JP6987030B2 - システム及び工作機械の異常又は加工作業に関する分析方法 - Google Patents

システム及び工作機械の異常又は加工作業に関する分析方法 Download PDF

Info

Publication number
JP6987030B2
JP6987030B2 JP2018134608A JP2018134608A JP6987030B2 JP 6987030 B2 JP6987030 B2 JP 6987030B2 JP 2018134608 A JP2018134608 A JP 2018134608A JP 2018134608 A JP2018134608 A JP 2018134608A JP 6987030 B2 JP6987030 B2 JP 6987030B2
Authority
JP
Japan
Prior art keywords
machine tool
data
analyzer
feature amount
clustering
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
JP2018134608A
Other languages
English (en)
Other versions
JP2020011330A (ja
Inventor
賢治 大津
敬司 渡邉
久功 松本
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2018134608A priority Critical patent/JP6987030B2/ja
Priority to US16/447,611 priority patent/US10990085B2/en
Priority to DE102019117684.0A priority patent/DE102019117684B4/de
Publication of JP2020011330A publication Critical patent/JP2020011330A/ja
Application granted granted Critical
Publication of JP6987030B2 publication Critical patent/JP6987030B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G—PHYSICS
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4183—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
    • G05B19/4184—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • 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
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31455—Monitor process status
    • 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
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34465—Safety, control of correct operation, abnormal states
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06—Recognition of objects for industrial automation

Description

本発明は、回転機構を備える工作機械の状態判定方法に関する。
金属等の部材を加工する工作機械は、モータ等の回転機構を有し、また、切削用の複数の刃を有する。例えば、回転機構には、複数の刃を有する回転工具が取り付けられる。
加工作業中に機械の振動、刃の摩耗、刃のチッピング、及び刃の破損等の異常が発生した場合、部材から生成される製品の品質が低下する。そのため、異常の発生の迅速な検知又は異常の予測を行う技術が求められる。これに対して、特許文献１に記載の技術が知られている。
特許文献１には、「切削工具を回転させる加工に伴う切削状態量を測定し、測定した信号から基本波及び高調波を含む切削力成分を抽出し、切削力成分の基本波と高調波との比率である高調波比率に基づいて異常判定のしきい値を算出し、抽出した切削力成分から切削力を算出し、算出した切削力と前記算出したしきい値とに基づいて異常を判定する」加工異常検知方法が記載されている。
国際公開第２０１３／０３１３５３号
加工作業において発生する異常は、機械の振動、刃の摩耗、及び刃の破損等の複数の種類の異常が存在する。特許文献１に記載の方法では、どの種類の異常であるかを分類することができない。
従来技術では、加工精度を評価する場合、又は、工作機械に設定するパラメータの適否を評価する場合、加工された部材を確認する必要がある。そのため、前述のような評価に要するコストが高いという問題もある。
すなわち、従来技術では、工作機械に関連する状態を正確に把握することが困難である。
本発明は、工作機械に関連する状態を正確に把握するシステム及び方法を実現することを目的とする。
本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、部材を加工するための回転機構を有する工作機械の異常又は加工作業に関する分析を行うシステムであって、前記システムは、前記工作機械から加工作業に関連する状態値を取得するセンサ、並びに、プロセッサ及び前記プロセッサに接続されるメモリを有する分析装置を備え、前記工作機械は、前記回転機構の動作に連動して前記部材を切削する切削機構を有し、前記切削機構は、前記部材を切削するための複数の刃を有し、前記分析装置は、前記状態値の時系列データを用いたスペクトル解析を実行することによって、前記回転機構の回転周波数及び前記回転周波数の整数倍の周波数である高調波を抽出し、前記高調波の中から、前記回転周波数に前記切削機構が有する刃の数を乗算した周波数との差が最も小さい高調波を選択し、前記回転周波数の振幅及び前記選択された高調波の振幅の比率を算出し、前記状態値及び前記比率を特徴量とする特徴量データを生成し、前記特徴量データを用いたクラスタリングを実行し、前記クラスタリングの結果に基づいて、前記工作機械の異常又は加工作業に関する分析を行う。
本発明によれば、工作機械に関連する状態を正確に把握することができる。上記した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。
実施例１のシステムの構成例を示す図である。 実施例１の工作機械の構成の一例を示す図である。 実施例１の工作機械の構成の一例を示す図である。 実施例１の工作機械の構成の一例を示す図である。 実施例１の工作機械の構成の一例を示す図である。 実施例１の工作機械の構成の一例を示す図である。 実施例１の集約装置の構成の一例を示す図である。 実施例１のエッジ装置の構成の一例を示す図である。 実施例１の特徴量データ管理情報のデータ構造の一例を示す図である。 実施例１の前処理実行モジュールが実行する処理の一例を説明するフローチャートである。 実施例１の前処理実行モジュールが実行するスペクトル解析によって出力される演算結果を示す図である。 実施例１の前処理実行モジュールが実行するスペクトル解析によって出力される演算結果を示す図である。 実施例１のクラスタ分析実行モジュールが実行する処理を説明するフローチャートである。 実施例１のクラスタ分析実行モジュールが実行したクラスタリングの結果の一例を示す図である。 実施例１のエッジ装置が生成した情報によって表示される画面の一例を示す図である。 実施例１のエッジ装置が生成した情報によって表示される画面の一例を示す図である。 実施例１のエッジ装置が生成した情報によって表示される画面の一例を示す図である。
以下、本発明の実施例を、図面を用いて説明する。ただし、本発明は以下に示す実施の形態の記載内容に限定して解釈されるものではない。本発明の思想ないし趣旨から逸脱しない範囲で、その具体的構成を変更し得ることは当業者であれば容易に理解される。
以下に説明する発明の構成において、同一又は類似する構成又は機能には同一の符号を付し、重複する説明は省略する。
本明細書等における「第１」、「第２」、「第３」等の表記は、構成要素を識別するために付するものであり、必ずしも、数又は順序を限定するものではない。
図面等において示す各構成の位置、大きさ、形状、及び範囲等は、発明の理解を容易にするため、実際の位置、大きさ、形状、及び範囲等を表していない場合がある。したがって、本発明では、図面等に開示された位置、大きさ、形状、及び範囲等に限定されない。
図１は、実施例１のシステムの構成例を示す図である。
システムは、複数の工作機械１００、複数の集約装置１１０、エッジ装置１２０、データ管理サーバ１３０、及びデータベース１４０から構成される。
複数の工作機械１００は、直接又はネットワークを介して集約装置１１０と接続する。複数の集約装置１１０は、直接又はネットワークを介してエッジ装置１２０と接続する。エッジ装置１２０は、直接又はネットワークを介してデータ管理サーバ１３０に接続する。また、データ管理サーバ１３０は、直接又はネットワークを介してデータベース１４０と接続する。
なお、本発明はネットワークの種類に限定されない。ネットワークは、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）及びＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）等である。また、ネットワークの接続方式は、有線又は無線のいずれでもよい。
工作機械１００は、金属等の部材を加工する装置である。本実施例の工作機械１００は、部材を加工するための回転機構を有するものとする。回転機構を有する工作機械１００は、例えば、切削加工機及び研磨機等である。切削加工は、例えば、ミーリング加工、ターニング加工、ドリリング加工のいずれにも、本発明を適用できる。
実施例１では、ミーリング加工の切削用の複数の刃を有する加工器具２０４（図２参照）が回転機構に取り付けられている切削加工機を想定する。実施例１の工作機械１００の構成の詳細は、図２を用いて説明する。
集約装置１１０は、工作機械１００に設置されるセンサ２０３（図２参照）からセンサデータを取得する。集約装置１１０は、各工作機械１００から取得したセンサデータから特徴量データを生成し、エッジ装置１２０に特徴量データを送信する。集約装置１１０の構成の詳細は図３を用いて説明する。
エッジ装置１２０は、各工作機械１００の特徴量データを用いてクラスタリングを実行し、クラスタリングの結果に基づいて工作機械１００に関連する状態を分析する。また、エッジ装置１２０は、特徴量データ、クラスタリングの結果、及び状態の分析結果等の情報をデータ管理サーバ１３０に送信する。エッジ装置１２０の構成の詳細は図４を用いて説明する。
データ管理サーバ１３０は、システム内の各種情報を管理する。データ管理サーバ１３０は、エッジ装置１２０を介して取得した情報をデータベース１４０に格納する。データ管理サーバ１３０は、プロセッサ、メモリ、及びネットワークインタフェースを有する汎用の計算機が考えられる。
データベース１４０は、各種情報を格納する。データベース１４０は、例えば、コントローラ、記憶装置、及びネットワークインタフェースを有するストレージシステムを用いて実現する。記憶装置は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）及びＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等が考えられる。
図２Ａ、図２Ｂ、図２Ｃ、図２Ｄ、及び図２Ｅは、実施例１の工作機械１００の構成の一例を示す図である。
実施例１の工作機械１００は、例えば、ミーリング加工を行う。この場合、加工の入力条件として、軸切込みａｐ（ｍｍ）、径切込みａｅ（ｍｍ）、切削速度Ｖｃ（ｍ／ｍｉｎ）、送り速度Ｆｚ（ｍｍ／ｍｉｎ）、回転数／回転速度Ｎ（ｒｐｍ）、Ｃ軸移動量Ｃ（度）、カット方法（Ｕｐ加工／Ｄｏｗｎ加工）、走査回数ｐ、高さＨ（ｍｍ）、切削液量（３Ｌ／ｍｉｎ）、及びエンドミル系Ｄ（ｍｍ）がパラメータとして与えられる。なお、ドライ加工の場合、切削液量は含まれない。
診断結果をフィードバックする場合、ユーザは、前述したパラメータのうち、回転数、送り速度、切込み、及び切削速度のいずれかを変更する。
また、システムでは、センサ２０３がデータ（計測値）を取得するためのパラメータとして、サンプリング周波数ｆｓ（Ｈｚ）、窓関数ｗ、及び窓データ長ｎが設定される。窓関数は、例えば、方形窓、ハニング窓、ハミング窓、及びブラックマン窓等である。窓データ長は、各セグメントのデータ長を表す。なお、実施例１では、サンプリング周波数として１０ｋＨｚが設定され、また、窓関数としてハニング窓が設定される。
各種入力パラメータは、上記を含め、加工条件、工具仕様、機械仕様、及びワーク仕様等の各種入力パラメータを入力として与える。
工作機械１００は、筐体２００及び制御装置２５０から構成される。筐体２００は、加工作業を行う部分であり、主軸ステージ２０１、主軸２０２、センサ２０３、加工器具２０４、及びテーブル２０５を有する。
テーブル２０５は、加工する部材２０６を設置し、部材２０６を移動させる構成である。主軸ステージ２０１は、部材２０６の方向に主軸２０２を移動させる構成である。主軸２０２は、加工器具２０４を回転させる構成である。加工器具２０４は、部材２０６を切削する構成である。加工器具２０４には、部材２０６を切削するための刃を二つ以上有する。
センサ２０３は、加工作業に関連する値（状態値）を計測する。例えば、センサ２０３は、主軸２０２の回転速度及び加工器具２０４が部材２０６から受ける力等を状態値として計測する。センサ２０３は、計測した状態値及び工作機械１００の識別情報を含むセンサデータを出力する。センサデータには状態値を計測した時刻を示すタイムスタンプが含まれてもよい。
センサ２０３は、例えば、力センサ（切削動力計）、加速度センサ、変位センサ、ジャイロセンサ、超音波センサ、歪ゲージ、レーザドップラー振動計（ＬＤＶ）、温度センサ、騒音計、及びカメラ等である。
センサ２０３が計測する物理量は、例えば、力センサ（切削動力計）であれば力、加速度センサであれば加速度、変位センサであれば変位、ジャイロセンサであれば角速度、歪ゲージであれば歪、レーザドップラー振動計であれば速度、温度センサであれば温度、騒音計であれば音圧、カメラであれば画像である。なお、熟練者は、音の違いに基づいて工作機械１００の異常を判断できる場合があるため、音又は音に代わる振動等を物理量として計測することが有効である。
また、センサ２０３として、ＭＥＭＳセンサも利用可能である。各種ＭＥＭＳセンサは、半導体プロセスにより大量生産が可能なため低コストであること、数ｍｍから十数ｍｍサイズの小型軽量なのでセンサ２０３の設置による加工条件及び加工精度への影響が軽微であること等のメリットがある。
センサ２０３は、同一種類のセンサのみでもよいし、また、異なる種類のセンサを組み合わせてもよい。また、工作機械の電圧又は電流のデータを出力させ、利用してもよい。電圧又は電流のデータを活用することによって信号を同期することが容易になり、また、複数のセンサを組み合わせて使用することによって判別の精度が向上することが期待される。
センサ２０３の設置位置は、図２Ａ、図２Ｂ、及び図２Ｃに示すように、センサ２０３の設置位置は限定されない。図２Ｃに示すように、センサ２０３をテーブル２０５に設置する場合、センサ２０３は、テーブル２０５中に埋め込むように設置してもよいし、テーブル２０５の側面に設置してもよい。このようにセンサ２０３を設置することによって、スピンドル側に接触しないため、センサ２０３の設置によって加工条件等が変化するのを抑制することができる。特に、テーブル２０５中にセンサ２０３を埋め込む場合は、加工作業において伝わる力及び振動を、センサ２０３が直接的に計測することができるため、計測値の精度が向上することが期待できる。
また、図２Ｄ及び図２Ｅに示すように、レーザ、超音波、及び音等を計測するセンサ２０３の場合、センサ２０３は筐体２００に直接設置されなくてもよい。これによって、筐体２００に手を加えることなく、加工作業における工作機械１００の状態を監視できる。すなわち、センサ２０３の設置による加工条件の変化等の影響を受けにくい。
センサ２０３が騒音計である場合、センサ２０３は、工作機械１００から発せられる音を計測し、センサ２０３がレーザである場合、センサ２０３は、工作機械１００の動的な振動特性を示す値を計測する。
センサ２０３が騒音計である場合、センサ２０３は、音源からの直接伝搬する音、壁面から伝播する反射音、及び前述の二つの音が干渉した音等を計測する。反射音の影響が大きい場合、直接伝搬する音と反射音又は干渉音とを分離するための信号処理が複雑又は困難になる。
そのため、センサ２０３及び壁面の間に定常波が生じないように、センサ２０３の設置位置を調整する。また、図２Ｅに示すように、反射音を低減させるために工作機械１００全体を吸音材２０８で囲い、また、筐体２００に吸音材２０７を設置する。これによって、壁面からの音の反射を低減できるため、センサ２０３の計測精度を向上できる。なお、吸音材２０７、２０８は、例えば、ウレタン、グラスウール、ゴム、及び金属製吸音板等である。
実施例１のセンサ２０３は、切削作業において発生する特定の方向の力（切削力）及び回転速度を状態値として計測するものとする。より具体的には、センサ２０３は、Ｘ方向、Ｙ方向、Ｚ方向の各成分の物理量を計測する。
制御装置２５０は、筐体２００の各構成を制御する。制御装置２５０は、ハードウェアとして、プロセッサ２５１、メモリ２５２、及び接続インタフェース２５３を有する。制御装置２５０の各ハードウェアは、内部バスを介して互いに接続される。
プロセッサ２５１は、メモリ２５２に格納されるプログラムを実行する。プロセッサ２５１がプログラムにしたがって処理を実行することによって、特定の機能を実現するモジュールとして動作する。以下の説明では、モジュールを主語に処理を説明する場合、プロセッサが当該モジュールを実現するプログラムを実行していることを示す。
なお、モジュールは、複数のモジュールを一つのモジュールにまとめることもできるし、一つのモジュールを機能毎に複数のモジュールに分けることもできる。
メモリ２５２は、プロセッサ２５１が実行するプログラム及びプログラムが使用する情報を格納する。メモリ２５２は、筐体２００の各構成を制御するモジュールを実現するプログラム（図示省略）を格納し、また、制御情報２６１を格納する。制御情報２６１は、筐体２００の各構成を制御するためのパラメータを格納する。
接続インタフェース２５３は、筐体２００及び他の装置と接続するためのインタフェースである。接続インタフェース２５３は、例えば、ネットワークインタフェース及びＩ／Ｏインタフェースである。
なお、図２Ａ、図２Ｂ、図２Ｃ、図２Ｄ、及び図２Ｅでは、ミーリング加工を行う工作機械１００の構成例を示したが、本発明はミーリング加工を行う工作機械１００に限定されない。例えば、部材２０６側を回転させて加工（ターニング加工）を行う工作機械１００にも適用できる。
図３は、実施例１の集約装置１１０の構成の一例を示す図である。
集約装置１１０は、ハードウェアとして、プロセッサ３０１、メモリ３０２、及び接続インタフェース３０３を有する。集約装置１１０の各ハードウェアは、内部バスを介して互いに接続される。プロセッサ３０１、メモリ３０２、及び接続インタフェース３０３は、プロセッサ２５１、メモリ２５２、及び接続インタフェース２５３と同様のハードウェアである。
なお、集約装置１１０は、記憶装置、入力装置、及び出力装置を有してもよい。入力装置はキーボード、マウス、及びタッチパネル等であり、出力装置はディスプレイ及びプリンタ等である。
メモリ３０２は、前処理実行モジュール３１１を実現するプログラム及びセンサデータ管理情報３１２を格納する。
センサデータ管理情報３１２は、工作機械１００のセンサ２０３から取得したセンサデータを管理するための情報である。センサデータ管理情報３１２は、例えば、一つのセンサデータを一つのエントリとして管理するテーブル形式の情報である。
なお、本発明はセンサデータ管理情報３１２のデータ構造に限定されない。例えば、センサデータ管理情報３１２は、ＸＭＬ形式及びＣＳＶ形式の情報でもよい。
前処理実行モジュール３１１は、センサデータから、クラスタリングで使用する特徴量データを生成する。前処理実行モジュール３１１が実行する処理の詳細は図６を用いて説明する。
図４は、実施例１のエッジ装置１２０の構成の一例を示す図である。
エッジ装置１２０は、ハードウェアとして、プロセッサ４０１、メモリ４０２、及び接続インタフェース４０３を有する。エッジ装置１２０の各ハードウェアは、内部バスを介して互いに接続される。プロセッサ４０１、メモリ４０２、及び接続インタフェース４０３は、プロセッサ２５１、メモリ２５２、及び接続インタフェース２５３と同様のハードウェアである。
なお、エッジ装置１２０は、記憶装置、入力装置、及び出力装置を有してもよい。入力装置はキーボード、マウス、及びタッチパネル等であり、出力装置はディスプレイ及びプリンタ等である。
メモリ４０２は、クラスタ分析実行モジュール４１１を実現するプログラム及び特徴量データ管理情報４１２を格納する。
特徴量データ管理情報４１２は、特徴量データを管理するための情報である。特徴量データ管理情報４１２のデータ構造の詳細は図５を用いて説明する。
クラスタ分析実行モジュール４１１は、特徴量データを用いてクラスタリングを実行する。クラスタ分析実行モジュール４１１が実行する処理の詳細は図８を用いて説明する。
図５は、実施例１の特徴量データ管理情報４１２のデータ構造の一例を示す図である。
特徴量データ管理情報４１２は、ＩＤ５０１、装置ＩＤ５０２、セグメントＩＤ５０３、切削力５０４、振幅５０５、及び比率５０６から構成されるエントリを格納する。一つのエントリが一つの特徴量データに対応する。
ＩＤ５０１は、エントリを一意に識別するための識別情報を格納するフィールドである。装置ＩＤ５０２は、工作機械１００を特定するための識別情報を格納するフィールドである。セグメントＩＤ５０３は、単位時間幅を分割することによって生成される短時間幅（セグメント）の識別情報を格納するフィールドである。ここで、単位時間幅は、特徴量の時系列データを抽出するための時間幅である。例えば、現在から１秒前までの時間幅が単位時間幅として設定される。
切削力５０４、振幅５０５、及び比率５０６は、特徴量を格納するフィールドである。
切削力５０４は、セグメントに所属する複数のセンサデータに含まれる切削力から算出された値を格納するフィールドである。例えば、切削力の二乗平均平方根が切削力５０４に格納される。
振幅５０５は、セグメントに所属する複数のセンサデータに含まれる状態値（状態値の時系列データ）を用いたスペクトル解析によって算出された周波数の中で、基本波の整数倍の周波数に一致又は近似する周波数の振幅を格納するフィールドである。以下の説明では、基本波の整数倍の周波数を高調波と記載する。
なお、高調波に近似するとは、高調波との誤差が閾値より小さい周波数を表す。
実施例１では、切削力の時系列データを用いたスペクトル解析を実行される。実施例１では、回転周波数を基本波として扱う。なお、回転周波数は回転速度に基づいて算出することができる。また、実施例１の振幅５０５には、回転周波数に加工器具２０４の刃の数を乗算した値に一致又は近似する周波数の振幅が格納される。以下の説明では、高調波のうち、回転周波数に加工器具２０４の刃の数を乗算した値に一致又は近似する周波数を特徴高調波と記載する。
比率５０６は、特徴高調波の振幅及び回転周波数の振幅を用いて算出される比率を格納するフィールドである。なお、比率５０６には、特徴高調波以外の高調波の振幅及び回転周波数の振幅を用いて算出される比率が格納されてもよい。
なお、エントリは、切削力５０４、振幅５０５、及び比率５０６以外の特徴量を格納するフィールドを含んでもよい。
図６は、実施例１の前処理実行モジュール３１１が実行する処理の一例を説明するフローチャートである。図７Ａ及び図７Ｂは、実施例１の前処理実行モジュール３１１が実行するスペクトル解析によって出力される演算結果を示す図である。
前処理実行モジュール３１１は、実行指示を受け付けた場合、又は、周期的に以下で説明する処理を実行する。
前処理実行モジュール３１１は、センサデータ管理情報３１２から単位時間幅に含まれるセンサデータを取得する（ステップＳ１０１）。例えば、前処理実行モジュール３１１は、センサデータに含まれるタイムスタンプが単位時間幅に含まれるセンサデータを取得する。
次に、前処理実行モジュール３１１は、単位時間幅を所定の数のセグメントに分割する（ステップＳ１０２）。セグメントの数は予め設定されているものとする。ただし、セグメントの数は、任意のタイミングで更新できる。
次に、前処理実行モジュール３１１は、セグメントのループ処理を開始する（ステップＳ１０３）。
具体的には、前処理実行モジュール３１１は、セグメントを一つ選択する。例えば、前処理実行モジュール３１１は、セグメントの始点時刻を参照し、当該始点時刻が古い順にセグメントを選択する。
次に、前処理実行モジュール３１１は、セグメントに所属する複数のセンサデータを用いて特徴量を算出する（ステップＳ１０４）。
具体的には、前処理実行モジュール３１１は、セグメントに所属する複数のセンサデータに含まれる切削力の二乗平均平方根（実効値）を特徴量として算出する。
なお、前処理実行モジュール３１１は、特徴量を算出する場合、以下のような指標を用いることができる。
＜時間領域＞
（大きさ（位置）の指標）
実効値（ＲＭＳ）、平均値、中央値、最頻値、最大値、最小値
（変動の指標）
分散、平方和、標準偏差、変動係数、パーセンタイル
（分布の指標）
歪度、尖度
＜周波数領域＞
（ＦＦＴスペクトル）
基本波の周波数及びその整数倍の周波数成分の大きさ、基本波との成分比率
（パワースペクトル密度）
基本波の周波数及びその整数倍の周波数成分の大きさ、基本波との成分比率
ただし、ここでの「比率」は、回転周波数を基準にしてもよいし、切削周波数（ｎ枚刃の場合、回転周波数×ｎ）を基準にしてもよい。
次に、前処理実行モジュール３１１は、セグメントに所属する複数のセンサデータ（状態値の時系列データ）のスペクトル解析を実行する（ステップＳ１０５）。具体的には、以下のような処理が実行される。
前処理実行モジュール３１１は、状態値の時系列データを表す関数に窓関数を適用し、フーリエ変換の演算を実行する。前処理実行モジュール３１１は、演算結果に基づいて状態値に関する周波数を抽出する。実施例１では、前処理実行モジュール３１１は、切削力の時系列データのフーリエ変換の演算を実行することによって算出された周波数の中から、回転周波数及び高調波を抽出する。
本明細書では、回転周波数をｆ１と記載し、高調波をｆｉと記載する。ｉは２以上の整数である。また、本明細書では、特徴高調波をｆＮとする。Ｎは加工器具２０４の刃の数である。
前処理実行モジュール３１１は、式（１）にしたがって、回転周波数の振幅及び特徴高調波の振幅の比率を算出する（ステップＳ１０６）。Ｍａｇ（ｆ１）は回転周波数の振幅を表し、Ｍａｇ（ｆＮ）は特徴高調波の振幅を表す。
Figure 0006987030
なお、前処理実行モジュール３１１は、式（２）にしたがって、回転周波数の振幅及び高調波の振幅の比率を算出してもよい。ここで、ｎは抽出された最も大きい高調波に対応する整数を表す。
Figure 0006987030
二つの刃を有する加工器具２０４に関するスペクトル解析を実行した場合、図７Ａ及び図７Ｂに示すような結果が得られた。
図７Ａ及び図７Ｂの上のグラフは、セグメントに対応する切削力の時系列データを表す。より具体的には、図７Ａは、正常状態の工作機械１００から取得された切削力の時系列データを表し、図７Ｂは、刃にチッピングがある工作機械１００から取得された切削力の時系列データを表す。図７Ａ及び図７Ｂの下のグラフは、スペクトル解析の結果を表す。なお、矩形７００は加工器具２０４が一回転した時の切削力の時系列データを表す。
図７Ａ及び図７Ｂに示すように、異常が発生した状態の工作機械１００から取得された時系列データに基づいて算出された振幅の比率は、正常な状態の工作機械１００から取得された時系列データに基づいて算出された振幅の比率と異なることが分かる。なお、式（１）から算出される振幅の比率は、刃の回転の対称性の崩れを表す指標である。
また、ｆｎとｆｎの整数倍との比率は主に工具振動を反映した指標であり、当該指標も特徴量の一つとして用いることができる。
したがって、本発明では、振幅の比率を、状態を分類するための指標（特徴量）として扱う。なお、振幅の比率の代わりにパワースペクトルの比率を用いてもよい。以上がステップＳ１０６の処理の説明である。
次に、前処理実行モジュール３１１は、ステップＳ１０４からステップＳ１０６までの処理の結果に基づいて、特徴量データを生成する（ステップＳ１０７）。
具体的には、前処理実行モジュール３１１は、工作機械１００の識別情報、セグメントの識別情報、切削力の実効値、回転速度の実効値、回転周波数、及び振幅の比率から構成される特徴量データを生成する。
次に、前処理実行モジュール３１１は、全てのセグメントについて処理が完了したか否かを判定する（ステップＳ１０８）。
全てのセグメントについて処理が完了していないと判定された場合、前処理実行モジュール３１１は、ステップＳ１０３に戻る。
全てのセグメントについて処理が完了したと判定された場合、前処理実行モジュール３１１は、エッジ装置１２０に、生成された特徴量データを出力し（ステップＳ１０９）、その後、処理を終了する。
このとき、エッジ装置１２０は、特徴量データ管理情報４１２を更新する。具体的には、エッジ装置１２０は、特徴量データ管理情報４１２に、受信した特徴量データの数だけエントリを追加し、追加されたエントリのＩＤ５０１に識別情報を設定する。また、エッジ装置１２０は、追加されたエントリの各フィールドに、特徴量データに含まれる値を設定する。
図８は、実施例１のクラスタ分析実行モジュール４１１が実行する処理を説明するフローチャートである。図９は、実施例１のクラスタ分析実行モジュール４１１が実行したクラスタリングの結果の一例を示す図である。
クラスタ分析実行モジュール４１１は、実行指示を受け付けた場合、特徴量データ管理情報４１２が更新された場合、又は、周期的に以下で説明する処理を実行する。
クラスタ分析実行モジュール４１１は、特徴量データ管理情報４１２に基づいて主成分分析を実行する（ステップＳ２０１）。具体的には、以下のような処理が実行される。
クラスタ分析実行モジュール４１１は、ｄ個の特徴量から構成されるデータを生成する。クラスタ分析実行モジュール４１１は、特徴量の平均値が０、標準偏差が１となるように特徴量を標準化する。実施例１では、クラスタ分析実行モジュール４１１は、切削力５０４、振幅５０５、及び比率５０６の三つの特徴量から構成されるデータを標準化する。
クラスタ分析実行モジュール４１１は、標準化されたデータの共分散行列を算出し、さらに、固有ベクトル及び固有値を算出する。クラスタ分析実行モジュール４１１は、固有値の大きい順にｋ個の固有ベクトルを選択する。実施例１では、クラスタ分析実行モジュール４１１は二つの固有ベクトルを選択する。
クラスタ分析実行モジュール４１１は、選択した固有ベクトルに基づいて、射影行列を生成する。クラスタ分析実行モジュール４１１は、標準化されたデータから構成される行列に射影行列を作用させる。射影行列を作用させた行列の一つの列が、特徴量データが変化された射影データとなる。
以上の処理によって、ｄ次元のデータからｋ次元のデータに変換される。すなわち、ｄ次元の特徴量空間がｋ次元の特徴量空間に圧縮される。
比率５０６を特徴量として含む特徴量データに対して主成分分析を行った結果、二次元の特徴量空間を構成する二つの軸（主成分）には、例えば、以下のような特徴がある。一つの軸は、振幅に対応する軸のウェイト（重み係数）が大きい、ｄ次元の軸の線形結合で定義される。もう一つの軸は、振幅の比率に対応する軸のウェイト（重み係数）が大きい、ｄ次元の軸の線形結合で定義される。以上がステップＳ２０１の処理の説明である。
次に、クラスタ分析実行モジュール４１１は、射影データを用いてクラスタリングを実行する（ステップＳ２０２）。クラスタリングの手法としては、ｋ平均法、ｋ平均＋＋法、ＤＢＳＣＡＮ法、最短距離法、及びウォード法等が考えられる。実施例１ではｋ平均法を用いたクラスタリングを実行する。なお、クラスタリングは工作機械１００単位で行われる。
次に、クラスタ分析実行モジュール４１１は、クラスタリングの結果に基づいて状態分析処理を実行する（ステップＳ２０３）。状態分析処理の詳細については後述する。その後、クラスタ分析実行モジュール４１１は処理を終了する。
クラスタ分析実行モジュール４１１は、データ管理サーバ１３０に、特徴量データ、クラスタリングの結果、及び状態の分析結果を出力する。データ管理サーバ１３０は、取得した情報をデータベース１４０に格納する。
なお、主成分分析の代わりに、ｄ次元の特徴量空間からｋ次元の特徴量空間への写像を予め定義してもよい。この場合、クラスタ分析実行モジュール４１１は、写像を用いて算出されたｋ次元の特徴量空間のベクトル値又はスカラー値に基づいて、クラスタリングを行う。
実施例１のクラスタリングの実行結果の具体例を図９に示す。図９に示すように、クラスタリングによって四つのクラスタ８００、８１０、８２０、８３０が生成された。クラスタ８００は、正常状態で取得された特徴量データから構成される。クラスタ８１０は、摩耗が発生した状態で取得された特徴量データから構成される。クラスタ８２０は、チッピングが発生した状態で取得された特徴量データから構成される。クラスタ８３０は、加工器具２０４の振動異常が発生した状態で取得された特徴量データから構成される。また、クラスタ８３０は、部材２０６の加工精度に応じた小さいクラスタ８３１、８３２、８３３、８３４に分類できた。
図９に示すように、回転周波数の振幅及び特徴高調波の振幅の比を特徴量として含む特徴量データを用いてクラスタリングを実行することによって、工作機械１００に関連する状態を正確に分類できることが分かる。
クラスタリングの結果を利用した状態分析処理について説明する。
（状態分析処理１）一つの状態分析処理として、リアルタイムな異常検知処理が考えられる。
リアルタイムな異常検知処理を実現するために、システムに学習データを入力して、予め、図９に示すようなクラスタの情報を生成する。エッジ装置１２０はクラスタの情報を学習情報として保持する。
集約装置１１０は、工作機械１００から取得した状態値の時系列データから特徴量データを生成し、また、エッジ装置１２０は、特徴量データから射影データを生成し、射影データを用いてクラスタリングを実行する。エッジ装置１２０は、学習情報に基づいて特徴量データ（射影データ）が所属するクラスタを特定することによって、工作機械１００の状態を特定する。すなわち、エッジ装置１２０は工作機械１００の異常を検知できる。エッジ装置１２０のクラスタ分析実行モジュール４１１は、処理結果を表示するための情報を生成し、出力する。なお、処理結果は工作機械１００ごとに管理される。
図１０は、実施例１のエッジ装置１２０が生成した情報によって表示される画面の一例を示す図である。
画面１０００は、工作機械選択欄１０１０、クラスタ表示欄１０２０、及び結果表示欄１０３０を含む。
工作機械選択欄１０１０は、表示対象の工作機械１００を選択するための欄である。工作機械選択欄１０１０には、工作機械１００の識別情報を入力する欄が含まれる。
クラスタ表示欄１０２０は、特徴量データの分類結果を表示する欄である。ポイント１０２１、１０２２、１０２３は、分類された工作機械１００の特徴量データを示す。
結果表示欄１０３０は、クラスタ情報表示欄１０３１及び分類結果欄１０３２を含む。クラスタ情報表示欄１０３１は、学習データを用いて生成されたクラスタの情報を表示する欄である。振動異常のクラスタに含まれる各クラスタの数値は、部材２０６の加工精度の誤差を表す。分類結果欄１０３２は、分類された特徴量データが所属するクラスタを表示する欄である。
実施例１のシステムを活用することによって、迅速かつ正確に工作機械１００の異常を検知することができる。
（状態分析処理２）一つの状態分析処理として、加工精度の評価処理が考えられる。部材２０６の加工精度を評価するためには、ユーザは、工作機械１００を稼働させ、さらに、加工後の部材２０６を取り出して品質を確認する必要がある。そのため、加工精度を評価するためにはコストがかかるという問題がある。
そこで、クラスタ分析実行モジュール４１１は、図９に示すようなクラスタリングの結果に基づいてクラスタの数及びクラスタ間の距離等の指標を算出し、指標を変数とする評価関数を用いて評価値を算出する。クラスタ分析実行モジュール４１１は、評価値に基づいて部材２０６の加工精度を評価する。クラスタ分析実行モジュール４１１は、処理結果を表示するための情報を生成し、出力する。
クラスタ間の距離は、例えば、特徴量空間のユークリッド距離で与える。また、クラスタ分析実行モジュール４１１は、例えば、指標及び閾値の比較結果に基づいて部材２０６の加工精度が高いか否かを判定する。
図１１は、実施例１のエッジ装置１２０が生成した情報によって表示される画面の一例を示す図である。
画面１１００は、工作機械選択欄１１１０、クラスタ表示欄１１２０、及び分析結果表示欄１１３０を含む。工作機械選択欄１１１０は、工作機械選択欄１０１０と同一の欄である。
クラスタ表示欄１１２０は、表示対象の工作機械１００の特徴量データを用いたクラスタリングの結果を表示する欄である。
分析結果表示欄１１３０は、指標表示欄１１３１及び精度評価欄１１３２を含む。指標表示欄１１３１は算出された指標を表示する欄である。指標表示欄１１３１の「距離」は、各クラスタ間の距離の合計値を表す。精度評価欄１１３２は、評価値及び加工精度の評価結果を表示する欄である。
図１１に示すように、クラスタの数が多い場合、又は、クラスタ間の距離が大きい場合、加工後の部材２０６に品質のバラツキがあることが分かる。クラスタリングの結果及び指標に基づく加工精度の判定結果に基づいて、ユーザは加工精度の変動又は加工精度の低下等を正確に把握できる。
実施例１のシステムを活用することによって、加工後の部材２０６を取り出して品質を確認することなく、加工精度を評価できる。これによって、加工精度の評価に要するコストを削減できる。
（状態分析処理３）一つの状態分析処理として、筐体２００の各構成に設定されたパラメータの評価処理が考えられる。パラメータを評価するためには、ユーザは、筐体２００の各構成にパラメータを設定し、工作機械１００を稼働させ、さらに、加工後の部材２０６を取り出して、所望の品質を満たすか否かを確認する必要がある。そのため、パラメータを評価するためには、コストがかかるという問題がある。
そこで、クラスタ分析実行モジュール４１１は、図９に示すようなクラスタリングの結果に基づいてクラスタの数及びクラスタ間の距離等の指標を算出し、指標を変数とする評価関数を用いて評価値を算出する。クラスタ分析実行モジュール４１１は、評価値に基づいて、設定したパラメータが適切であるか否かを判定する。クラスタ分析実行モジュール４１１は、処理結果を表示するための情報を生成し、出力する。
クラスタ分析実行モジュール４１１は、例えば、評価値及び閾値の比較結果に基づいて、パラメータが適切であるか否かを判定する。
図１２は、実施例１のエッジ装置１２０が生成した情報によって表示される画面の一例を示す図である。
画面１２００は、工作機械選択欄１２１０、クラスタ表示欄１２２０、及び分析結果表示欄１２３０を含む。工作機械選択欄１２１０は、工作機械選択欄１０１０と同一の欄である。また、クラスタ表示欄１２２０は、クラスタ表示欄１１２０と同一の欄である。
分析結果表示欄１２３０は、パラメータ表示欄１２３１及び適正評価欄１２３２を含む。パラメータ表示欄１２３１は、工作機械１００に設定したパラメータを表示する欄である。なお、クラスタ分析実行モジュール４１１は、パラメータ表示欄１２３１にパラメータを表示するために、工作機械１００から制御情報２６１を取得する。適正評価欄１２３２は、評価値及びパラメータの評価結果を表示する欄である。
図１２に示すように、クラスタの数が多い場合、又は、クラスタ間の距離が大きい場合、加工後の部材２０６に品質のバラツキがあることが分かる。すなわち、品質のバラツキが大きい場合、パラメータが適切でないと解釈できる。クラスタリングの結果及び指標に基づくパラメータの評価結果に基づいて、ユーザはパラメータが適切か否かを把握できる。
実施例１のシステムを活用することによって、加工後の部材２０６を取り出して品質を確認することなく、設定したパラメータを評価できる。これによって、例えば、未知の部材２０６を加工するためのパラメータを効率的に決定することができる。
なお、集約装置１１０及びエッジ装置１２０は、別々の構成として実現しているが、一つの装置として実現してもよい。例えば、集約装置１１０を含まないシステム構成でもよい。この場合、集約装置１１０の機能をエッジ装置１２０に含める。
なお、集約装置１１０が実行する処理の一部をエッジ装置１２０が実行してもよいし、また、エッジ装置１２０が実行する処理の一部を集約装置１１０が実行してもよい。例えば、集約装置１１０が主成分分析を実行し、次元が削減されたセンサデータをエッジ装置１２０に送信してもよい。また、集約装置１１０が、スペクトル解析を行って、エッジ装置１２０が比率を算出してもよい。
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。また、例えば、上記した実施例は本発明を分かりやすく説明するために構成を詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、各実施例の構成の一部について、他の構成に追加、削除、置換することが可能である。
また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、本発明は、実施例の機能を実現するソフトウェアのプログラムコードによっても実現できる。この場合、プログラムコードを記録した記憶媒体をコンピュータに提供し、そのコンピュータが備えるプロセッサが記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施例の機能を実現することになり、そのプログラムコード自体、及びそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、光ディスク、光磁気ディスク、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。
また、本実施例に記載の機能を実現するプログラムコードは、例えば、アセンブラ、Ｃ／Ｃ＋＋、Ｐｙｔｈｏｎ、ＭＡＴＬＡＢ、Ｒ、Ｊｕｌｉａ、ｐｅｒｌ、Ｓｈｅｌｌ、ＰＨＰ、Ｊａｖａ（登録商標）等の広範囲のプログラム又はスクリプト言語で実装できる。
さらに、実施例の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することによって、それをコンピュータのハードディスクやメモリ等の記憶手段又はＣＤ−ＲＷ、ＣＤ−Ｒ等の記憶媒体に格納し、コンピュータが備えるプロセッサが当該記憶手段や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。
上述の実施例において、制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。
１００ 工作機械
１１０ 集約装置
１２０ エッジ装置
１３０ データ管理サーバ
１４０ データベース
２００ 筐体
２０１ 主軸ステージ
２０２ 主軸
２０３ センサ
２０４ 加工器具
２０５ テーブル
２０６ 部材
２５０ 制御装置
２５１、３０１、４０１ プロセッサ
２５２、３０２、４０２ メモリ
２５３、３０３、４０３ 接続インタフェース
２６１ 制御情報
３１１ 前処理実行モジュール
３１２ センサデータ管理情報
４１１ クラスタ分析実行モジュール
４１２ 特徴量データ管理情報

Claims (12)

  1. 部材を加工するための回転機構を有する工作機械の異常又は加工作業に関する分析を行うシステムであって、
    前記システムは、前記工作機械から加工作業に関連する状態値を取得するセンサ、並びに、プロセッサ及び前記プロセッサに接続されるメモリを有する分析装置を備え、
    前記工作機械は、前記回転機構の動作に連動して前記部材を切削する切削機構を有し、
    前記切削機構は、前記部材を切削するための複数の刃を有し、
    前記分析装置は、
    前記状態値の時系列データを用いたスペクトル解析を実行することによって、前記回転機構の回転周波数及び前記回転周波数の整数倍の周波数である高調波を抽出し、
    前記高調波の中から、前記回転周波数に前記切削機構が有する刃の数を乗算した周波数との差が最も小さい高調波を選択し、
    前記回転周波数の振幅及び前記選択された高調波の振幅の比率を算出し、
    前記状態値及び前記比率を特徴量とする特徴量データを生成し、
    前記特徴量データを用いたクラスタリングを実行し、
    前記クラスタリングの結果に基づいて、前記工作機械の異常又は加工作業に関する分析を行うことを特徴とするシステム。
  2. 請求項１に記載のシステムであって、
    前記分析装置は、
    前記特徴量データを用いた主成分分析を実行することによって、複数の主成分を選択し、
    前記特徴量に対応する軸から構成される特徴量空間の前記特徴量データを、前記選択された主成分に対応する軸から構成される特徴量空間のデータに変換し、
    前記変換された特徴量データを用いたクラスタリングを実行することを特徴とするシステム。
  3. 請求項２に記載のシステムであって、
    前記複数の主成分に対応する軸は、前記比率に対応する軸の重み係数が大きい、前記特徴量に対応する軸の線形結合で定義される軸を含むことを特徴とするシステム。
  4. 請求項３に記載のシステムであって、
    前記分析装置は、
    正常な状態を示す学習データ及び異常な状態を示す学習データを用いたクラスタリングの結果を学習情報として保持し、
    新たに生成された特徴量データのクラスタリングの結果及び前記学習情報を比較することによって、前記工作機械の異常を検知することを特徴とするシステム。
  5. 請求項３に記載のシステムであって、
    前記分析装置は、
    前記クラスタリングの結果に基づいて、前記部材の加工精度を評価するための指標を算出し、
    前記指標に基づいて、前記部材の加工精度を評価することを特徴とするシステム。
  6. 請求項３に記載のシステムであって、
    前記分析装置は、
    前記クラスタリングの結果に基づいて、前記工作機械を制御するためのパラメータが適切であるか否かを判定するための評価値を算出し、
    前記評価値に基づいて、前記パラメータが適切であるか否かを判定することを特徴とするシステム。
  7. 請求項１に記載のシステムであって、
    前記センサは、前記工作機械の前記回転機構又は前記工作機械の前記回転機構以外の構成に直接設置されることを特徴とするシステム。
  8. 請求項１に記載のシステムであって、
    前記工作機械は、筐体に収容されており、
    前記工作機械又は前記筐体の一部は、吸音材で構成されることを特徴とするシステム。
  9. 部材を加工するための回転機構を有する工作機械を管理するシステムが実行する工作機械の異常又は加工作業に関する分析方法であって、
    前記システムは、前記工作機械から加工作業に関連する状態値を取得するセンサ、並びに、プロセッサ及び前記プロセッサに接続されるメモリを有する分析装置を備え、
    前記工作機械は、前記回転機構の動作に連動して前記部材を切削する切削機構を有し、
    前記切削機構は、前記部材を切削するための複数の刃を有し、
    前記工作機械の異常又は加工作業に関する分析方法は、
    前記分析装置が、前記状態値の時系列データを用いたスペクトル解析を実行することによって、前記回転機構の回転周波数及び前記回転周波数の整数倍の周波数である高調波を抽出する第１のステップと、
    前記分析装置が、前記回転周波数の振幅及び前記高調波の振幅の比率を算出する第２のステップと、
    前記分析装置が、前記状態値及び前記比率を特徴量とする特徴量データを生成する第３のステップと、
    前記分析装置が、前記特徴量データを用いたクラスタリングを実行する第４のステップと、
    前記分析装置が、前記クラスタリングの結果に基づいて、前記工作機械の異常又は加工作業に関する分析を行う第５のステップと、を含み、
    前記第２のステップは、
    前記分析装置が、前記高調波の中から、前記回転周波数に前記切削機構が有する刃の数を乗算した周波数との差が最も小さい高調波を選択するステップと、
    前記分析装置が、前記回転周波数の振幅及び前記選択された高調波の振幅の比率を算出するステップと、を含むことを特徴とする工作機械の異常又は加工作業に関する分析方法。
  10. 請求項９に記載の工作機械の異常又は加工作業に関する分析方法であって、
    前記第４のステップは、
    前記分析装置が、前記特徴量データを用いた主成分分析を実行することによって、複数の主成分を選択するステップと、
    前記分析装置が、前記特徴量に対応する軸から構成される特徴量空間の前記特徴量データを、前記選択された主成分に対応する軸から構成される特徴量空間のデータに変換するステップと、
    前記分析装置が、前記変換された特徴量データを用いたクラスタリングを実行するステップと、を含むことを特徴とする工作機械の異常又は加工作業に関する分析方法。
  11. 請求項１０に記載の工作機械の異常又は加工作業に関する分析方法であって、
    前記複数の主成分に対応する軸は、前記比率に対応する軸の重み係数が大きい軸の線形結合で定義される軸を含むことを特徴とする工作機械の異常又は加工作業に関する分析方法。
  12. 請求項１１に記載の工作機械の異常又は加工作業に関する分析方法であって、
    前記分析装置は、正常な状態を示す学習データ及び異常な状態を示す学習データを用いたクラスタリングの結果を学習情報として保持し、
    前記第５のステップは、前記分析装置が、新たに生成された特徴量データのクラスタリングの結果及び前記学習情報を比較することによって、前記工作機械の異常を検知するステップを含むことを特徴とする工作機械の異常又は加工作業に関する分析方法。
JP2018134608A 2018-07-18 2018-07-18 システム及び工作機械の異常又は加工作業に関する分析方法 Active JP6987030B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2018134608A JP6987030B2 (ja) 2018-07-18 2018-07-18 システム及び工作機械の異常又は加工作業に関する分析方法
US16/447,611 US10990085B2 (en) 2018-07-18 2019-06-20 Machine-tool-state determination system and machine-tool-state determination method
DE102019117684.0A DE102019117684B4 (de) 2018-07-18 2019-07-01 System zur Bestimmung eines Werkzeugmaschinenzustands und Verfahren zur Bestimmung des Werkzeugmaschinenzustands

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018134608A JP6987030B2 (ja) 2018-07-18 2018-07-18 システム及び工作機械の異常又は加工作業に関する分析方法

Publications (2)

Publication Number Publication Date
JP2020011330A JP2020011330A (ja) 2020-01-23
JP6987030B2 true JP6987030B2 (ja) 2021-12-22

Family

ID=69148406

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018134608A Active JP6987030B2 (ja) 2018-07-18 2018-07-18 システム及び工作機械の異常又は加工作業に関する分析方法

Country Status (3)

Country Link
US (1) US10990085B2 (ja)
JP (1) JP6987030B2 (ja)
DE (1) DE102019117684B4 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11579598B2 (en) * 2019-10-17 2023-02-14 Mitsubishi Electric Research Laboratories, Inc. Manufacturing automation using acoustic separation neural network
KR20210112494A (ko) * 2020-03-05 2021-09-15 한국브로치주식회사 포그 컴퓨팅을 이용한 atc 탑재형 브로칭 머신
WO2021210037A1 (ja) * 2020-04-13 2021-10-21 住友電気工業株式会社 切削システム、表示システム、処理装置、処理方法および処理プログラム
EP3929682B1 (en) * 2020-06-25 2023-10-18 Volkswagen Ag Estimating a mechanical degradation of a machine
CN114165777B (zh) * 2020-09-10 2023-10-24 河北云酷科技有限公司 电厂锅炉四管泄漏智能识别模型
CN112416996B (zh) * 2020-10-14 2024-03-01 国能大渡河沙坪发电有限公司 振动区确定方法及装置
CN112631207B (zh) * 2020-12-09 2022-07-26 哈尔滨工业大学 一种基于工业服务器集群的数控系统
KR102547850B1 (ko) * 2020-12-21 2023-06-26 건국대학교 산학협력단 공작기계 수명 진단 장치 및 방법
US20230061688A1 (en) * 2021-08-31 2023-03-02 Rockwell Automation Technologies, Inc. Automated diagnosis of augmented acoustic measurement in industrial environments
CN113985831B (zh) * 2021-11-17 2023-06-16 河北工业大学 一种工业控制系统状态机构建方法
TWI809761B (zh) * 2022-03-15 2023-07-21 苗新元 機械運動現場資料之自動處理裝置
CN115220396B (zh) * 2022-09-20 2022-12-20 南通韦俐数控机床有限公司 一种数控机床智能监控方法及系统

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5501105A (en) 1991-10-02 1996-03-26 Monitoring Technology Corp. Digital signal processing of encoder signals to detect resonances in rotating machines
JPH09174383A (ja) * 1995-12-26 1997-07-08 Hitachi Ltd 回転工具の異常検出方法および装置
US6604013B1 (en) * 2000-10-11 2003-08-05 Ford Motor Company Tool failure detection utilizing frequency derived, pre-characterization templates
US7341410B2 (en) * 2003-03-10 2008-03-11 Foster-Miller, Inc. Dynamical instrument for machining
US7640139B2 (en) * 2004-10-18 2009-12-29 Nsk Ltd. Abnormality diagnosing system for mechanical equipment
JP4501918B2 (ja) * 2006-09-29 2010-07-14 パナソニック電工株式会社 工具の取付異常検出装置
EP2487552A1 (de) 2011-02-14 2012-08-15 Schneider GmbH & Co. KG Verfahren und Vorrichtung zur Regelung eines Antriebs für ein Werkzeug oder Werkstück mit Anwendung einer Vorsteuerung
JP5740475B2 (ja) 2011-09-02 2015-06-24 株式会社日立製作所 加工異常検知方法および加工装置
JP3185019U (ja) * 2013-05-16 2013-07-25 キタムラ機械株式会社 マシニングセンタ
JP5956619B2 (ja) * 2015-01-13 2016-07-27 ファナック株式会社 加工条件に応じてパラメータを調整するパラメータ自動調整装置
WO2017090098A1 (ja) * 2015-11-25 2017-06-01 株式会社日立製作所 設備管理装置および方法
JP6140331B1 (ja) * 2016-04-08 2017-05-31 ファナック株式会社 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム
JP6818024B2 (ja) * 2016-06-13 2021-01-20 株式会社日立製作所 回転機診断装置、回転機診断方法及び回転機診断プログラム
JP6450738B2 (ja) * 2016-12-14 2019-01-09 ファナック株式会社 工作機械における工具のビビり発生の予兆を検知する機械学習装置、ｃｎｃ装置および機械学習方法
JP6404893B2 (ja) * 2016-12-22 2018-10-17 ファナック株式会社 工具寿命推定装置
JP6487475B2 (ja) * 2017-02-24 2019-03-20 ファナック株式会社 工具状態推定装置及び工作機械
JP2018156151A (ja) * 2017-03-15 2018-10-04 ファナック株式会社 異常検知装置及び機械学習装置

Also Published As

Publication number Publication date
US20200026262A1 (en) 2020-01-23
US10990085B2 (en) 2021-04-27
DE102019117684A1 (de) 2020-01-23
JP2020011330A (ja) 2020-01-23
DE102019117684B4 (de) 2021-06-24

Similar Documents

Publication Publication Date Title
JP6987030B2 (ja) システム及び工作機械の異常又は加工作業に関する分析方法
US6711523B2 (en) Method and apparatus for determining a condition indicator for use in evaluating the health of a component
US7136794B1 (en) Method and apparatus for estimating values for condition indicators
US6847917B2 (en) Method and apparatus for selecting condition indicators in determining the health of a component
KR101718251B1 (ko) 회전 블레이드 강건성 모니터링 방법 및 시스템
US6728658B1 (en) Method and apparatus for determining the health of a component using condition indicators
JP6350554B2 (ja) 設備診断装置、設備診断方法及び設備診断プログラム
US20040199368A1 (en) Poor data quality identification
JP6673002B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム、および情報処理システム
US6754569B2 (en) Method and apparatus for normalizing condition indicators
US10607470B2 (en) Vibrational analysis systems and methods
WO2015033603A1 (ja) 情報処理システム、情報処理方法及びプログラム
JP2017227624A (ja) アコースティックエミッション試験のための方法及び装置
CN113227926A (zh) 用于监测电机的状况监测装置和方法
CN110398384A (zh) 旋转机械的机器健康监测
JP6783163B2 (ja) 翼振動監視装置および翼振動監視方法
CA2439734A1 (en) Method and apparatus for determining the health of a component using condition indicators
CN117980707A (zh) 操作振动信号的自主辨别
US20220187164A1 (en) Tool condition monitoring system
JP7188143B2 (ja) 異常予兆検出システム、異常予兆検出方法
JP6904418B2 (ja) 情報処理装置、情報処理システム、情報処理方法、及び、プログラム
KR102433483B1 (ko) 진동 센서를 통한 설비 예지 보전 시스템
Ünal et al. A Review: Sensors Used in Tool Wear Monitoring and Prediction
US20210118248A1 (en) Methods and systems for continuously determining remaining useful lives of vehicle components
JP6641056B1 (ja) 機器の異常診断方法および機器の異常診断システム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201015

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210826

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210831

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211029

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: 20211116

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20211130

R150 Certificate of patent or registration of utility model

Ref document number: 6987030

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150