JP7181440B1 - 診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 - Google Patents
診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 Download PDFInfo
- Publication number
- JP7181440B1 JP7181440B1 JP2022536631A JP2022536631A JP7181440B1 JP 7181440 B1 JP7181440 B1 JP 7181440B1 JP 2022536631 A JP2022536631 A JP 2022536631A JP 2022536631 A JP2022536631 A JP 2022536631A JP 7181440 B1 JP7181440 B1 JP 7181440B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- machining
- processing
- machine tool
- type
- 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
- 238000013480 data collection Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims description 28
- 238000012545 processing Methods 0.000 claims abstract description 205
- 238000003754 machining Methods 0.000 claims abstract description 130
- 230000007717 exclusion Effects 0.000 claims abstract description 37
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 238000003801 milling Methods 0.000 description 15
- 238000010079 rubber tapping Methods 0.000 description 14
- 238000005553 drilling Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009760 electrical discharge machining Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q37/00—Metal-working machines, or constructional combinations thereof, built-up from units designed so that at least some of the units can form parts of different machines or combinations; Units therefor in so far as the feature of interchangeability is important
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q39/00—Metal-working machines incorporating a plurality of sub-assemblies, each capable of performing a metal-working operation
- B23Q39/02—Metal-working machines incorporating a plurality of sub-assemblies, each capable of performing a metal-working operation the sub-assemblies being capable of being brought to act at a single operating station
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q41/00—Combinations or associations of metal-working machines not directed to a particular result according to classes B21, B23, or B24
-
- 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
- G05B19/408—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 data handling or data format, e.g. reading, buffering or conversion of data
Abstract
診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制すること。診断用データ収集装置は、複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集する診断用データ収集装置であって、前記工作機械の加工運転時のデータを時系列に収集する収集部と、収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定部と、判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内のデータを除外するデータ除外部と、を備える。
Description
本発明は、診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置に関する。
工作機械の診断のため、加工時のモータトルク等のサーボ波形データが時系列に収集・解析されている。
この点、切削時のモータトルクの急激な低下により工具折損を判定する工具折損検出の技術が知られている。例えば、特許文献１参照。
また、切削時のモータトルクの上昇から工具摩耗の度合いを判定する工具摩耗監視の技術が知られている。例えば、特許文献２、３参照。
また、人工知能（ＡＩ）によるモータトルクの正常モデルとの比較により異常度を計算する故障予知の技術が知られている。例えば、特許文献４参照。
なお、後々の解析のために、収集した波形データはＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等に半永久的に保存されることが多い。
この点、切削時のモータトルクの急激な低下により工具折損を判定する工具折損検出の技術が知られている。例えば、特許文献１参照。
また、切削時のモータトルクの上昇から工具摩耗の度合いを判定する工具摩耗監視の技術が知られている。例えば、特許文献２、３参照。
また、人工知能（ＡＩ）によるモータトルクの正常モデルとの比較により異常度を計算する故障予知の技術が知られている。例えば、特許文献４参照。
なお、後々の解析のために、収集した波形データはＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等に半永久的に保存されることが多い。
ところで、波形データは収集間隔が短い（例えば、１ｍｓ等）ため、データサイズが大きくなる（例えば、工作機械１台につき１日当たり１０ＧＢ等）。
このため、全ての加工の波形データを保存することによる波形データの膨張が生じてしまう。
また、波形データの膨張により必要メモリ容量が増大し、波形データ保存用の記憶装置の容量が不足してしまう。また、当該波形データを使用する機械診断装置等のメモリ限界の仕様を超える可能性もある。
さらに、必要メモリ容量増大に伴うコストアップが発生する。
なお、用途や加工内容によって、特定の加工の波形データが不要なケースも多い。例えば、工具折損検出の場合、フライス加工において折れにくいフライス工具を対象外とするようにしてもよい。また、工具摩耗監視や工具折損検出の場合、ドリルのみの波形データは保存するが、その他のデータは対象外とするようにしてもよい。
このため、全ての加工の波形データを保存することによる波形データの膨張が生じてしまう。
また、波形データの膨張により必要メモリ容量が増大し、波形データ保存用の記憶装置の容量が不足してしまう。また、当該波形データを使用する機械診断装置等のメモリ限界の仕様を超える可能性もある。
さらに、必要メモリ容量増大に伴うコストアップが発生する。
なお、用途や加工内容によって、特定の加工の波形データが不要なケースも多い。例えば、工具折損検出の場合、フライス加工において折れにくいフライス工具を対象外とするようにしてもよい。また、工具摩耗監視や工具折損検出の場合、ドリルのみの波形データは保存するが、その他のデータは対象外とするようにしてもよい。
そこで、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することが望まれている。
（１）本開示の診断用データ収集装置の一態様は、複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集する診断用データ収集装置であって、前記工作機械の加工運転時のデータを時系列に収集する収集部と、収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定部と、判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内のデータを除外するデータ除外部と、を備える。
（２）本開示の診断用データ収集方法の一態様は、複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集する診断用データ収集方法であって、前記工作機械の加工運転時のデータを時系列に収集する収集ステップと、収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定ステップと、判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内のデータを除外するデータ除外ステップと、を備える。
（３）本開示の記録媒体の一態様は、複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集するために、コンピュータを前記工作機械の加工運転時のデータを時系列に収集する収集部と、収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定部と、判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内のデータを除外するデータ除外部と、して機能させるためのプログラムを記録したコンピュータが読み取り可能な記録媒体。
（４）本開示の制御装置の一態様は、（１）の診断用データ収集装置を備える。
一態様によれば、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
診断用データ収集装置の第１実施形態及び第２実施形態について、図面を参照して詳細に説明をする。
ここで、各実施形態は、工作機械の加工運転時の波形データを時系列に収集し、収集した波形データに基づいて工作機械の各加工期間における加工種類を判定し、判定された加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の波形データを除外対象として除外するという構成において共通する。
ただし、加工種類の判定において、第１実施形態では収集する波形データは、少なくとも工作機械に含まれる駆動軸の座標値と運転状態とを含み、座標値と運転状態とに基づいて工作機械の加工期間における加工種類を判定する。これに対し、第２実施形態では工作機械による任意の加工の波形データである入力データと任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した学習済みモデルと収集された波形データとを用いて工作機械の加工期間における加工種類を判定する点が、第１実施形態と相違する。
以下では、まず第１実施形態について詳細に説明し、次に第２実施形態において第１実施形態と相違する部分を中心に説明を行う。
ここで、各実施形態は、工作機械の加工運転時の波形データを時系列に収集し、収集した波形データに基づいて工作機械の各加工期間における加工種類を判定し、判定された加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の波形データを除外対象として除外するという構成において共通する。
ただし、加工種類の判定において、第１実施形態では収集する波形データは、少なくとも工作機械に含まれる駆動軸の座標値と運転状態とを含み、座標値と運転状態とに基づいて工作機械の加工期間における加工種類を判定する。これに対し、第２実施形態では工作機械による任意の加工の波形データである入力データと任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した学習済みモデルと収集された波形データとを用いて工作機械の加工期間における加工種類を判定する点が、第１実施形態と相違する。
以下では、まず第１実施形態について詳細に説明し、次に第２実施形態において第１実施形態と相違する部分を中心に説明を行う。
＜第１実施形態＞
図１は、第１実施形態に係る診断用データ収集システムの機能的構成例を示す機能ブロック図である。ここでは、ドリル加工及びタップ加工をデータの収集対象の加工種類とし、フライス加工を予めデータの収集が不要と設定された除外対象の加工種類とする場合を例示する。なお、本発明は、ドリル加工及びタップ加工をデータの収集対象の加工種類とし、フライス加工を除外対象の加工種類とすることに限定されず、ドリル加工及びタップ加工以外の任意の加工をデータの収集対象の加工種類とし、フライス加工以外の任意の加工を除外対象の加工種類としても適用可能である。
図１に示すように、診断用データ収集システム１００は、診断用データ収集装置１、工作機械２、数値制御装置３、診断装置４、及び記憶装置５を有する。
図１は、第１実施形態に係る診断用データ収集システムの機能的構成例を示す機能ブロック図である。ここでは、ドリル加工及びタップ加工をデータの収集対象の加工種類とし、フライス加工を予めデータの収集が不要と設定された除外対象の加工種類とする場合を例示する。なお、本発明は、ドリル加工及びタップ加工をデータの収集対象の加工種類とし、フライス加工を除外対象の加工種類とすることに限定されず、ドリル加工及びタップ加工以外の任意の加工をデータの収集対象の加工種類とし、フライス加工以外の任意の加工を除外対象の加工種類としても適用可能である。
図１に示すように、診断用データ収集システム１００は、診断用データ収集装置１、工作機械２、数値制御装置３、診断装置４、及び記憶装置５を有する。
診断用データ収集装置１、工作機械２、数値制御装置３、診断装置４、及び記憶装置５は、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）やインターネット等の図示しないネットワークを介して相互に接続されていてもよい。この場合、診断用データ収集装置１、工作機械２、数値制御装置３、診断装置４、及び記憶装置５は、かかる接続によって相互に通信を行うための図示しない通信部を備えている。なお、診断用データ収集装置１、工作機械２、数値制御装置３、診断装置４、及び記憶装置５は、図示しない接続インタフェースを介して互いに有線又は無線で直接接続されてもよい。
また、図１では、診断用データ収集装置１は、数値制御装置３と異なる装置としたが、数値制御装置３に含まれてもよい。また、数値制御装置３は、工作機械２と異なる装置としたが、工作機械２に含まれてもよい。
また、診断装置４、及び記憶装置５は、診断用データ収集装置１と異なる装置としたが、診断用データ収集装置１に含まれてもよい。
また、図１では、診断用データ収集装置１は、数値制御装置３と異なる装置としたが、数値制御装置３に含まれてもよい。また、数値制御装置３は、工作機械２と異なる装置としたが、工作機械２に含まれてもよい。
また、診断装置４、及び記憶装置５は、診断用データ収集装置１と異なる装置としたが、診断用データ収集装置１に含まれてもよい。
＜工作機械２＞
工作機械２は、例えば、当業者にとって公知の３軸や５軸等の工作機械であり、後述する数値制御装置３からの指令に基づいて動作する。
工作機械２は、例えば、当業者にとって公知の３軸や５軸等の工作機械であり、後述する数値制御装置３からの指令に基づいて動作する。
＜数値制御装置３＞
数値制御装置３は、当業者にとって公知の数値制御装置であり、制御情報に基づいて指令を生成し、生成した指令を工作機械２に送信する。これにより、数値制御装置３は、工作機械２の動作を制御する。また、数値制御装置３は、工作機械２を制御している間の主軸等の駆動軸の座標値、工作機械２の運転状態、主軸速度等のデータを後述する診断用データ収集装置１に出力する。
数値制御装置３は、当業者にとって公知の数値制御装置であり、制御情報に基づいて指令を生成し、生成した指令を工作機械２に送信する。これにより、数値制御装置３は、工作機械２の動作を制御する。また、数値制御装置３は、工作機械２を制御している間の主軸等の駆動軸の座標値、工作機械２の運転状態、主軸速度等のデータを後述する診断用データ収集装置１に出力する。
＜診断装置４＞
診断装置４は、例えば、工具折損検出を行う工具折損検出装置（例えば、特許文献１）、工具摩耗監視を行う工具摩耗監視装置（例えば、特許文献２、３）、又は故障予測を行う故障予測装置（例えば、特許文献４）等である。診断装置４は、後述する診断用データ収集装置１によって収集された波形データを用いて、工具折損検出、工具摩耗監視、又は故障予測等を行う。
診断装置４は、例えば、工具折損検出を行う工具折損検出装置（例えば、特許文献１）、工具摩耗監視を行う工具摩耗監視装置（例えば、特許文献２、３）、又は故障予測を行う故障予測装置（例えば、特許文献４）等である。診断装置４は、後述する診断用データ収集装置１によって収集された波形データを用いて、工具折損検出、工具摩耗監視、又は故障予測等を行う。
＜記憶装置５＞
記憶装置５は、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）やＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等を有するデータサーバ等であり、後述する診断用データ収集装置１により収集された波形データを記憶する。
記憶装置５は、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）やＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）等を有するデータサーバ等であり、後述する診断用データ収集装置１により収集された波形データを記憶する。
＜診断用データ収集装置１＞
診断用データ収集装置１は、例えば、公知のコンピュータ等であり、図１に示すように、制御部１０を有する。また、制御部１０は、収集部１０１、加工種類判定部１０２、及びデータ除外部１０３を有する。
診断用データ収集装置１は、例えば、公知のコンピュータ等であり、図１に示すように、制御部１０を有する。また、制御部１０は、収集部１０１、加工種類判定部１０２、及びデータ除外部１０３を有する。
＜制御部１０＞
制御部１０は、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＣＭＯＳメモリ等を有し、これらはバスを介して相互に通信可能に構成される、当業者にとって公知のものである。
ＣＰＵは診断用データ収集装置１を全体的に制御するプロセッサである。ＣＰＵは、ＲＯＭに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、システムプログラム及びアプリケーションプログラムに従って診断用データ収集装置１全体を制御する。これにより、図１に示すように、制御部１０は、収集部１０１、加工種類判定部１０２、及びデータ除外部１０３の機能を実現するように構成される。ＲＡＭには一時的な計算データや表示データ等の各種データが格納される。ＣＭＯＳメモリは図示しないバッテリでバックアップされ、診断用データ収集装置１の電源がオフされても記憶状態が保持される不揮発性メモリとして構成される。
制御部１０は、ＣＰＵ、ＲＯＭ、ＲＡＭ、ＣＭＯＳメモリ等を有し、これらはバスを介して相互に通信可能に構成される、当業者にとって公知のものである。
ＣＰＵは診断用データ収集装置１を全体的に制御するプロセッサである。ＣＰＵは、ＲＯＭに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、システムプログラム及びアプリケーションプログラムに従って診断用データ収集装置１全体を制御する。これにより、図１に示すように、制御部１０は、収集部１０１、加工種類判定部１０２、及びデータ除外部１０３の機能を実現するように構成される。ＲＡＭには一時的な計算データや表示データ等の各種データが格納される。ＣＭＯＳメモリは図示しないバッテリでバックアップされ、診断用データ収集装置１の電源がオフされても記憶状態が保持される不揮発性メモリとして構成される。
収集部１０１は、例えば、数値制御装置３を介して、工作機械２の加工運転時の主軸等の駆動軸の座標値、工作機械２の運転状態、主軸速度等のデータを時系列に波形データとして収集する。収集部１０１は、収集した波形データを加工種類判定部１０２に出力する。なお、運転状態とは、切削中信号やタップ中信号等の状態（オン又はオフ）を示す。
加工種類判定部１０２は、例えば、収集部１０１により収集された波形データのうち加工開始から所定期間（例えば、３０秒や１分等）終了までの波形データに基づいて手続き的手法により工作機械２の加工期間における加工種類を判定する。
具体的には、加工種類判定部１０２は、例えば、加工期間開始から所定期間終了まで波形データをサンプリングし、サンプリングした波形データをＲＡＭ等のメモリに一時的に保存する。なお、加工期間には、主軸正転中、工具選択中、シーケンス番号（又はブロック番号）による範囲指定でユーザが期間を定義、その他、加工中と分かるプログラム指令中（Ｍ／Ｓ／Ｔコード）又は運転状態が含まれる。
図２は、タップ加工の場合の波形データの一例を示す図である。図３は、フライス加工の場合の波形データの一例を示す図である。図４は、ドリル加工の場合の波形データの一例を示す図である。図２から図４では、横軸は時刻を示し、縦軸は上から主軸速度、切削中信号の状態、タップ中信号の状態、Ｘ軸及びＺ軸の座標値を示す。なお、図２から図４では、Ｙ軸の座標値は省略する。また、図２から図４では、切削中信号がオンの期間を網掛けで示す。
加工種類判定部１０２は、図２に示すように、時刻ｔ１から時刻ｔ２の間の加工期間（切削中信号がオン）において運転状態を示すタップ中信号が時刻ｔ１でオフからオンに変化したことから、図２の加工種類をタップ加工と判定する。
また、加工種類判定部１０２は、図３に示すように、時刻ｔ３から時刻ｔ５の加工期間において、最初の切削中信号がオンとなる時刻ｔ４において、ＸＹ軸が移動を開始することから、図３の加工種類をフライス加工と判定する。
また、加工種類判定部１０２は、図４に示すように、時刻ｔ６から時刻ｔ８の加工期間に、最初の１つ目の穴開け終了時の時刻ｔ７においてタップ中信号がオフで、ＸＹ軸の移動がないことから、図４の加工種類をドリル加工と判定する。
具体的には、加工種類判定部１０２は、例えば、加工期間開始から所定期間終了まで波形データをサンプリングし、サンプリングした波形データをＲＡＭ等のメモリに一時的に保存する。なお、加工期間には、主軸正転中、工具選択中、シーケンス番号（又はブロック番号）による範囲指定でユーザが期間を定義、その他、加工中と分かるプログラム指令中（Ｍ／Ｓ／Ｔコード）又は運転状態が含まれる。
図２は、タップ加工の場合の波形データの一例を示す図である。図３は、フライス加工の場合の波形データの一例を示す図である。図４は、ドリル加工の場合の波形データの一例を示す図である。図２から図４では、横軸は時刻を示し、縦軸は上から主軸速度、切削中信号の状態、タップ中信号の状態、Ｘ軸及びＺ軸の座標値を示す。なお、図２から図４では、Ｙ軸の座標値は省略する。また、図２から図４では、切削中信号がオンの期間を網掛けで示す。
加工種類判定部１０２は、図２に示すように、時刻ｔ１から時刻ｔ２の間の加工期間（切削中信号がオン）において運転状態を示すタップ中信号が時刻ｔ１でオフからオンに変化したことから、図２の加工種類をタップ加工と判定する。
また、加工種類判定部１０２は、図３に示すように、時刻ｔ３から時刻ｔ５の加工期間において、最初の切削中信号がオンとなる時刻ｔ４において、ＸＹ軸が移動を開始することから、図３の加工種類をフライス加工と判定する。
また、加工種類判定部１０２は、図４に示すように、時刻ｔ６から時刻ｔ８の加工期間に、最初の１つ目の穴開け終了時の時刻ｔ７においてタップ中信号がオフで、ＸＹ軸の移動がないことから、図４の加工種類をドリル加工と判定する。
データ除外部１０３は、判定された加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、加工種類の加工期間内のデータを除外する。
具体的には、データ除外部１０３は、判定された加工種類が、予め波形データの収集が必要と設定された収集対象の加工種類に該当する場合（例えば、ドリル加工やタップ加工が収集対象の加工種類に設定されている場合）、加工期間開始から終了までの波形データを診断装置４及び／又は記憶装置５に出力する。一方、データ除外部１０３は、判定された加工種類が、予め波形データの収集が不要と設定された除外対象の加工種類に該当する場合（例えば、フライス加工が除外対象の加工種類に設定されている場合）、加工期間開始から終了までの波形データを除外対象として除外（削除）し、診断装置４及び記憶装置５に出力しない。
具体的には、データ除外部１０３は、判定された加工種類が、予め波形データの収集が必要と設定された収集対象の加工種類に該当する場合（例えば、ドリル加工やタップ加工が収集対象の加工種類に設定されている場合）、加工期間開始から終了までの波形データを診断装置４及び／又は記憶装置５に出力する。一方、データ除外部１０３は、判定された加工種類が、予め波形データの収集が不要と設定された除外対象の加工種類に該当する場合（例えば、フライス加工が除外対象の加工種類に設定されている場合）、加工期間開始から終了までの波形データを除外対象として除外（削除）し、診断装置４及び記憶装置５に出力しない。
＜診断用データ収集装置１のデータ収集処理＞
次に、図５を参照しながら、診断用データ収集装置１のデータ収集処理の流れを説明する。
図５は、診断用データ収集装置１のデータ収集処理について説明するフローチャートである。ここで示すフローは、工作機械２が加工を行う度に繰り返し実行される。
次に、図５を参照しながら、診断用データ収集装置１のデータ収集処理の流れを説明する。
図５は、診断用データ収集装置１のデータ収集処理について説明するフローチャートである。ここで示すフローは、工作機械２が加工を行う度に繰り返し実行される。
ステップＳ１において、収集部１０１は、数値制御装置３を介して、工作機械２の加工運転時の主軸等の駆動軸の座標値、工作機械２の運転状態、主軸速度等の波形データを収集する。加工種類判定部１０２は、加工開始から所定期間（例えば、３０秒や１分等）終了までの波形データに基づいて加工種類判定処理を行い、手続き的手法により工作機械２の加工期間における加工種類を判定する。なお、加工種類判定処理の詳細なフローについては、後述する。
ステップＳ２において、データ除外部１０３は、ステップＳ１で判定された加工種類に基づいてデータ除外処理を行い、判定された加工種類が、予め波形データの収集が不要と設定された除外対象の加工種類に該当する場合（例えば、フライス加工が除外対象の加工種類に設定されている場合）、判定された加工種類の加工期間内の波形データを除外対象として除外する。なお、データ除外処理の詳細なフローについては、後述する。
図６は、図５においてステップＳ１で示した加工種類判定処理の詳細な処理内容を説明するフローチャートである。
ステップＳ１１において、収集部１０１は、数値制御装置３を介して、工作機械２の加工運転時の主軸等の駆動軸の座標値、工作機械２の運転状態、主軸速度等の波形データを収集する。
ステップＳ１２において、加工種類判定部１０２は、ステップＳ１１で収集された波形データが工作機械２の加工中のものか否かを判定する。収集された波形データが工作機械２の加工中のものである場合、処理はステップＳ１３に進む。一方、収集された波形データが工作機械２の加工中のものでない場合、処理は加工中の波形データを収集するためにステップＳ１１に戻る。
ステップＳ１３において、加工種類判定部１０２は、加工期間開始から所定期間（例えば、３０秒や１分等）終了まで波形データをサンプリングし、サンプリングした波形データを一時メモリに保存する。
ステップＳ１４において、加工種類判定部１０２は、ステップＳ１３で一時メモリに保存された波形データを用いて加工種類を判定する。
ステップＳ１５において、加工種類判定部１０２は、ステップＳ１４で加工種類が判定できたか否かを判定する。加工種類が判定できた場合、診断用データ収集装置１は、加工種類判定処理を終了しステップＳ２に進む。一方、加工種類が判定できなかった場合、加工種類を判別するためにさらにサンプリングを継続する必要があるとして、処理はステップＳ１１に戻り、加工中の波形データを収集する。
図７は、図５においてステップＳ２で示したデータ除外処理の詳細な処理内容を説明するフローチャートである。
ステップＳ２１において、データ除外部１０３は、ステップＳ１で判定された波形データの加工種類が除外対象の加工種類か否かを判定する。波形データの加工種類が除外対象の加工種類の場合、処理はステップＳ２３に進む。一方、波形データの加工種類が除外対象の加工種類でない、すなわち収集対象の加工種類の場合、処理はステップＳ２２に進む。
ステップＳ２２において、データ除外部１０３は、ステップＳ１で一時保存された波形データを診断装置４及び／又は記憶装置５に出力する。
ステップＳ２３において、データ除外部１０３は、ステップＳ１で一時保存された波形データを削除する。
ステップＳ２４において、収集部１０１は、数値制御装置３を介して、工作機械２の加工運転時の主軸等の駆動軸の座標値、工作機械２の運転状態、主軸速度等の波形データを収集する。
ステップＳ２５において、データ除外部１０３は、ステップＳ１で判定された波形データの加工種類からステップＳ２４で収集された波形データが除外対象の加工種類か否かを判定する。波形データの加工種類が除外対象の加工種類の場合、処理はステップＳ２７に進む。一方、波形データの加工種類が除外対象の加工種類でない、すなわち収集対象の加工種類の場合、処理はステップＳ２６に進む。
ステップＳ２６において、データ除外部１０３は、ステップＳ２４で収集された波形データを診断装置４及び／又は記憶装置５に出力する。
ステップＳ２７において、データ除外部１０３は、ステップＳ２４で収集された波形データが工作機械２の加工中のものか否かを判定する。波形データが工作機械２の加工中のものである場合、加工は継続しているとして、処理はステップＳ２４に戻る。一方、波形データが工作機械２の加工中のものでない場合、加工は終了したとして、診断用データ収集装置１はデータ除外処理を終了する。
以上により、第１実施形態に係る診断用データ収集装置１は、収集された波形データのうち加工開始から所定期間（例えば、３０秒や１分等）終了まで波形データを一時メモリに保存し、保存した波形データを用いて手続き的手法により工作機械２の加工期間における加工種類を判定する。診断用データ収集装置１は、判定した加工種類が、予め波形データの収集が必要と設定された収集対象の加工種類に該当する場合（例えば、ドリル加工やタップ加工が収集対象の加工種類に設定されている場合）、当該加工種類の加工期間内の波形データを診断装置４及び／又は記憶装置５に出力する。一方、診断用データ収集装置１は、判定した加工種類が、予め波形データの収集が不要と設定された除外対象の加工種類に該当する場合（例えば、フライス加工が除外対象の加工種類に設定されている場合）、当該加工種類の一時保存した波形データを削除するとともに加工期間内の波形データを除外する。これにより、診断用データ収集装置１は、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
また、診断用データ収集装置１は、必要メモリ容量の増大を抑止することできる。すなわち、診断用データ収集装置１は、データ保存用の記憶装置５の容量が少なくても、実質長期間の波形データが保存可能となり、メモリ容量が少ない診断装置４にも、実質長期間のデータを利用可能となる。
また、診断用データ収集装置１は、必要メモリ容量増大に伴うコストアップを抑止することができる。
以上、第１実施形態について説明した。
また、診断用データ収集装置１は、必要メモリ容量の増大を抑止することできる。すなわち、診断用データ収集装置１は、データ保存用の記憶装置５の容量が少なくても、実質長期間の波形データが保存可能となり、メモリ容量が少ない診断装置４にも、実質長期間のデータを利用可能となる。
また、診断用データ収集装置１は、必要メモリ容量増大に伴うコストアップを抑止することができる。
以上、第１実施形態について説明した。
＜第２実施形態＞
次に、第２実施形態について説明する。第１実施形態では収集する波形データは、少なくとも工作機械に含まれる駆動軸の座標値と運転状態とを含み、座標値と運転状態とに基づいて工作機械の加工期間における加工種類を判定する。これに対し、第２実施形態では工作機械による任意の加工の波形データである入力データと任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した学習済みモデルと収集された波形データとを用いて工作機械の加工期間における加工種類を判定する点が、第１実施形態と相違する。
これにより、第２実施形態に係る診断用データ収集装置１Ａは、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
以下、第２実施形態について説明する。
次に、第２実施形態について説明する。第１実施形態では収集する波形データは、少なくとも工作機械に含まれる駆動軸の座標値と運転状態とを含み、座標値と運転状態とに基づいて工作機械の加工期間における加工種類を判定する。これに対し、第２実施形態では工作機械による任意の加工の波形データである入力データと任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した学習済みモデルと収集された波形データとを用いて工作機械の加工期間における加工種類を判定する点が、第１実施形態と相違する。
これにより、第２実施形態に係る診断用データ収集装置１Ａは、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
以下、第２実施形態について説明する。
図８は、第２実施形態に係る診断用データ収集システムの機能的構成例を示す機能ブロック図である。なお、図１の診断用データ収集システム１の要素と同様の機能を有する要素については、同じ符号を付し、詳細な説明は省略する。
図８に示すように、診断用データ収集システム１００は、診断用データ収集装置１Ａ、工作機械２、数値制御装置３、診断装置４、及び記憶装置５を有する。
工作機械２、数値制御装置３、診断装置４、及び記憶装置５は、第１実施形態における工作機械２、数値制御装置３、診断装置４、及び記憶装置５と同等の機能を有する。
図８に示すように、診断用データ収集システム１００は、診断用データ収集装置１Ａ、工作機械２、数値制御装置３、診断装置４、及び記憶装置５を有する。
工作機械２、数値制御装置３、診断装置４、及び記憶装置５は、第１実施形態における工作機械２、数値制御装置３、診断装置４、及び記憶装置５と同等の機能を有する。
＜診断用データ収集装置１Ａ＞
図８に示すように、診断用データ収集装置１Ａは、制御部１０ａを含む。また、制御部１０ａは、収集部１０１、加工種類判定部１０２ａ、及びデータ除外部１０３を有する。
収集部１０１、及びデータ除外部１０３は、第１実施形態における収集部１０１、及びデータ除外部１０３と同等の機能を有する。
図８に示すように、診断用データ収集装置１Ａは、制御部１０ａを含む。また、制御部１０ａは、収集部１０１、加工種類判定部１０２ａ、及びデータ除外部１０３を有する。
収集部１０１、及びデータ除外部１０３は、第１実施形態における収集部１０１、及びデータ除外部１０３と同等の機能を有する。
加工種類判定部１０２ａは、工作機械２による任意の加工の波形データである入力データと当該任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した学習済みモデルと収集された波形データとを用いて工作機械２の加工期間における加工種類を判定する。
具体的には、加工種類判定部１０２ａは、学習フェーズにおいて、例えば、学習用の教師データとして、図９に示すように、波形データと当該波形データ内の実際の加工種類を示すデータ（ラベルデータ）とのセットを予め複数準備し、診断用データ収集装置１Ａに含まれるＨＤＤ等の記憶部（図示しない）又は記憶装置５等に記憶する。
図９は、教師データの一例を示す図である。
図９に示すように、教師データは、「加工期間Ｎｏ．」、「加工種類」、及び「波形データ」の格納領域を有する。
教師データ内の「加工期間Ｎｏ．」の格納領域には、例えば、教師データとして格納された順番を示す番号が格納される。なお、図９では、１０８個の教師データが格納されているが、これに限定されず、任意の数の教師データが格納されてもよい。
教師データ内の「加工種類」の格納領域には、例えば、「フライス」、「ドリル」、「タップ」等の加工種類が格納される。
教師データ内の「波形データ」の格納領域には、例えば、「加工期間Ｎｏ．」の加工期間毎に工作機械２でサンプリングされた波形データが格納される。なお、サンプリング期間は、加工期間開始からある程度切削が進むまでの所定期間（例えば、３０秒や１分等）とする。
そうすることで、診断用データ収集装置１Ａは、所定期間のサンプリングデータから除外対象の加工種類を判定することで、不要な波形データを保存しないようにすることができる。
具体的には、加工種類判定部１０２ａは、学習フェーズにおいて、例えば、学習用の教師データとして、図９に示すように、波形データと当該波形データ内の実際の加工種類を示すデータ（ラベルデータ）とのセットを予め複数準備し、診断用データ収集装置１Ａに含まれるＨＤＤ等の記憶部（図示しない）又は記憶装置５等に記憶する。
図９は、教師データの一例を示す図である。
図９に示すように、教師データは、「加工期間Ｎｏ．」、「加工種類」、及び「波形データ」の格納領域を有する。
教師データ内の「加工期間Ｎｏ．」の格納領域には、例えば、教師データとして格納された順番を示す番号が格納される。なお、図９では、１０８個の教師データが格納されているが、これに限定されず、任意の数の教師データが格納されてもよい。
教師データ内の「加工種類」の格納領域には、例えば、「フライス」、「ドリル」、「タップ」等の加工種類が格納される。
教師データ内の「波形データ」の格納領域には、例えば、「加工期間Ｎｏ．」の加工期間毎に工作機械２でサンプリングされた波形データが格納される。なお、サンプリング期間は、加工期間開始からある程度切削が進むまでの所定期間（例えば、３０秒や１分等）とする。
そうすることで、診断用データ収集装置１Ａは、所定期間のサンプリングデータから除外対象の加工種類を判定することで、不要な波形データを保存しないようにすることができる。
加工種類判定部１０２ａは、学習フェーズにおいて、図９の教師データの加工期間毎に波形データをサンプリングし、サンプリングデータから特徴量ベクトルを生成する。
ここで、特徴ベクトルとは、例えば、モータトルク最大値、モータ速度平均値、切削時間等を成分とするＮ次元ベクトルである（Ｎは２以上の整数）。なお、以下では、特徴ベクトルは、切削時間と主軸速度平均値の２次元ベクトルとして説明するが、２以外のＮ次元ベクトルの特徴ベクトルについても２次元の場合と同様であり、説明を省略する。また、切削時間とは、切削全体の時間ではなく、切削送り動作時間の合計を示す。
ここで、特徴ベクトルとは、例えば、モータトルク最大値、モータ速度平均値、切削時間等を成分とするＮ次元ベクトルである（Ｎは２以上の整数）。なお、以下では、特徴ベクトルは、切削時間と主軸速度平均値の２次元ベクトルとして説明するが、２以外のＮ次元ベクトルの特徴ベクトルについても２次元の場合と同様であり、説明を省略する。また、切削時間とは、切削全体の時間ではなく、切削送り動作時間の合計を示す。
加工種類判定部１０２ａは、図９に示す教師データの加工期間毎の特徴ベクトルの入力データと加工種類のラベルデータとを用いた機械学習を実行し、学習済みモデルを生成する。加工種類判定部１０２ａは、例えば、生成した学習済みモデルを診断用データ収集装置１Ａの記憶部（図示しない）に記憶する。なお、以下では、機械学習として、クラスタリングの場合を説明するが、サポートベクタマシン（ＳＶＭ）や深層学習等でもよい。
図１０は、クラスタリングの場合の機械学習の結果の一例を示す図である。
図１０に示すように、学習済みモデルとして加工種類毎のクラスタが生成される。すなわち、フライス加工のクラスタは、切削時間が長く、主軸速度平均値が高いという特徴量の傾向がある。また、ドリル加工のクラスタは、切削時間が短く、主軸速度平均値が高いという特徴量の傾向がある。また、タップ加工のクラスタは、切削時間が短く、主軸速度平均値が低いという特徴量の傾向がある。
図１０は、クラスタリングの場合の機械学習の結果の一例を示す図である。
図１０に示すように、学習済みモデルとして加工種類毎のクラスタが生成される。すなわち、フライス加工のクラスタは、切削時間が長く、主軸速度平均値が高いという特徴量の傾向がある。また、ドリル加工のクラスタは、切削時間が短く、主軸速度平均値が高いという特徴量の傾向がある。また、タップ加工のクラスタは、切削時間が短く、主軸速度平均値が低いという特徴量の傾向がある。
運用フェーズ（判定フェーズ）において、工作機械２が連続運転し収集部１０１が波形データを収集することで、加工種類判定部１０２ａは、加工期間開始から所定期間終了まで波形データをサンプリングする。加工種類判定部１０２ａは、現在のサンプリングデータから特徴ベクトルを生成し、生成した特徴ベクトルを学習済みモデルに入力することにより、各加工種類のクラスタとの距離を求める。加工種類判定部１０２ａは、当該特徴ベクトルと最も距離が短いクラスタの加工種類を、波形データの加工種類と判定する。ここで、距離とは、ユークリッド距離やマハラノビス距離等である。
なお、運用フェーズ（判定フェーズ）における診断用データ収集装置１Ａのデータ収集処理、加工種類判定処理、及びデータ除外処理は、図５～図７に示す第１実施形態の場合と同様であり、詳細な説明は省略する。
以上により、第２実施形態に係る診断用データ収集装置１Ａは、工作機械２による任意の加工の波形データである入力データと任意の加工の加工種類を示すラベルデータとの教師データを予め準備し、教師データを用いて機械学習を実行して学習済みモデルを生成する。診断用データ収集装置１Ａは、生成した学習済みモデルと収集された波形データとを用いて工作機械２の加工期間における加工種類を判定する。診断用データ収集装置１Ａは、判定した加工種類が、予め波形データの収集が必要と設定された収集対象の加工種類に該当する場合（例えば、ドリル加工やタップ加工が収集対象の加工種類に設定されている場合）、当該加工種類の加工期間内の波形データを診断装置４及び／又は記憶装置５に出力する。一方、診断用データ収集装置１Ａは、判定した加工種類が、予め波形データの収集が不要と設定された除外対象の加工種類に該当する場合（例えば、フライス加工が除外対象の加工種類に設定されている場合）、当該加工種類の一時保存した波形データを削除するとともに加工期間内の波形データを除外する。これにより、診断用データ収集装置１Ａは、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
また、診断用データ収集装置１Ａは、必要メモリ容量の増大を抑止することできる。すなわち、診断用データ収集装置１Ａは、データ保存用の記憶装置５の容量が少なくても、実質長期間の波形データが保存可能となり、メモリ容量が少ない診断装置４にも、実質長期間のデータを利用可能となる。
また、診断用データ収集装置１Ａは、必要メモリ容量増大に伴うコストアップを抑止することができる。
以上、第２実施形態について説明した。
また、診断用データ収集装置１Ａは、必要メモリ容量の増大を抑止することできる。すなわち、診断用データ収集装置１Ａは、データ保存用の記憶装置５の容量が少なくても、実質長期間の波形データが保存可能となり、メモリ容量が少ない診断装置４にも、実質長期間のデータを利用可能となる。
また、診断用データ収集装置１Ａは、必要メモリ容量増大に伴うコストアップを抑止することができる。
以上、第２実施形態について説明した。
以上、第１実施形態及び第２実施形態について説明したが、診断用データ収集装置１、１Ａは、上述の実施形態に限定されるものではなく、目的を達成できる範囲での変形、改良等を含む。
＜変形例１＞
第１実施形態及び第２実施形態では、診断用データ収集装置１、１Ａは、加工種類として、フライス加工、ドリル加工、タップ加工の場合を説明したが、これに限定されない。例えば、診断用データ収集装置１、１Ａは、加工種類として、バイト（工具）を用いた旋削加工、レーザ加工、パンチプレス加工、放電加工等を含めてもよい。
第１実施形態及び第２実施形態では、診断用データ収集装置１、１Ａは、加工種類として、フライス加工、ドリル加工、タップ加工の場合を説明したが、これに限定されない。例えば、診断用データ収集装置１、１Ａは、加工種類として、バイト（工具）を用いた旋削加工、レーザ加工、パンチプレス加工、放電加工等を含めてもよい。
＜変形例２＞
また例えば、上述の実施形態では、診断用データ収集装置１、１Ａは、数値制御装置３と異なる装置としたが、これに限定されない。例えば、診断用データ収集装置１、１Ａは、数値制御装置３に含まれてもよい。また、診断用データ収集装置１、１Ａは、診断装置４、及び記憶装置５を含んでもよい。
また、例えば、診断用データ収集装置１の収集部１０１、加工種類判定部１０２、及びデータ除外部１０３の一部又は全部、又は、診断用データ収集装置１Ａの収集部１０１、加工種類判定部１０２ａ、及びデータ除外部１０３の一部又は全部を、サーバが備えるようにしてもよい。また、クラウド上で仮想サーバ機能等を利用して、診断用データ収集装置１、１Ａの各機能を実現してもよい。
さらに、診断用データ収集装置１、１Ａは、診断用データ収集装置１、１Ａの各機能を適宜複数のサーバに分散される、分散処理システムとしてもよい。
また例えば、上述の実施形態では、診断用データ収集装置１、１Ａは、数値制御装置３と異なる装置としたが、これに限定されない。例えば、診断用データ収集装置１、１Ａは、数値制御装置３に含まれてもよい。また、診断用データ収集装置１、１Ａは、診断装置４、及び記憶装置５を含んでもよい。
また、例えば、診断用データ収集装置１の収集部１０１、加工種類判定部１０２、及びデータ除外部１０３の一部又は全部、又は、診断用データ収集装置１Ａの収集部１０１、加工種類判定部１０２ａ、及びデータ除外部１０３の一部又は全部を、サーバが備えるようにしてもよい。また、クラウド上で仮想サーバ機能等を利用して、診断用データ収集装置１、１Ａの各機能を実現してもよい。
さらに、診断用データ収集装置１、１Ａは、診断用データ収集装置１、１Ａの各機能を適宜複数のサーバに分散される、分散処理システムとしてもよい。
なお、第１実施形態及び第２実施形態における、診断用データ収集装置１、１Ａに含まれる各機能は、ハードウェア、ソフトウェア又はこれらの組み合わせによりそれぞれ実現することができる。ここで、ソフトウェアによって実現されるとは、コンピュータがプログラムを読み込んで実行することにより実現されることを意味する。
プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（Ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（Ｔａｎｇｉｂｌｅ ｓｔｏｒａｇｅ ｍｅｄｉｕｍ）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えば、フレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば、光磁気ディスク）、ＣＤ－ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＣＤ－Ｒ、ＣＤ－Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Ｐｒｏｇｒａｍｍａｂｌｅ ＲＯＭ）、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ ＰＲＯＭ）、フラッシュＲＯＭ、ＲＡＭ）を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（Ｔｒａｎｓｉｔｏｒｙ ｃｏｍｐｕｔｅｒ ｒｅａｄａｂｌｅ ｍｅｄｉｕｍ）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は、無線通信路を介して、プログラムをコンピュータに供給できる。
なお、記録媒体に記録されるプログラムを記述するステップは、その順序に沿って時系列的に行われる処理はもちろん、必ずしも時系列的に処理されなくとも、並列的あるいは個別に実行される処理をも含むものである。
以上を換言すると、本開示の診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置は、次のような構成を有する各種各様の実施形態を取ることができる。
（１）本開示の診断用データ収集装置１は、複数の加工種類で構成されている加工を行う工作機械２を診断するためのデータを収集する診断用データ収集装置１、１Ａであって、工作機械２の加工運転時のデータを時系列に収集する収集部１０１と、収集したデータに基づいて工作機械２の各加工期間における加工種類を判定する加工種類判定部１０２、１０２ａと、判定された加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内のデータを除外するデータ除外部１０３と、を備える。
この診断用データ収集装置１、１Ａによれば、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
この診断用データ収集装置１、１Ａによれば、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
（２） （１）に記載の診断用データ収集装置１において、収集部１０１が収集するデータは、少なくとも工作機械２に含まれる駆動軸の座標値と運転状態とを含み、加工種類判定部１０２は、座標値と運転状態とに基づいて工作機械２の加工期間における加工種類を判定してもよい。
そうすることで、診断用データ収集装置１は、精度良く加工種類を判定することができる。
そうすることで、診断用データ収集装置１は、精度良く加工種類を判定することができる。
（３） （１）に記載の診断用データ収集装置１Ａにおいて、加工種類判定部１０２ａは、工作機械２による任意の加工のデータである入力データと任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した学習済みモデルと収集されたデータとを用いて工作機械２の加工期間における加工種類を判定してもよい。
そうすることで、加工種類が増えても柔軟に対応することができる。
そうすることで、加工種類が増えても柔軟に対応することができる。
（４）本開示の診断用データ収集方法は、複数の加工種類で構成されている加工を行う工作機械２を診断するためのデータを収集する診断用データ収集方法であって、工作機械２の加工運転時のデータを時系列に収集する収集ステップと、収集したデータに基づいて工作機械２の各加工期間における加工種類を判定する加工種類判定ステップと、判定された加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内のデータを除外するデータ除外ステップと、を備える。
この診断用データ収集方法によれば、（１）と同様の効果を奏することができる。
この診断用データ収集方法によれば、（１）と同様の効果を奏することができる。
（５）本開示の記録媒体は、複数の加工種類で構成されている加工を行う工作機械２を診断するためのデータを収集するために、コンピュータを工作機械２の加工運転時のデータを時系列に収集する収集部１０１と、収集したデータに基づいて工作機械２の各加工期間における加工種類を判定する加工種類判定部１０２、１０２ａと、判定された加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内のデータを除外するデータ除外部１０３と、して機能させるためのプログラムを記録したコンピュータが読み取り可能な記録媒体である。
この記録媒体によれば、（１）と同様の効果を奏することができる。
この記録媒体によれば、（１）と同様の効果を奏することができる。
（６）本開示の数値制御装置３は、（１）に記載の診断用データ収集装置１、１Ａを備える。
この数値制御装置３によれば、（１）と同様の効果を奏することができる。
この数値制御装置３によれば、（１）と同様の効果を奏することができる。
１、１Ａ 診断用データ収集装置
１０、１０ａ 制御部
１０１ 収集部
１０２、１０２ａ 加工種類判定部
１０３ データ除外部
２ 工作機械
３ 数値制御装置
４ 診断装置
５ 記憶装置
１００ 診断用データ収集システム
１０、１０ａ 制御部
１０１ 収集部
１０２、１０２ａ 加工種類判定部
１０３ データ除外部
２ 工作機械
３ 数値制御装置
４ 診断装置
５ 記憶装置
１００ 診断用データ収集システム
Claims (6)
- 複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集する診断用データ収集装置であって、
前記工作機械の加工運転時のデータを時系列に収集する収集部と、
収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定部と、
判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の前記収集部で収集した前記データを少なくとも記憶装置への保存の対象から除外するデータ除外部と、
を備える診断用データ収集装置。 - 前記収集部が収集するデータは、少なくとも前記工作機械に含まれる駆動軸の座標値と運転状態とを含み、
前記加工種類判定部は、前記座標値と前記運転状態とに基づいて前記工作機械の加工期間における加工種類を判定する、請求項１に記載の診断用データ収集装置。 - 前記加工種類判定部は、前記工作機械による任意の加工のデータである入力データと前記任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した前記学習済みモデルと収集された前記データとを用いて前記工作機械の加工期間における加工種類を判定する、請求項１に記載の診断用データ収集装置。
- 複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集する診断用データ収集方法であって、
前記工作機械の加工運転時のデータを時系列に収集する収集ステップと、
収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定ステップと、
判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の前記収集ステップで収集した前記データを少なくとも記憶装置への保存の対象から除外するデータ除外ステップと、
を備える診断用データ収集方法。 - 複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集するために、コンピュータを
前記工作機械の加工運転時のデータを時系列に収集する収集部と、
収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定部と、
判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の前記収集部で収集した前記データを少なくとも記憶装置への保存の対象から除外するデータ除外部と、
して機能させるためのプログラムを記録したコンピュータが読み取り可能な記録媒体。 - 請求項１に記載の診断用データ収集装置を備える制御装置。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/JP2022/018715 WO2023209768A1 (ja) | 2022-04-25 | 2022-04-25 | 診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP7181440B1 true JP7181440B1 (ja) | 2022-11-30 |
| JPWO2023209768A1 JPWO2023209768A1 (ja) | 2023-11-02 |
Family
ID=84271406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022536631A Active JP7181440B1 (ja) | 2022-04-25 | 2022-04-25 | 診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7181440B1 (ja) |
| WO (1) | WO2023209768A1 (ja) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000011528A1 (fr) * | 1998-08-24 | 2000-03-02 | Okuma Corporation | Procede et appareil destine au support de machines a commande numerique |
| JP2015207095A (ja) * | 2014-04-18 | 2015-11-19 | ファナック株式会社 | 加工サイクル生成機能を有する数値制御装置およびプログラム編集方法 |
| JP2018132809A (ja) * | 2017-02-13 | 2018-08-23 | ファナック株式会社 | 診断用データ取得システム、診断用システム、及び診断用データ取得プログラム |
| KR20180133974A (ko) * | 2017-06-07 | 2018-12-18 | 충남대학교산학협력단 | 지능형 절삭유 분사장치 및 이의 분사방법 |
| KR20190001371A (ko) * | 2017-06-27 | 2019-01-04 | 현대위아 주식회사 | Ｎｃ 데이터를 이용한 가공 공정 판별 시스템 및 그 방법 |
| JP2020178454A (ja) * | 2019-04-18 | 2020-10-29 | 株式会社日立産機システム | 監視装置、および監視方法 |
| JP2020203356A (ja) * | 2019-06-18 | 2020-12-24 | 株式会社ジェイテクト | 加工工具の異常検知装置 |
| WO2021029036A1 (ja) * | 2019-08-14 | 2021-02-18 | 駿河精機株式会社 | 機械学習装置、データ処理システム及び機械学習方法 |
-
2022
- 2022-04-25 WO PCT/JP2022/018715 patent/WO2023209768A1/ja active Application Filing
- 2022-04-25 JP JP2022536631A patent/JP7181440B1/ja active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000011528A1 (fr) * | 1998-08-24 | 2000-03-02 | Okuma Corporation | Procede et appareil destine au support de machines a commande numerique |
| JP2015207095A (ja) * | 2014-04-18 | 2015-11-19 | ファナック株式会社 | 加工サイクル生成機能を有する数値制御装置およびプログラム編集方法 |
| JP2018132809A (ja) * | 2017-02-13 | 2018-08-23 | ファナック株式会社 | 診断用データ取得システム、診断用システム、及び診断用データ取得プログラム |
| KR20180133974A (ko) * | 2017-06-07 | 2018-12-18 | 충남대학교산학협력단 | 지능형 절삭유 분사장치 및 이의 분사방법 |
| KR20190001371A (ko) * | 2017-06-27 | 2019-01-04 | 현대위아 주식회사 | Ｎｃ 데이터를 이용한 가공 공정 판별 시스템 및 그 방법 |
| JP2020178454A (ja) * | 2019-04-18 | 2020-10-29 | 株式会社日立産機システム | 監視装置、および監視方法 |
| JP2020203356A (ja) * | 2019-06-18 | 2020-12-24 | 株式会社ジェイテクト | 加工工具の異常検知装置 |
| WO2021029036A1 (ja) * | 2019-08-14 | 2021-02-18 | 駿河精機株式会社 | 機械学習装置、データ処理システム及び機械学習方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023209768A1 (ja) | 2023-11-02 |
| JPWO2023209768A1 (ja) | 2023-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11237539B2 (en) | System and method for operational-data-based detection of anomaly of a machine tool | |
| US10649435B2 (en) | Tool life estimating device | |
| US11112768B2 (en) | Numerical controller and machine learning device | |
| US11467024B2 (en) | Diagnostic device, computer program, and diagnostic system | |
| US10678222B2 (en) | Data collection device and computer readable medium | |
| CN106406228A (zh) | 机床的信息取得装置 | |
| CN107885164B (zh) | 刀库性能评估方法及相应装置 | |
| CN111687652A (zh) | 握持力调整装置以及握持力调整系统 | |
| JP5391826B2 (ja) | 鉄鋼プラントシステムのデータ収集装置 | |
| JP2019038074A (ja) | 異常検知装置及び機械学習装置 | |
| JP7181440B1 (ja) | 診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 | |
| CN114995286A (zh) | 一种刀具负载监测方法、系统及存储介质 | |
| US20200033836A1 (en) | Tool management system, tool management device, and tool management method | |
| CN108572630B (zh) | 生产管理装置以及生产系统 | |
| JP2020154712A (ja) | システム、演算装置、及びプログラム | |
| CN110231802B (zh) | 机器人控制装置、记录的生成方法以及存储介质 | |
| CN112180839A (zh) | 电动机信息获取系统 | |
| CN113941901A (zh) | 机床刀具监控方法、监控装置及电子设备 | |
| EP3832415A1 (en) | Automation system, tracking device of said automation system, and method for controlling the same | |
| JP6865057B2 (ja) | 工作機械制御装置、工作機械制御方法及び工作機械制御システム | |
| JP6316919B2 (ja) | 工作機械の数値制御装置 | |
| JP7310195B2 (ja) | 診断装置、診断システム及び診断プログラム | |
| CN112835330A (zh) | 程序重新开始辅助装置 | |
| JP7471529B1 (ja) | 診断システム及び診断方法 | |
| WO2024075567A1 (ja) | 診断システム、情報処理装置、診断方法、及びプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220614 |
|
| A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220614 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220823 |
|
| 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: 20221018 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221117 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7181440 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |