって、
情報処理装置は、
工具を駆動する装置に取り付けられた工具に加わる負荷の変動を計測するセンサからデータを得て、得られたデータを特徴量に変換し、
工具による加工ごとに得られる特徴量に対して、負荷の変動による成分と外乱による変動による成分とを機械学習により推定し、加工ごとの特徴量のばらつきが従う確率分布または確率密度関数の推移を推定し、
推定した確率分布または確率密度関数の推移の結果に基づいて、特徴量がとり得る値の確率を算出し、
特徴量の値と、所定の閾値とを比較することにより、工具の交換時期を判定または予測する。
本発明によれば、工作機械を用いて材料を加工する際に、外乱を受けている工具の負荷変動推移を推定し、その推定負荷情報を利用する技術を提供することができる。
以下、本発明の実施の形態に係る推定負荷利用システムについて、図面を参照して詳細に説明する。
図１は、本発明の実施の形態における推定負荷利用システム１の構成およびデータの流れを示す図である。
推定負荷利用システム１は、センサ１０９と、ＰＣ１０と、表示器１０７とから構成されている。なお、表示器１０７は無い構成であってもよい。
センサ１０９は、モータの負荷変動を検出するために、例えば、工作機械（ＮＣ旋盤、立型マシニングセンタ等）の工具を駆動する装置に取り付けられる。例えば、トルクメータ、電流計、電力計等である。
情報処理装置としてのＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）１は、ＡＤ変換器（ＡＤＣ）１０１、メモリ１０２、中央演算装置（ＣＰＵ：Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０３、および、ストレージ（記憶部）１０４によって構成されている。その他の同等の機能を有する情報処理装置であってもよい。
表示装置としての表示器１０７は、表示機構と入力機構を備え、所定のスタンドにより支持されたり、工作機械２に所定の治具により固定されていることであってもよい。表示器１０７は、ＰＣ１０と有線又は無線により接続されている。例えば、ＰＣ用ディスプレイ、タブレット端末やスマートフォン等である。
推定負荷利用システム１は、センサ１０９と、ＰＣ１０と、表示器１０７とから構成されている。なお、表示器１０７は無い構成であってもよい。
センサ１０９は、モータの負荷変動を検出するために、例えば、工作機械（ＮＣ旋盤、立型マシニングセンタ等）の工具を駆動する装置に取り付けられる。例えば、トルクメータ、電流計、電力計等である。
情報処理装置としてのＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）１は、ＡＤ変換器（ＡＤＣ）１０１、メモリ１０２、中央演算装置（ＣＰＵ：Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０３、および、ストレージ（記憶部）１０４によって構成されている。その他の同等の機能を有する情報処理装置であってもよい。
表示装置としての表示器１０７は、表示機構と入力機構を備え、所定のスタンドにより支持されたり、工作機械２に所定の治具により固定されていることであってもよい。表示器１０７は、ＰＣ１０と有線又は無線により接続されている。例えば、ＰＣ用ディスプレイ、タブレット端末やスマートフォン等である。
センサ１０９によって収集された工具負荷の情報は、ＰＣ１０に入力されることによりＡＤＣ１０１に入力される。センサ１０９から渡された情報はアナログデータであるため、ＡＤＣ１０１によりデジタルデータに変換された後に、メモリ１０２上に展開される。
メモリ１０２上に展開されたデジタルデータは、ＣＰＵ１０３において後述する方法に従った処理が行われる。処理結果はメモリ１０２に記録され、ＣＰＵ１０３における情報処理に逐次的に使用される。その後、不要になった情報はメモリ１０２から消去される。
メモリ１０２に記録されたＣＰＵ１０３の情報処理結果は、ストレージ１０４にも保存される。ストレージ１０４の上には、データベース（ＤＢ）１０５と入出力管理部１０６が構築される。メモリ１０２のデータがストレージ１０４に保存される際には、ＤＢ１０５上に保存される。その後、ＤＢ１０５に蓄積されたデータは必要に応じて、メモリ１０２又は入出力管理部１０６に呼び出される。
ＤＢ１０５に保存された、ＣＰＵ１０３による情報処理結果は、入出力管理部１０６を経由してストレージ１０４と接続された外部機器によって呼び出すことが可能である。外部機器とは、例えば、本実施の形態においては表示器１０７である。表示器１０７には、後述する方法により処理された結果が表示される。
ストレージ１０４に蓄積されたデータは、入出力管理部１０６を経由してクラウド環境１０８に転送することも可能である。クラウド環境１０８に転送されたデータは適切な処理を行うことにより、遠隔地同士での情報共有や一括管理に利用される。
メモリ１０２上に展開されたデジタルデータは、ＣＰＵ１０３において後述する方法に従った処理が行われる。処理結果はメモリ１０２に記録され、ＣＰＵ１０３における情報処理に逐次的に使用される。その後、不要になった情報はメモリ１０２から消去される。
メモリ１０２に記録されたＣＰＵ１０３の情報処理結果は、ストレージ１０４にも保存される。ストレージ１０４の上には、データベース（ＤＢ）１０５と入出力管理部１０６が構築される。メモリ１０２のデータがストレージ１０４に保存される際には、ＤＢ１０５上に保存される。その後、ＤＢ１０５に蓄積されたデータは必要に応じて、メモリ１０２又は入出力管理部１０６に呼び出される。
ＤＢ１０５に保存された、ＣＰＵ１０３による情報処理結果は、入出力管理部１０６を経由してストレージ１０４と接続された外部機器によって呼び出すことが可能である。外部機器とは、例えば、本実施の形態においては表示器１０７である。表示器１０７には、後述する方法により処理された結果が表示される。
ストレージ１０４に蓄積されたデータは、入出力管理部１０６を経由してクラウド環境１０８に転送することも可能である。クラウド環境１０８に転送されたデータは適切な処理を行うことにより、遠隔地同士での情報共有や一括管理に利用される。
図２は、本実施の形態の適用対象の一つである、工作機械としてのＮＣ旋盤の外観図である。
加工対象の金属棒（以降、「被削体」とよぶ。）２０１は、チャック２０２によって、主軸２０３に固定されている。主軸２０３がモータによって駆動されることにより、被削体２０１は回転運動を行う。
主軸２０３の対面側には、切削工具２０４（２０４−ａ、２０４−ｂ、２０４−ｃ）が据え付けられた回転工具台２０５と一体になった芯押台２０６が配置されている。
芯押台２０６は、内部に備えられたモータに駆動されることにより、Ｘ軸およびＺ軸方向に移動する。
回転工具台２０５をモータで回転させることにより、被削体２０１に対向する切削工具２０４が切り替わる。例えば、初期の状態において被削体２０１に対向する切削工具が切削工具２０４−ａであった場合に、回転工具台２０５が回転することにより、被削体２０１に対向する切削工具は切削工具２０４―ｂに変更される。同様にして、回転工具台２０５の回転により、被削体２０１に対向する切削工具は切削工具２０４―ｃに変更される。（なお、異なる種類の切削工具への「変更」と、切削工具の「交換（新品への）」とは異なる概念として説明する。）。
主軸２０３がモータに駆動されることで被削体２０１が回転運動を行っている状態で、芯押台２０６がモータによってＸ軸およびＺ軸方向に移動することにより、切削工具２０４−ａ（切削工具２０４−ａが被削体２０１に対向している場合）の先端が被削体２０１に接触する。その後、芯押台２０６がモータに駆動されることにより、切削工具２０４−ａの先端が被削体２０１に対して相対運動を行うことで、被削体２０１の接触部分が除去される。被削体２０１が所望の形状に加工されるように、切削工具２０４−ａと被削体２０１に相対運動が行われる。
以上の説明において、被削体２０１を切削工具２０４−ａで加工する場合を対象としたが、加工中に切削工具２０４を変更することで、切削工具２０４−ｂや切削工具２０４−ｃも使用した、複数種類の切削工具２０４による加工を行うことも可能である。
複数種類の切削工具２０４を用いた加工においては、切削工具２０４は役割ごとに選定される。例えば、所望する被削体２０１の加工形状に応じて、切削工具２０４−ａを粗加工用の切削工具に、切削工具２０４−ｂを溝切り用の切削工具に、切削工具２０４−ｃを仕上げ加工用の切削工具に選定することであってもよい。また、図２において、切削工具２０４は、切削工具２０４−ａ、切削工具２０４−ｂ、切削工具２０４−ｃの３種類が図示されているが、一般的なＮＣ旋盤での切削加工と同様に、本実施の形態において使用される切削工具２０４の種類は３種類に限定されるものではない。
加工対象の金属棒（以降、「被削体」とよぶ。）２０１は、チャック２０２によって、主軸２０３に固定されている。主軸２０３がモータによって駆動されることにより、被削体２０１は回転運動を行う。
主軸２０３の対面側には、切削工具２０４（２０４−ａ、２０４−ｂ、２０４−ｃ）が据え付けられた回転工具台２０５と一体になった芯押台２０６が配置されている。
芯押台２０６は、内部に備えられたモータに駆動されることにより、Ｘ軸およびＺ軸方向に移動する。
回転工具台２０５をモータで回転させることにより、被削体２０１に対向する切削工具２０４が切り替わる。例えば、初期の状態において被削体２０１に対向する切削工具が切削工具２０４−ａであった場合に、回転工具台２０５が回転することにより、被削体２０１に対向する切削工具は切削工具２０４―ｂに変更される。同様にして、回転工具台２０５の回転により、被削体２０１に対向する切削工具は切削工具２０４―ｃに変更される。（なお、異なる種類の切削工具への「変更」と、切削工具の「交換（新品への）」とは異なる概念として説明する。）。
主軸２０３がモータに駆動されることで被削体２０１が回転運動を行っている状態で、芯押台２０６がモータによってＸ軸およびＺ軸方向に移動することにより、切削工具２０４−ａ（切削工具２０４−ａが被削体２０１に対向している場合）の先端が被削体２０１に接触する。その後、芯押台２０６がモータに駆動されることにより、切削工具２０４−ａの先端が被削体２０１に対して相対運動を行うことで、被削体２０１の接触部分が除去される。被削体２０１が所望の形状に加工されるように、切削工具２０４−ａと被削体２０１に相対運動が行われる。
以上の説明において、被削体２０１を切削工具２０４−ａで加工する場合を対象としたが、加工中に切削工具２０４を変更することで、切削工具２０４−ｂや切削工具２０４−ｃも使用した、複数種類の切削工具２０４による加工を行うことも可能である。
複数種類の切削工具２０４を用いた加工においては、切削工具２０４は役割ごとに選定される。例えば、所望する被削体２０１の加工形状に応じて、切削工具２０４−ａを粗加工用の切削工具に、切削工具２０４−ｂを溝切り用の切削工具に、切削工具２０４−ｃを仕上げ加工用の切削工具に選定することであってもよい。また、図２において、切削工具２０４は、切削工具２０４−ａ、切削工具２０４−ｂ、切削工具２０４−ｃの３種類が図示されているが、一般的なＮＣ旋盤での切削加工と同様に、本実施の形態において使用される切削工具２０４の種類は３種類に限定されるものではない。
図３は、本実施の形態の適用対象の一つである、工作機械としての立形マシニングセンタの外観図である。
加工対象の金属片（以降、「被削体」とよぶ。）３０１は、モータによってＸおよびＹ軸方向に運動可能な位置決めステージ３０２の上に固定されている。被削体３０１の上方には、切削工具３０３−ａが主軸３０４に固定されて対向している。主軸３０４はモータによってＺ軸方向に運動する。
主軸３０４がモータに駆動されることで切削工具３０３−ａが回転運動を行っている状態で、位置決めステージ３０２によるＸおよびＹ軸方向方向の運動、ならびに、主軸３０４よるＺ軸方向の運動によって、被削体３０１に対して接触しながら相対運動を行うことによって、被削体３０１の接触部分が除去されることにより、所望する形状に加工される。
被削体３０１の加工は切削工具３０３−ａのみならず、切削工具３０３−ｂや切削工具３０３−ｃによっても行われる。その際の切削工具３０３の変更は、工具変更機３０５のカートリッジが回転することで、工具変更用アーム３０６に変更対象の切削工具３０３が設置され、この状態の工具変更用アーム３０６が主軸３０４に固定された切削工具３０３−ａと、変更対象の切削工具３０３−ｂや切削工具３０３−ｃとを変更することにより、主軸３０４に固定される切削工具３０３が変更される。変更された切削工具３０３−ａは、工具変更アーム３０６によって、工具変更機３０５に戻され設置される。
以上の一連の動作が切削加工中に行われることにより、立形マシニングセンタにおいて、複数種類の切削工具を用いた切削加工が実現される。
切削加工に使用される切削工具の種類は、図３に示した切削工具３０３−ａ、切削工具３０３−ｂおよび切削工具３０３−ｃの３種類に限定されるものではなく、必要に応じて適切な種類の切削工具が使用される。例えば、ミーリング加工用のエンドミル、穴あけ加工用のドリル、ねじ切り加工用のタップといった、加工種別ごとに適切な切削工具３０３が選定される。
加工対象の金属片（以降、「被削体」とよぶ。）３０１は、モータによってＸおよびＹ軸方向に運動可能な位置決めステージ３０２の上に固定されている。被削体３０１の上方には、切削工具３０３−ａが主軸３０４に固定されて対向している。主軸３０４はモータによってＺ軸方向に運動する。
主軸３０４がモータに駆動されることで切削工具３０３−ａが回転運動を行っている状態で、位置決めステージ３０２によるＸおよびＹ軸方向方向の運動、ならびに、主軸３０４よるＺ軸方向の運動によって、被削体３０１に対して接触しながら相対運動を行うことによって、被削体３０１の接触部分が除去されることにより、所望する形状に加工される。
被削体３０１の加工は切削工具３０３−ａのみならず、切削工具３０３−ｂや切削工具３０３−ｃによっても行われる。その際の切削工具３０３の変更は、工具変更機３０５のカートリッジが回転することで、工具変更用アーム３０６に変更対象の切削工具３０３が設置され、この状態の工具変更用アーム３０６が主軸３０４に固定された切削工具３０３−ａと、変更対象の切削工具３０３−ｂや切削工具３０３−ｃとを変更することにより、主軸３０４に固定される切削工具３０３が変更される。変更された切削工具３０３−ａは、工具変更アーム３０６によって、工具変更機３０５に戻され設置される。
以上の一連の動作が切削加工中に行われることにより、立形マシニングセンタにおいて、複数種類の切削工具を用いた切削加工が実現される。
切削加工に使用される切削工具の種類は、図３に示した切削工具３０３−ａ、切削工具３０３−ｂおよび切削工具３０３−ｃの３種類に限定されるものではなく、必要に応じて適切な種類の切削工具が使用される。例えば、ミーリング加工用のエンドミル、穴あけ加工用のドリル、ねじ切り加工用のタップといった、加工種別ごとに適切な切削工具３０３が選定される。
図４は、上記した図２に示すＮＣ旋盤、または、図３に示す立形マシニングセンタの電気図面と推定負荷利用システム１の関連図である。
図２中の被削体２０１、または、図３中の被削体３０１を、所望の形状に加工するためのＮＣプログラムが、ＮＣ装置４０１にインストールされる。一般に、ＮＣ装置はＮＣプログラムに従って所定のモータを制御するための信号を生成する役割を担う。
図４では、ＮＣプログラムに従ってＮＣ装置４０１から出力された信号が、インバータ４０２およびサーボアンプ４０３に入力される。インバータ４０２からはモータ４０４−０に対する回転数制御信号が、サーボアンプ４０３−１からはモータ４０４−１に対する位置制御信号が出力される。サーボアンプとモータとの対はそれぞれ、対象となる工作機械に応じてＮ個（Ｎは１以上の整数である。）、すなわち、サーボアンプ４０３−１、４０３−２、・・・、４０３−Ｎ、ならびに、モータ４０４−１、４０４−２、・・・、４０４−Ｎが使用されるが、各Ｎに対する信号の流れは同一視できるため、以降はサーボアンプ４０３−１およびモータ４０４−１についてのみ説明する。
一般に、切削加工が行われることにより、被削体ならびに切削工具は負荷を受けることになるが、それぞれが受ける負荷はモータのトルクにも影響を及ぼす。したがって、負荷の変動を相殺するためにインバータおよびサーボアンプは適切な制御信号を生成する。
モータ４０４−０が受ける負荷変動に対するインバータ４０２の制御信号をセンサ１０９−０で、同様に、モータ４０４−１が受ける負荷変動に対するサーボアンプ４０３−１の制御信号をセンサ１０９−１で計測する。ここで、センサ１０９−０およびセンサ１０９−１（・・・、−Ｎ）は、図１中のセンサ１０９に対応する。
センサ１０９−０およびセンサ１０９−１がそれぞれ計測した、モータ４０４−０およびモータ４０４−１の負荷変動は、ＰＣ１０に入力される。その後、ＰＣ１０の内部でデータ処理が行われ、処理結果は表示器１０７に出力されて表示される。
図２中の被削体２０１、または、図３中の被削体３０１を、所望の形状に加工するためのＮＣプログラムが、ＮＣ装置４０１にインストールされる。一般に、ＮＣ装置はＮＣプログラムに従って所定のモータを制御するための信号を生成する役割を担う。
図４では、ＮＣプログラムに従ってＮＣ装置４０１から出力された信号が、インバータ４０２およびサーボアンプ４０３に入力される。インバータ４０２からはモータ４０４−０に対する回転数制御信号が、サーボアンプ４０３−１からはモータ４０４−１に対する位置制御信号が出力される。サーボアンプとモータとの対はそれぞれ、対象となる工作機械に応じてＮ個（Ｎは１以上の整数である。）、すなわち、サーボアンプ４０３−１、４０３−２、・・・、４０３−Ｎ、ならびに、モータ４０４−１、４０４−２、・・・、４０４−Ｎが使用されるが、各Ｎに対する信号の流れは同一視できるため、以降はサーボアンプ４０３−１およびモータ４０４−１についてのみ説明する。
一般に、切削加工が行われることにより、被削体ならびに切削工具は負荷を受けることになるが、それぞれが受ける負荷はモータのトルクにも影響を及ぼす。したがって、負荷の変動を相殺するためにインバータおよびサーボアンプは適切な制御信号を生成する。
モータ４０４−０が受ける負荷変動に対するインバータ４０２の制御信号をセンサ１０９−０で、同様に、モータ４０４−１が受ける負荷変動に対するサーボアンプ４０３−１の制御信号をセンサ１０９−１で計測する。ここで、センサ１０９−０およびセンサ１０９−１（・・・、−Ｎ）は、図１中のセンサ１０９に対応する。
センサ１０９−０およびセンサ１０９−１がそれぞれ計測した、モータ４０４−０およびモータ４０４−１の負荷変動は、ＰＣ１０に入力される。その後、ＰＣ１０の内部でデータ処理が行われ、処理結果は表示器１０７に出力されて表示される。
図５は、ＰＣ１０によるセンサデータの処理の概要を説明する図である。
切削加工中にセンサ１０９で収集された、モータ負荷の時刻歴波形５０１は電圧値として記録される（例えば、負荷推定の対象とするモータ４０４に流れる電流を計測する場合、モータ４０４に接続された導線に流れる電流に誘導された磁場による２次電流が発生するが、センサ１０９として磁気式の電流センサを使用して、当該電流センサは、２次電流が流れる予め抵抗値が分かっている抵抗器での電圧降下の値として、対象とするモータ４０４に流れる電流を計測する。）。
図５において、ＮＣプログラムの開始信号５０２−ａと同５０２−ｂが隣接する時間は、１回あたりの加工時間５０３−ａである。同様に、ＮＣプログラムの開始信号５０２−ｂと同５０２−ｃが隣接する時間は、１回あたりの加工時間５０３−ｂである。
加工時間５０３−ａおよび加工時間５０３−ｂのそれぞれにおける、モータ負荷の時刻歴波形５０１を切り出すことで、被削体１個ごとの加工におけるモータ負荷を抽出することができる。
ここでは、加工時間５０３−ａおよび加工時間５０３−ｂ、すなわち、２個の被削体の加工時間を抽出する場合について説明したが、加工する被削体の個数は２個に限定されることなく、任意の個数に対して同様の説明が成り立つ。
加工時間ごとに切り出されたモータ負荷の時刻歴波形５０１は、適当な非負関数によって該当する加工回数を代表する特徴量に変換される。例えば、絶対値の最大値、絶対値の平均値、分散といったものが考えられる。加工回数を重ねるごとに切削工具が摩耗して劣化すると、被削体に接触する切削工具の表面の摩擦が大きくなり、すなわち抵抗力が大きくなり、負荷も大きくなるから、これらの特徴量の値は、加工回数に対して増加傾向を示すはずである。この、加工回数に対する、当該特徴量の推移を、以下では、負荷推移と呼ぶ。
十分な加工回数に対する特徴量の値が得られれば、それを用いて負荷推移に対応する回帰曲線を同定することが可能である。
切削加工においては、被削体や切削工具の金属組織の不均質性や固定方法のばらつき、切削油の噴出具合のばらつき等の、種々の外乱の影響によるばらつきが発生する。これらのばらつきの存在を考慮して、回帰曲線に外乱によるノイズ項を加えると、特徴量をy、加工回数をｎ、ノイズをεとしたときに、回帰曲線は
y = f(ｎ; w)+ε
で与えられる。ここで、f(n; w)は回帰曲線を表す関数であり、wは回帰曲線を表す関数のパラメータである。負荷推移の同定において、回帰曲線を表す関数としては、加工回数ｎに対する単調増加性を満たすことが求められる。ここでは、経験的に知られている工具摩耗曲線にしたがって、べき乗関数
f(ｎ; w) = αｎβ
で負荷推移を推定する。ここで、αとβはパラメータであり、wはこれらの組に相当するので、
w=(α,β)
である。また、ノイズεがしたがう確率密度関数をp(ε)とする。一般的には、p(ε)は正規分布やスチューデントのt分布で与えられることが多く、本実施の形態においても、慣例に従うものとする。
加工回数ごとの特徴量yｎが得られた際に、回帰曲線のパラメータであるαとβが推定される。ここでは、機械学習としてのベイズ学習の方法にしたがって回帰曲線のパラメータを推定するため、αとβを確率的パラメータとみなし、それぞれがしたがう事前分布をp(α)、および、p(β)によって与える。Ｎ回分の特徴量が得られたときに、Y=(y1, y2, …, yＮ)とすると、ベイズの定理よりパラメータαとβの事後分布は
p(α,β|Y) = p(Y|α,β)p(α)p(β)/p(Y)
によって求められる。パラメータαとβのそれぞれの事後分布、p(α|Y)およびp(β|Y)は、p(α,β|Y)をβおよびαについて周辺化することで求められる。パラメータαとβの事後分布p(α,β|Y)は、具体的にはマルコフ連鎖モンテカルロ法や変分ベイズ法といった、ベイズ学習の方法によって求められる。事後分布の、平均値、中央値、最頻値のいずれかの推定値によって、得られた特徴量に対する回帰式のパラメータは推定される。
上記のベイズ学習に基づいたパラメータ推定は、ノイズεがしたがう確率密度関数に対しても適用可能である。例えば、εの確率密度関数p(ε)が平均0、分散σの正規分布で与えられた際には、分散の事後分布p(σ|Y)が同様の方法で求められる。これにより、特徴量Yが得られた後の分散σが推定される。
切削加工中にセンサ１０９で収集された、モータ負荷の時刻歴波形５０１は電圧値として記録される（例えば、負荷推定の対象とするモータ４０４に流れる電流を計測する場合、モータ４０４に接続された導線に流れる電流に誘導された磁場による２次電流が発生するが、センサ１０９として磁気式の電流センサを使用して、当該電流センサは、２次電流が流れる予め抵抗値が分かっている抵抗器での電圧降下の値として、対象とするモータ４０４に流れる電流を計測する。）。
図５において、ＮＣプログラムの開始信号５０２−ａと同５０２−ｂが隣接する時間は、１回あたりの加工時間５０３−ａである。同様に、ＮＣプログラムの開始信号５０２−ｂと同５０２−ｃが隣接する時間は、１回あたりの加工時間５０３−ｂである。
加工時間５０３−ａおよび加工時間５０３−ｂのそれぞれにおける、モータ負荷の時刻歴波形５０１を切り出すことで、被削体１個ごとの加工におけるモータ負荷を抽出することができる。
ここでは、加工時間５０３−ａおよび加工時間５０３−ｂ、すなわち、２個の被削体の加工時間を抽出する場合について説明したが、加工する被削体の個数は２個に限定されることなく、任意の個数に対して同様の説明が成り立つ。
加工時間ごとに切り出されたモータ負荷の時刻歴波形５０１は、適当な非負関数によって該当する加工回数を代表する特徴量に変換される。例えば、絶対値の最大値、絶対値の平均値、分散といったものが考えられる。加工回数を重ねるごとに切削工具が摩耗して劣化すると、被削体に接触する切削工具の表面の摩擦が大きくなり、すなわち抵抗力が大きくなり、負荷も大きくなるから、これらの特徴量の値は、加工回数に対して増加傾向を示すはずである。この、加工回数に対する、当該特徴量の推移を、以下では、負荷推移と呼ぶ。
十分な加工回数に対する特徴量の値が得られれば、それを用いて負荷推移に対応する回帰曲線を同定することが可能である。
切削加工においては、被削体や切削工具の金属組織の不均質性や固定方法のばらつき、切削油の噴出具合のばらつき等の、種々の外乱の影響によるばらつきが発生する。これらのばらつきの存在を考慮して、回帰曲線に外乱によるノイズ項を加えると、特徴量をy、加工回数をｎ、ノイズをεとしたときに、回帰曲線は
y = f(ｎ; w)+ε
で与えられる。ここで、f(n; w)は回帰曲線を表す関数であり、wは回帰曲線を表す関数のパラメータである。負荷推移の同定において、回帰曲線を表す関数としては、加工回数ｎに対する単調増加性を満たすことが求められる。ここでは、経験的に知られている工具摩耗曲線にしたがって、べき乗関数
f(ｎ; w) = αｎβ
で負荷推移を推定する。ここで、αとβはパラメータであり、wはこれらの組に相当するので、
w=(α,β)
である。また、ノイズεがしたがう確率密度関数をp(ε)とする。一般的には、p(ε)は正規分布やスチューデントのt分布で与えられることが多く、本実施の形態においても、慣例に従うものとする。
加工回数ごとの特徴量yｎが得られた際に、回帰曲線のパラメータであるαとβが推定される。ここでは、機械学習としてのベイズ学習の方法にしたがって回帰曲線のパラメータを推定するため、αとβを確率的パラメータとみなし、それぞれがしたがう事前分布をp(α)、および、p(β)によって与える。Ｎ回分の特徴量が得られたときに、Y=(y1, y2, …, yＮ)とすると、ベイズの定理よりパラメータαとβの事後分布は
p(α,β|Y) = p(Y|α,β)p(α)p(β)/p(Y)
によって求められる。パラメータαとβのそれぞれの事後分布、p(α|Y)およびp(β|Y)は、p(α,β|Y)をβおよびαについて周辺化することで求められる。パラメータαとβの事後分布p(α,β|Y)は、具体的にはマルコフ連鎖モンテカルロ法や変分ベイズ法といった、ベイズ学習の方法によって求められる。事後分布の、平均値、中央値、最頻値のいずれかの推定値によって、得られた特徴量に対する回帰式のパラメータは推定される。
上記のベイズ学習に基づいたパラメータ推定は、ノイズεがしたがう確率密度関数に対しても適用可能である。例えば、εの確率密度関数p(ε)が平均0、分散σの正規分布で与えられた際には、分散の事後分布p(σ|Y)が同様の方法で求められる。これにより、特徴量Yが得られた後の分散σが推定される。
図６は、推定された回帰曲線の上にプロットされた特徴量の表示結果を示したものである。
図６に示すように、推定された回帰曲線６０１は、確率を表すバンド幅に応じて、上側のバンド曲線６０２―ｕと下側のバンド曲線６０２−ｌとあわせて表示される。確率を表すバンド幅は回帰曲線に付随するノイズがしたがう確率密度関数によって決定される。例えば、ノイズが従う確率密度関数が平均0、分散σの正規分布で与えられるときに、バンド幅を確率９５％で設定した場合には、上側のバンド曲線６０２−ｕは、回帰曲線６０１に対して2σを加算したものとして表示される。同様に、下側のバンド曲線６０２−ｌは、回帰曲線６０１に対して2σを減算したものとして表示される。
上側のバンド曲線６０２−ｕと下側のバンド曲線６０２−ｌとで囲まれた領域内において、新たに得られた加工回数に対する特徴量の点群６０３が、回帰曲線６０１に沿う様子を表示することにより、負荷推移を監視することができる。
この方法によれば、ある加工回数における特徴量の異常判定を、上側のバンド曲線６０２−ｕ、または、下側のバンド曲線６０２−ｌからの逸脱によって、確率的に評価することが可能である。特に切削加工においては、上側のバンド曲線６０２−ｕ、または、下側のバンド曲線６０２−ｌからの逸脱によって、切削工具の欠損や折れの検出が可能となる。すなわち、工作機械の切削工具に加わる負荷変動推移を、切削工具の負荷を表す特徴量が従う確率分布または確率密度関数の推移により推定することによって、切削工具の摩耗や異常の発生を予測することができる。
また、図７に示すように、回帰曲線６０１に対して、例えば、所定の閾値ライン６０４に基づいて閾値判定を行うことで、加工回数に対する特徴量のイベント検出、例えば、切削工具の交換時期の判定が可能となる。図７では、加工回数６０５の値がＮ、例えば、Ｎ＝１００として、１００回で新品の切削工具への交換が必要と推定することとなる。
ここでは、ノイズが従う確率密度関数を正規分布としたが、これは説明の都合上の措置に過ぎず、一般的な状況においては、正規分布以外の確率密度関数に対しても、同様の説明が成立する。
図６に示すように、推定された回帰曲線６０１は、確率を表すバンド幅に応じて、上側のバンド曲線６０２―ｕと下側のバンド曲線６０２−ｌとあわせて表示される。確率を表すバンド幅は回帰曲線に付随するノイズがしたがう確率密度関数によって決定される。例えば、ノイズが従う確率密度関数が平均0、分散σの正規分布で与えられるときに、バンド幅を確率９５％で設定した場合には、上側のバンド曲線６０２−ｕは、回帰曲線６０１に対して2σを加算したものとして表示される。同様に、下側のバンド曲線６０２−ｌは、回帰曲線６０１に対して2σを減算したものとして表示される。
上側のバンド曲線６０２−ｕと下側のバンド曲線６０２−ｌとで囲まれた領域内において、新たに得られた加工回数に対する特徴量の点群６０３が、回帰曲線６０１に沿う様子を表示することにより、負荷推移を監視することができる。
この方法によれば、ある加工回数における特徴量の異常判定を、上側のバンド曲線６０２−ｕ、または、下側のバンド曲線６０２−ｌからの逸脱によって、確率的に評価することが可能である。特に切削加工においては、上側のバンド曲線６０２−ｕ、または、下側のバンド曲線６０２−ｌからの逸脱によって、切削工具の欠損や折れの検出が可能となる。すなわち、工作機械の切削工具に加わる負荷変動推移を、切削工具の負荷を表す特徴量が従う確率分布または確率密度関数の推移により推定することによって、切削工具の摩耗や異常の発生を予測することができる。
また、図７に示すように、回帰曲線６０１に対して、例えば、所定の閾値ライン６０４に基づいて閾値判定を行うことで、加工回数に対する特徴量のイベント検出、例えば、切削工具の交換時期の判定が可能となる。図７では、加工回数６０５の値がＮ、例えば、Ｎ＝１００として、１００回で新品の切削工具への交換が必要と推定することとなる。
ここでは、ノイズが従う確率密度関数を正規分布としたが、これは説明の都合上の措置に過ぎず、一般的な状況においては、正規分布以外の確率密度関数に対しても、同様の説明が成立する。
なお、ここで表示される回帰曲線のパラメータ推定は、加工回数に対する特徴量の収集の、特徴的なイベントの終了時点までのものに対して行われている。例えば、切削加工においては、未使用の切削工具の使用開始時点における加工回数を１回目とし、切削工具交換時点における加工回数をＮ回目とすると、交換された切削工具による加工回数はＮ＋１回目とはならずに、１回目とされる。すなわち、回帰曲線のパラメータ推定は、直前までに使用されていた切削工具の１回目からＮ回目までの加工の際に得られた特徴量によって行われており、それにより得られた回帰曲線とそのバンド曲線の上に、切削工具交換直後の加工を１回目の加工とした、加工回数に対する特徴量がプロットされている。
Ｎ’回分の特徴量、Y’=(y’1,y’2,…,y’Ｎ’)が新たに得られたとすると、ベイズの定理により、パラメータαとβの事後分布は、
p(α,β|Y’) = p(Y’|α,β)p(α,β|Y)/p(Y’)
として推定される。ここで、パラメータαとβの事前分布として与えられるp(α,β|Y)は、先に与えられた特徴量Yの情報を反映している。事後分布p(α,β|Y’)の、平均値、中央値、最頻値のいずれかの推定値によって、特徴量Y’が得られた際の回帰曲線のパラメータが推定される。すなわち、新たに特徴量が得られるごとに、ベイズの定理によって更新される事後分布を通して、逐次的に過去の情報が回帰曲線のパラメータに反映されていく。
回帰曲線のパラメータを加工回数に依存して変化するパラメータに拡張することにより、回帰曲線の逐次予測を行うことができる。一例として、回帰曲線のパラメータβを加工回数に依存したパラメータβｎに拡張すると、加工回数ｎに対するβｎの変化の様子は
βｎ+1 = g(βｎ)+ε’
で与えられる。ここでgはｎに対するβｎの変化を表す関数で、ε’はノイズ項である。関数gは対象に応じて適切に設計されるものであり、例えば、
g(βｎ) = γβｎ - δβｎ 3
といったものが考えられる。ここで、γとδはパラメータである。回帰曲線の式と、加工回数Ｎに対するβｎの変化をあらわす式を組合せたものは状態空間モデルとなるため、逐次ベイズフィルタリングを行うことにより、ｎ回目の加工における特徴量yｎが取得された時点で、ｎ＋１回目以降の加工に対する回帰曲線と上下のバンド曲線を逐次的に更新しながら予測することができる。
Ｎ’回分の特徴量、Y’=(y’1,y’2,…,y’Ｎ’)が新たに得られたとすると、ベイズの定理により、パラメータαとβの事後分布は、
p(α,β|Y’) = p(Y’|α,β)p(α,β|Y)/p(Y’)
として推定される。ここで、パラメータαとβの事前分布として与えられるp(α,β|Y)は、先に与えられた特徴量Yの情報を反映している。事後分布p(α,β|Y’)の、平均値、中央値、最頻値のいずれかの推定値によって、特徴量Y’が得られた際の回帰曲線のパラメータが推定される。すなわち、新たに特徴量が得られるごとに、ベイズの定理によって更新される事後分布を通して、逐次的に過去の情報が回帰曲線のパラメータに反映されていく。
回帰曲線のパラメータを加工回数に依存して変化するパラメータに拡張することにより、回帰曲線の逐次予測を行うことができる。一例として、回帰曲線のパラメータβを加工回数に依存したパラメータβｎに拡張すると、加工回数ｎに対するβｎの変化の様子は
βｎ+1 = g(βｎ)+ε’
で与えられる。ここでgはｎに対するβｎの変化を表す関数で、ε’はノイズ項である。関数gは対象に応じて適切に設計されるものであり、例えば、
g(βｎ) = γβｎ - δβｎ 3
といったものが考えられる。ここで、γとδはパラメータである。回帰曲線の式と、加工回数Ｎに対するβｎの変化をあらわす式を組合せたものは状態空間モデルとなるため、逐次ベイズフィルタリングを行うことにより、ｎ回目の加工における特徴量yｎが取得された時点で、ｎ＋１回目以降の加工に対する回帰曲線と上下のバンド曲線を逐次的に更新しながら予測することができる。
図８は、ｎ回目の加工完了時点における回帰曲線の予測を表した図である。
回帰曲線６０１、上側のバンド曲線６０２−ｕ、下側のバンド曲線６０２−ｌ、および、加工回数に対する特徴量の点群６０３は、図６に示したものと同一のものである。
ｎ回目の加工までの特徴量を使用して、逐次、機械学習としてのベイズフィルタリングを行うことにより、ｎ＋１回目以降の加工に対する予測回帰曲線７０１、上側の予測バンド曲線７０２−ｕ、下側の予測バンド曲線７０２−ｌが得られる。切削工具交換の目安となる特徴量の値７０４と、予測回帰曲線７０１との交点に対応する加工回数７０５から、切削工具交換時期を推定することができる。すなわち、図６では、加工回数６０５の値がＮ、例えば、Ｎ＝１００として推定されていたが、より精緻な加工回数７０５の値がｎ´、例えば、ｎ´＝９０として得られるということである。例えば、ｎ´＝９０であったとすると、ｎ回目（例えば、ｎ＝５０）までの加工が終了した時点において、残りｎ’−ｎ回（例えば、９０回―５０回＝４０回）の加工に切削工具を使用することができるという予測結果を得ることもできる。
本実施の形態における情報処理結果の、図６、図７および図８に示される表示方法は、図１および図４の表示器１０７に出力されることであってよい。すわなち、表示器１０７としての使用が想定される、ＰＣ用ディスプレイ、タブレット端末やスマートフォン等といった装置の画面上に、図６、図７および図８に示す情報処理結果が表示されることであってよい。
回帰曲線６０１、上側のバンド曲線６０２−ｕ、下側のバンド曲線６０２−ｌ、および、加工回数に対する特徴量の点群６０３は、図６に示したものと同一のものである。
ｎ回目の加工までの特徴量を使用して、逐次、機械学習としてのベイズフィルタリングを行うことにより、ｎ＋１回目以降の加工に対する予測回帰曲線７０１、上側の予測バンド曲線７０２−ｕ、下側の予測バンド曲線７０２−ｌが得られる。切削工具交換の目安となる特徴量の値７０４と、予測回帰曲線７０１との交点に対応する加工回数７０５から、切削工具交換時期を推定することができる。すなわち、図６では、加工回数６０５の値がＮ、例えば、Ｎ＝１００として推定されていたが、より精緻な加工回数７０５の値がｎ´、例えば、ｎ´＝９０として得られるということである。例えば、ｎ´＝９０であったとすると、ｎ回目（例えば、ｎ＝５０）までの加工が終了した時点において、残りｎ’−ｎ回（例えば、９０回―５０回＝４０回）の加工に切削工具を使用することができるという予測結果を得ることもできる。
本実施の形態における情報処理結果の、図６、図７および図８に示される表示方法は、図１および図４の表示器１０７に出力されることであってよい。すわなち、表示器１０７としての使用が想定される、ＰＣ用ディスプレイ、タブレット端末やスマートフォン等といった装置の画面上に、図６、図７および図８に示す情報処理結果が表示されることであってよい。
次に、本発明の実施の形態に係る推定負荷利用システム１を用いた推定負荷利用方法について、図面を参照して詳細に説明する。
図９は、第一の推定負荷利用方法の流れを示すフローチャートである。
図９は、第一の推定負荷利用方法の流れを示すフローチャートである。
まず、工作機械の切削加工中にセンサ１０９でセンシングされたセンサデータが収集される（ステップＳ１）。ＰＣ１０は、例えば、図５に示すような、モータ負荷の時刻歴波形５０１を電圧値として記録する
次に、ＰＣ１０は、加工時間ごとに切り出されたモータ負荷の時刻歴波形５０１につき、適当な非負関数によって該当する加工回数を代表する特徴量に変換するように算定する（ステップＳ２）。
次に、ＰＣ１０は、十分な加工回数に対する特徴量の値を得て、それを用いて負荷推移に対応する回帰曲線を算定する（ステップＳ３）。種々の外乱の影響によるばらつきの存在を考慮して、回帰曲線には外乱によるノイズ項を加え、例えば、機械学習としてのベイズ学習の方法にしたがって回帰曲線のパラメータを推定することであってもよい。
次に、ＰＣ１０は、確率（例えば、９５％）を表すバンド幅を算定する（ステップＳ４）。ＰＣ１０は、例えば、図６に示すような、回帰曲線６０１を、確率を表すバンド幅に応じて、上側のバンド曲線６０２―ｕと下側のバンド曲線６０２−ｌとあわせて出力することであってもよい。
次に、ＰＣ１０は、新たに得られた加工回数に対する特徴量の点群６０３の各点が、上記の確率（例えば、９５％）内であるか否かを判断する（ステップＳ５）。これは、バンド幅の領域内であるか否かを判断すること等で実現できる。
次に、ＰＣ１０は、特徴量の点群６０３の特定の点（特徴量）について、上記の確率（例えば、９５％）内ではない、と判断した場合、異常を検知することとなり、切削工具の欠損や折れが発生しているおそれがあり、切削工具の摩耗や異常の発生を予測することができる（ステップＳ６）。
そして、ＰＣ１０は、上記のステップＳ６で検知したり予測した情報を表示器１０７に表示させるように出力する（ステップＳ７）。なお、表示させる工程は必須ではない。
また、上記のステップＳ３およびステップＳ４に関連して、例えば、図８に示すように、確率分布または確率密度関数のパラメータの推移を機械学習により逐次的に予測することであってもよい。
図１０は、第二の推定負荷利用方法の流れを示すフローチャートである。
ステップＳ１´乃至ステップＳ４´は、上記の第一の推定負荷利用方法の流れと同様であるので、重複する説明は省略する）。
ＰＣ１０は、例えば、図７に示すような、新たに得られた加工回数に対する特徴量の点群６０３の各点が、工具交換が必要とみなされる特徴量の閾値に達しているか否かを判断する（ステップＳ５´）。または、ＰＣ１０は、例えば、図８に示すように、回帰曲線上のどこの点が、工具交換が必要とみなされる特徴量の閾値に達するかを判断する（ステップＳ５´）。ＰＣ１０のストレージ（記憶部）１０４の所定のテーブル等に工具ごとの工具交換が必要とみなされる特徴量の閾値を予め設定することであってもよい。なお、ＰＣ１０は、新たに得られた加工回数に対する特徴量の点群６０３の各点が、上記の確率（例えば、９５％）の範囲内であるか否かを判断し、確率の範囲内である場合のみ、本ステップを実施することであってもよい。
次に、ＰＣ１０は、例えば、図７に示すような、特徴量の点群６０３の特定の点（特徴量）について、上記の閾値に達している、と判断した場合、工具交換が必要と判定することができる（ステップＳ６´）。または、ＰＣ１０は、例えば、図８に示すように、回帰曲線上の点のうち、工具交換が必要とみなされる特徴量の閾値に達する点に対応する加工回数に基づいて、工具の交換時期を予測することができる（ステップＳ６´）。
そして、ＰＣ１０は、上記のステップＳ６´で推定したり予測した情報を表示器１０７に表示させるように出力する（ステップＳ７´）。なお、表示させる工程は必須ではない。
また、上記のステップＳ３´およびステップＳ４´に関連して、例えば、図８に示すように、確率分布または確率密度関数のパラメータの推移を機械学習により逐次的に予測することであってもよい。
以上の説明において、本発明の適用対象をＮＣ旋盤およびマシニングセンタで行われる切削加工としたが、これらの工作機械に限定されることはなく、他の工作機械に対しても、本発明は適用可能である。なお、工作機械の工具とは、以下に例示するように、ここでは広く工作機械に用いられる各種の構成部品を含む概念である。
例えば、工作機械としての研削盤に取り付けられた、工具としての研削砥石の負荷推移に対して本発明を適用することにより、段取り工程における砥石のツルーイング（振れ取り）やドレッシング（目立て）の回数最適化や、砥石の寿命（ドレスタイミング）推定を行うことができる。
また、工作機械としての射出成形機に取り付けられた、金型の押出しピンの負荷推移に対して本発明を適用することにより、工具としての押出しピンの摺動不良を検出することができる。
また、工作機械としてのプレス機械のストリッパ、ガイドポスト、プシュ等の繰り返し負荷を受ける工具としての部品に加わる負荷推移に対して本発明を適用することにより、これらの部品の摩耗進行を推定することができる。
例えば、工作機械としての研削盤に取り付けられた、工具としての研削砥石の負荷推移に対して本発明を適用することにより、段取り工程における砥石のツルーイング（振れ取り）やドレッシング（目立て）の回数最適化や、砥石の寿命（ドレスタイミング）推定を行うことができる。
また、工作機械としての射出成形機に取り付けられた、金型の押出しピンの負荷推移に対して本発明を適用することにより、工具としての押出しピンの摺動不良を検出することができる。
また、工作機械としてのプレス機械のストリッパ、ガイドポスト、プシュ等の繰り返し負荷を受ける工具としての部品に加わる負荷推移に対して本発明を適用することにより、これらの部品の摩耗進行を推定することができる。
上記の本実施の形態によれば、工作機械を用いて材料を加工する際に、外乱を受けている工具の負荷変動推移を推定し、その推定負荷情報を利用する技術を提供することができる。
その他、一々例示はしないが、本発明は、その趣旨を逸脱しない範囲内において、種々の変更が加えられて実施されてよい。
１ 推定負荷利用システム
１０ ＰＣ
１０１ ＡＤ変換器
１０２ メモリ
１０３ 中央演算装置
１０４ ストレージ
１０５ データベース
１０６ 入出力管理部
１０７ 表示器
１０８ クラウド
１０９−０、１０９−１、・・・、１０９−Ｎ センサ
２０１ 被削体
２０２ チャック
２０３ 主軸
２０４−ａ、２０４−ｂ、２０４−ｃ 切削工具
２０５ 回転工具台
２０６ 芯押台
３０１ 被削体
３０２ 位置決めステージ
３０３−ａ、３０３−ｂ、３０３−ｃ 切削工具
３０４ 主軸
３０５ 工具変更機
３０６ 工具変更アーム
４０１ ＮＣ装置
４０２ インバータ
４０３−１、・・・、４０３−Ｎ サーボアンプ
４０４−０、４０４−１、・・・、４０４−Ｎ モータ
１０ ＰＣ
１０１ ＡＤ変換器
１０２ メモリ
１０３ 中央演算装置
１０４ ストレージ
１０５ データベース
１０６ 入出力管理部
１０７ 表示器
１０８ クラウド
１０９−０、１０９−１、・・・、１０９−Ｎ センサ
２０１ 被削体
２０２ チャック
２０３ 主軸
２０４−ａ、２０４−ｂ、２０４−ｃ 切削工具
２０５ 回転工具台
２０６ 芯押台
３０１ 被削体
３０２ 位置決めステージ
３０３−ａ、３０３−ｂ、３０３−ｃ 切削工具
３０４ 主軸
３０５ 工具変更機
３０６ 工具変更アーム
４０１ ＮＣ装置
４０２ インバータ
４０３−１、・・・、４０３−Ｎ サーボアンプ
４０４−０、４０４−１、・・・、４０４−Ｎ モータ
Claims (8)
- 工作機械の工具に加わる負荷の変動を推定し、前記推定した前記負荷の情報を利用する、センサと情報処理装置とを用いた推定負荷利用方法であって、
前記情報処理装置が、
前記工具を駆動する装置に取り付けられた前記工具に加わる前記負荷の前記変動を計測する前記センサから得られたデータを特徴量に変換するステップと、
前記工具による加工ごとに得られる前記特徴量に対して、前記負荷の前記変動による成分と外乱による変動による成分とを機械学習により推定し、前記加工ごとの前記特徴量のばらつきが従う確率分布または確率密度関数の推移を推定するステップと、
前記推定した前記確率分布または前記確率密度関数の推移の結果に基づいて、前記特徴量がとり得る値の確率を算出するステップと、
前記確率の値と、予め設定した前記特徴量が正常値とみなせる確率とを比較することにより、前記特徴量の異常検知を行うステップと
を有する推定負荷利用方法。 - 工作機械の工具に加わる負荷の変動を推定し、前記推定した前記負荷の情報を利用する、センサと情報処理装置とを用いた推定負荷利用方法であって、
前記情報処理装置が、
前記工具を駆動する装置に取り付けられた前記工具に加わる前記負荷の前記変動を計測する前記センサから得られたデータを特徴量に変換するステップと、
前記工具による加工ごとに得られる前記特徴量に対して、前記負荷の前記変動による成分と外乱による変動による成分とを機械学習により推定し、前記加工ごとの前記特徴量のばらつきが従う確率分布または確率密度関数の推移を推定するステップと、
前記推定した前記確率分布または前記確率密度関数の推移の結果に基づいて、前記特徴量がとり得る値の確率を算出するステップと、
前記特徴量の値と、所定の閾値とを比較することにより、前記工具の交換時期を判定または予測するステップと
を有する推定負荷利用方法。 - 前記加工ごとの前記特徴量の前記ばらつきが従う前記確率分布または前記確率密度関数のパラメータの推移を機械学習により逐次的に予測することで、前記確率分布または前記確率密度関数の推移を逐次的に予測するステップ
をさらに有する請求項１または請求項２に記載の推定負荷利用方法。 - 前記情報処理装置と接続された表示装置をさらに用い、
前記表示装置が、前記確率分布または前記確率密度関数の平均値と、指定した確率に対応した値とを表示するステップと、
前記特徴量の前記異常検知に基づいて、前記工具の異常検知の通知を表示するステップと
をさらに有する請求項１に記載の推定負荷利用方法。 - 前記情報処理装置と接続された表示装置をさらに用い、
前記表示装置が、前記確率分布または前記確率密度関数の平均値と、指定した確率に対応した値とを表示するステップと、
前記工具の前記判定または前記予測された前記交換時期を表示するステップと
をさらに有する請求項２に記載の推定負荷利用方法。 - 前記特徴量が前記工具の摩耗を表す前記特徴量であり、
前記推移を推定するステップにおいて、前記特徴量の前記ばらつきが従う前記確率分布または前記確率密度関数の推移により前記摩耗の進行を推定し、
前記工作機械および前記工具が下記の組み合わせのいずれか１つである、
（１）前記工作機械が切削加工を行う前記工作機械、かつ、前記工具は前記切削加工を行う前記工作機械に取り付けられた切削工具、
（２）前記工作機械が研削加工を行う前記工作機械、かつ、前記工具は前記研削加工を行う前記工作機械に取り付けられた研削砥石、
（３）前記工作機械が成形加工を行う前記工作機械、かつ、前記工具は前記成形加工を行う前記工作機械に取り付けられた金型の成形品押出装置、
（４）前記工作機械がプレス加工を行う前記工作機械、かつ、前記工具は前記プレス加工を行う工作機械に取り付けられた金型の加工品押出装置、
請求項１から５のいずれか１項に記載の推定負荷利用方法。 - 工作機械の工具に加わる負荷の変動を推定し、前記推定した前記負荷の情報を利用する、センサと情報処理装置とを備える推定負荷利用システムであって、
前記情報処理装置は、
前記工具を駆動する装置に取り付けられた前記工具に加わる前記負荷の前記変動を計測する前記センサからデータを得て、得られた前記データを特徴量に変換し、
前記工具による加工ごとに得られる前記特徴量に対して、前記負荷の前記変動による成分と外乱による変動による成分とを機械学習により推定し、前記加工ごとの前記特徴量のばらつきが従う確率分布または確率密度関数の推移を推定し、
前記推定した前記確率分布または前記確率密度関数の推移の結果に基づいて、前記特徴量がとり得る値の確率を算出し、
前記確率の値と、予め設定した前記特徴量が正常値とみなせる確率とを比較することにより、前記特徴量の異常検知を行う
推定負荷利用システム。 - 工作機械の工具に加わる負荷の変動を推定し、前記推定した前記負荷の情報を利用する、センサと情報処理装置とを備える推定負荷利用システムであって、
前記情報処理装置は、
前記工具を駆動する装置に取り付けられた前記工具に加わる前記負荷の前記変動を計測する前記センサからデータを得て、得られた前記データを特徴量に変換し、
前記工具による加工ごとに得られる前記特徴量に対して、前記負荷の前記変動による成分と外乱による変動による成分とを機械学習により推定し、前記加工ごとの前記特徴量のばらつきが従う確率分布または確率密度関数の推移を推定し、
前記推定した前記確率分布または前記確率密度関数の推移の結果に基づいて、前記特徴量がとり得る値の確率を算出し、
前記特徴量の値と、所定の閾値とを比較することにより、前記工具の交換時期を判定または予測する
推定負荷利用システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021134610A JP6952318B1 (ja) | 2021-08-20 | 2021-08-20 | 推定負荷利用方法および推定負荷利用システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2021134610A JP6952318B1 (ja) | 2021-08-20 | 2021-08-20 | 推定負荷利用方法および推定負荷利用システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP6952318B1 true JP6952318B1 (ja) | 2021-10-20 |
| JP2023028734A JP2023028734A (ja) | 2023-03-03 |
Family
ID=78150281
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2021134610A Active JP6952318B1 (ja) | 2021-08-20 | 2021-08-20 | 推定負荷利用方法および推定負荷利用システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6952318B1 (ja) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002530768A (ja) * | 1998-11-25 | 2002-09-17 | フェデラル−モーグル コーポレイション | 診断ルールベースツール状態モニタシステム |
| WO2017171051A1 (ja) * | 2016-04-01 | 2017-10-05 | 日本電信電話株式会社 | 異常音検出学習装置、音響特徴量抽出装置、異常音サンプリング装置、これらの方法及びプログラム |
| JP2019207576A (ja) * | 2018-05-29 | 2019-12-05 | ファナック株式会社 | 寿命予測装置及び機械学習装置 |
| JP2020015106A (ja) * | 2018-07-23 | 2020-01-30 | 三菱電機株式会社 | 工具摩耗判定装置 |
| US20200089191A1 (en) * | 2018-09-18 | 2020-03-19 | Industrial Technology Research Institute | Method for monitoring cutting-tool abrasion |
| JP2020149368A (ja) * | 2019-03-13 | 2020-09-17 | 株式会社日立情報通信エンジニアリング | 異常検知装置、異常検知方法、及び異常検知システム |
| JP6837622B1 (ja) * | 2020-07-10 | 2021-03-03 | 三菱電機株式会社 | 診断装置、診断方法及びプログラム |
| JP2021082126A (ja) * | 2019-11-21 | 2021-05-27 | 三菱重工業株式会社 | 異常検出装置、異常検出方法およびプログラム |
-
2021
- 2021-08-20 JP JP2021134610A patent/JP6952318B1/ja active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002530768A (ja) * | 1998-11-25 | 2002-09-17 | フェデラル−モーグル コーポレイション | 診断ルールベースツール状態モニタシステム |
| WO2017171051A1 (ja) * | 2016-04-01 | 2017-10-05 | 日本電信電話株式会社 | 異常音検出学習装置、音響特徴量抽出装置、異常音サンプリング装置、これらの方法及びプログラム |
| JP2019207576A (ja) * | 2018-05-29 | 2019-12-05 | ファナック株式会社 | 寿命予測装置及び機械学習装置 |
| JP2020015106A (ja) * | 2018-07-23 | 2020-01-30 | 三菱電機株式会社 | 工具摩耗判定装置 |
| US20200089191A1 (en) * | 2018-09-18 | 2020-03-19 | Industrial Technology Research Institute | Method for monitoring cutting-tool abrasion |
| JP2020149368A (ja) * | 2019-03-13 | 2020-09-17 | 株式会社日立情報通信エンジニアリング | 異常検知装置、異常検知方法、及び異常検知システム |
| JP2021082126A (ja) * | 2019-11-21 | 2021-05-27 | 三菱重工業株式会社 | 異常検出装置、異常検出方法およびプログラム |
| JP6837622B1 (ja) * | 2020-07-10 | 2021-03-03 | 三菱電機株式会社 | 診断装置、診断方法及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2023028734A (ja) | 2023-03-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109799784B (zh) | 刀具磨耗检测装置、其检测方法及刀具磨耗补偿方法 | |
| CN109909804B (zh) | 基于主轴驱动电流和工步的刀具磨损破损在线监测方法 | |
| US9212961B2 (en) | Grinding abnormality monitoring method and grinding abnormality monitoring device | |
| CN108490880B (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
| JP5411055B2 (ja) | 工具寿命検出方法、および工具寿命検出装置 | |
| JP3883485B2 (ja) | 工具折損あるいは予知検出装置 | |
| CN104035394B (zh) | 具有部件检修时期通知功能的机械的数值控制装置 | |
| JP2020138279A (ja) | 加工条件調整装置及び加工条件調整システム | |
| CN111113149A (zh) | 机床 | |
| JP6629672B2 (ja) | 加工装置 | |
| CN112824988A (zh) | 异常检测装置、异常检测方法以及程序 | |
| JP7380107B2 (ja) | 品質予測システム | |
| CN114326593B (zh) | 一种刀具寿命预测系统及方法 | |
| JP6952318B1 (ja) | 推定負荷利用方法および推定負荷利用システム | |
| CN105388836A (zh) | 数值控制装置 | |
| KR102102331B1 (ko) | 스크류 가공장치 및 스크류 가공장치의 절삭 툴 모니터링 방법 | |
| JP6924529B1 (ja) | 工作機械の電流計測システムおよびその方法 | |
| JP2015208812A (ja) | 研削加工装置及び方法 | |
| JP5821615B2 (ja) | 研削異常監視方法および研削異常監視装置 | |
| US11226613B2 (en) | Anomaly detection device, anomaly detection server and anomaly detection method | |
| JP6962632B1 (ja) | 工作機械の電流計測システムおよびその方法 | |
| JP2011121139A (ja) | 工具異常検知装置および検知方法 | |
| Bonci et al. | Machine learning for monitoring and predictive maintenance of cutting tool wear for clean-cut machining machines | |
| JP5821616B2 (ja) | 研削異常監視方法および研削異常監視装置 | |
| JP2021109289A (ja) | 工作機械、工作機械の制御方法、および工作機械の制御プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210820 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210820 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210906 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210912 |
|
| 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: 20210916 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210916 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6952318 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |