JP7210997B2 - 監視システム - Google Patents
監視システム Download PDFInfo
- Publication number
- JP7210997B2 JP7210997B2 JP2018195914A JP2018195914A JP7210997B2 JP 7210997 B2 JP7210997 B2 JP 7210997B2 JP 2018195914 A JP2018195914 A JP 2018195914A JP 2018195914 A JP2018195914 A JP 2018195914A JP 7210997 B2 JP7210997 B2 JP 7210997B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- processing
- input data
- inspection
- feature information
- 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
Images
Description
本発明は、監視システムに関する。
研削盤や旋盤等の加工装置が備える回転軸や駆動軸等の装置要素は、外部要因（温度等）、工具（砥石等）や治具の摩耗等の経年変化によって状態が変化する。装置要素の変化は、ワークの加工状態の変化となって現れる場合がある。加工状態の変化は、加工するワークの品質異常に繋がるおそれがある。このため、加工装置が備える装置要素の状態変化を監視することは、ワークの品質管理において重要である。
特開２００６－１７３３７３号公報（特許文献１）は、加工装置の異常を監視する機構を備えたシステムを提案している。このシステムは、加工装置の状態を表す値を測定し、予め設定された判定基準を用いて加工装置の異常を検知する。
加工装置の状態を表す値として、例えば、回転軸や駆動軸の振動の振幅値がある。この値が判定基準を超えると加工装置の異常が検出される。つまり、従来の技術では、異常が発生すると、その異常を検知可能であるが、異常発生の予兆を捉えることは困難である。そのため、異常発生によって、長時間にわたって加工装置を停止させることは避けられず、生産能率が低くなる。
そこで、本発明は、加工装置の異常発生の予兆を捉えることが可能となる監視システムを提供することを目的とする。
本発明の監視システムは、複数の装置要素を有して構成され、ワークの加工を行うと共に、当該ワークの加工により得られる当該装置要素の状態を示す加工データを出力する加工装置と、前記ワークの検査を行い、当該ワークの検査データを出力する検査装置と、前記加工データ及び検査データを前記ワーク毎に前記加工装置及び前記検査装置から取得し、当該加工データ及び当該検査データを処理する処理装置と、を備え、前記処理装置は、前記ワークの品質に影響を与える可能性のある前記加工データ及び加工後の前記ワークの品質に関する前記検査データから入力データを取得する前処理部と、複数のワークについての前記入力データを処理対象のデータとして用いて、当該入力データの特徴を示す特徴情報として、前記検査データと前記加工データとの相関を示す関数を取得する調査処理部と、前記調査処理部にて用いていない前記入力データと、前記特徴情報との類似性を示す第一の指標を求め、当該特徴情報の適否を判定する第一判定部と、前記第一判定部により適すると判定された前記特徴情報と、前記調査処理部及び前記第一判定部にて用いていない前記入力データとの類似性を示す第二の指標を求め、当該第二の指標に基づいて前記加工装置の異常の兆候の有無を判定する第二判定部と、を有する。
加工装置が備える装置要素の状態は、ワークの品質に影響を与える可能性がある。そこで、前記監視システムによれば、処理装置は、ワークの加工により得られる装置要素の状態を示す加工データ、及び、当該ワークの検査データから、入力データを取得する。入力データが処理対象のデータとして用いられ、入力データの特徴を示す特徴情報が取得され、その特徴情報の適否が判定される。加工装置が備える装置要素の状態が変化していなければ、適すると判定された特徴情報と、前記調査処理部及び前記第一判定部にて用いていない新たに取得された入力データとの類似性は高い。つまり、前記類似性が高いと判定された場合は、装置要素の状態が変化しておらず、加工装置において異常の兆候が無いと推定される。これに対して、適すると判定された特徴情報と、前記調査処理部及び前記第一判定部にて用いていない新たに取得された入力データとの類似性が低いと判定された場合は、装置要素の状態が変化していて、異常の兆候が発生していると推定される。このように前記監視システムによれば、加工装置の装置要素、特に前記判定の対象となる特徴情報を取得する基となった装置要素について、異常発生の予兆を捉えることが可能となる。
また、好ましくは、前記第二判定部は、前記第二の指標と閾値とを比較し、当該第二の指標が当該閾値以下となる回数が所定数以上である場合に、前記加工装置に異常の兆候が有ると判定する。
この場合、加工装置において異常発生の予兆が無い状態で、偶発的に第二の指標が閾値以下となった場合に、異常の予兆が有ると誤って判定されるのを防ぎ、判定の精度を上げることが可能となる。
この場合、加工装置において異常発生の予兆が無い状態で、偶発的に第二の指標が閾値以下となった場合に、異常の予兆が有ると誤って判定されるのを防ぎ、判定の精度を上げることが可能となる。
また、好ましくは、前記第一判定部は、前記特徴情報が不適であると判定すると、前記前処理部は、前記入力データを取得するための条件を変更して、前記加工データから前記入力データを取得する。
この場合、条件が変更されて、入力データが新たに（追加的に）取得される。このため、新たに取得された入力データが処理対象のデータとして用いられて、入力データの特徴を示す特徴情報が再び取得される。そして、この特徴情報の適否が判定される。このため、特徴情報が不適であると判定された場合であっても、新たに別の特徴情報が得られることで、その特徴情報は適すると判定される可能性が生まれる。
この場合、条件が変更されて、入力データが新たに（追加的に）取得される。このため、新たに取得された入力データが処理対象のデータとして用いられて、入力データの特徴を示す特徴情報が再び取得される。そして、この特徴情報の適否が判定される。このため、特徴情報が不適であると判定された場合であっても、新たに別の特徴情報が得られることで、その特徴情報は適すると判定される可能性が生まれる。
また、好ましくは、前記特徴情報は、前記検査データと前記加工データとの相関を示す回帰関数である。
この場合、第一判定部は、回帰関数の取得のためとは別に得られている前記入力データと、当該回帰関数との類似性を示す第一の指標として相関係数を求める。この相関係数が高ければ（１に近ければ）、前記回帰関数は適していると判定される。
この場合、第一判定部は、回帰関数の取得のためとは別に得られている前記入力データと、当該回帰関数との類似性を示す第一の指標として相関係数を求める。この相関係数が高ければ（１に近ければ）、前記回帰関数は適していると判定される。
また、前記調査処理部は、機械学習を用いて前記特徴情報を取得するのが好ましい。この場合、入力データを様々に組み合わせた特徴情報が容易に短時間で生成可能であり、適する特徴情報を取得できる可能性が高くなる。
本発明の監視システムによれば、加工装置における異常発生の予兆を捉えることが可能となる。
〔監視システムの全体構成について〕
図１は、監視システムの一例を示す説明図である。監視システム１０は、加工装置１２と、検査装置１４と、処理装置１６とを備える。加工装置１２は、ワーク７を加工する装置である。本実施形態の加工装置１２は、研磨装置である。ワーク７は、例えば円環状の部材であり、本実施形態では、転がり軸受に用いられる軌道輪（外輪）である。加工装置（研磨装置）１２は、砥石１８を有し（図２参照）、円環状であるワーク７の内周面を砥石１８により研磨する。
図１は、監視システムの一例を示す説明図である。監視システム１０は、加工装置１２と、検査装置１４と、処理装置１６とを備える。加工装置１２は、ワーク７を加工する装置である。本実施形態の加工装置１２は、研磨装置である。ワーク７は、例えば円環状の部材であり、本実施形態では、転がり軸受に用いられる軌道輪（外輪）である。加工装置（研磨装置）１２は、砥石１８を有し（図２参照）、円環状であるワーク７の内周面を砥石１８により研磨する。
図１において、加工装置１２によって所定の加工が行われたワーク７は、検査装置１４に搬入される。検査装置１４はワーク７の検査を行う。検査項目は、例えば、ワーク７の直径（内径及び外径）、真円度、円筒度等の形状に関する項目である。加工装置１２と検査装置１４とは同じ製造ラインに設置されている。
処理装置１６は、コンピュータにより構成される。処理装置１６は、加工装置１２及び検査装置１４と通信可能であり、各種データの送受信を行う。処理装置１６は、プロセッサー及び記憶装置５５を有する。記憶装置５５に記憶されているコンピュータプログラムを前記プロセッサーが実行することで、複数の機能部が得られる。処理装置１６は、前記機能部として、前処理部２０、調査処理部２１、第一判定部２２、及び第二判定部２３を備える。これら機能部については後に説明する。
加工装置１２は、ワーク７の加工（研磨加工）を行うと共に、加工データＤ１を出力する。加工データＤ１は、加工装置１２が備える主軸２９等の装置要素の状態を示すデータであり、ワーク７を加工している際に、又は、ワーク７の加工の前後の状態より、得られる。加工装置１２の装置要素及び加工データＤ１の具体例については後に説明する。加工装置１２は、加工データＤ１を出力するために通信部２４（通信インターフェース）を有する。加工装置１２から出力された加工データは、処理装置１６に入力される。
検査装置１４は、加工装置１２によって加工されたワーク７の検査を行い、このワーク７の検査データＤ２を出力する。検査データＤ２は、加工後のワーク７の品質に関連するデータである。検査装置１４は、検査データＤ２を出力するために通信部２５（通信インターフェース）を有する。検査装置１４から出力された検査データＤ２は、処理装置１６に入力される。
処理装置１６は、加工データＤ１及び検査データＤ２を入力するために通信部２６（通信インターフェース）を有する。処理装置１６は、取得した加工データＤ１及び検査データＤ２を処理し、加工装置１２が備える前記装置要素の異常の兆候の有無を判定する処理を実行する。
〔加工装置１２について〕
図２は、加工装置１２の一部を示す説明図である。加工装置１２は、ワーク７を主軸ユニット２７に取り付けるためのチャック２８、チャック２８と一体回転する主軸２９、主軸２９を回転させる主軸用モータ３０、砥石１８、砥石１８と一体回転する砥石軸３１、砥石軸３１を回転させる砥石軸用モータ３２、砥石１８のドレッシングを行う工具（ドレッサ）３３、工具３３と一体回転するロータリディスク軸３４、ロータリディスク軸３４を回転させるドレス用モータ３５、切り込み軸３６によって駆動する切り込み用アクチュエータ３７、及び、スライド軸３８によって駆動するスライド用アクチュエータ３９を有する。
図２は、加工装置１２の一部を示す説明図である。加工装置１２は、ワーク７を主軸ユニット２７に取り付けるためのチャック２８、チャック２８と一体回転する主軸２９、主軸２９を回転させる主軸用モータ３０、砥石１８、砥石１８と一体回転する砥石軸３１、砥石軸３１を回転させる砥石軸用モータ３２、砥石１８のドレッシングを行う工具（ドレッサ）３３、工具３３と一体回転するロータリディスク軸３４、ロータリディスク軸３４を回転させるドレス用モータ３５、切り込み軸３６によって駆動する切り込み用アクチュエータ３７、及び、スライド軸３８によって駆動するスライド用アクチュエータ３９を有する。
主軸２９が回転することでワーク７が主軸２９の中心線回りに回転する。砥石軸３１が回転することで砥石１８が回転する。ロータリディスク軸３４が回転することで工具３３が回転する。スライド用アクチュエータ３９は、砥石１８、砥石軸３１、及び砥石軸用モータ３２を含む砥石ユニット４０を、ワーク７の中心線に平行な方向に沿って直線的に移動させる。この移動によって、砥石１８が、ワーク７の内周面（又は外周面）に対向する加工位置と、砥石１８がワーク７から離れた退避位置との間を移動する。切り込み用アクチュエータ３７は、主軸ユニット２７を、ワーク７の径方向に平行な方向に沿って直線的に移動させる。この移動量に応じて、ワーク７に対する砥石１８の切り込み量が決まる。
加工装置１２は、更に、装置要素として、ワーク７の加工位置にクーラントを供給するクーラント装置４１、ワーク７の寸法を計測する定寸装置４２、ワーク７の加工雰囲気温度を計測する温度計４３、クーラント装置４１のクーランドの温度を計測する温度計４４、及び、加工領域に対してワーク７の搬入及び搬出を行うシリンダ４５を備える。
加工装置１２は、更に、複数のセンサを備える。各センサは、加工装置１２が備える主軸２９等の前記装置要素の状態を検出する。前記センサには、主軸用モータ３０の電流値を計測するセンサ５０ａ、砥石軸用モータ３２の電流値を計測するセンサ５０ｂ、ドレス用モータ３５の電流値を計測するセンサ５０ｃ、切り込み軸３６を駆動するためのモータの電流値を計測するセンサ５０ｄ、及び、スライド軸３８を駆動するためのモータの電流値を計測するセンサ５０ｅが含まれる。センサ５０ａ～５０ｅは、電流計により構成される。各モータの負荷抵抗が電流値として取得される。
前記センサには、切り込み軸３６の駆動位置又は駆動ストロークを計測する位置センサ５１ａ、スライド軸３８の駆動位置又は駆動ストロークを計測する位置センサ５１ｂ、及び、定寸装置４２によるワーク７の測定対象位置を計測する位置センサ５１ｃが含まれる。切り込み軸３６の駆動位置及び駆動ストロークは、ワーク７の位置（つまり、切り込み位置）及び切り込み量に相当する。スライド軸３８の駆動位置及び駆動ストロークは、砥石１８の位置及び移動ストロークに相当する。
前記センサには、主軸２９の振動を計測する振動センサ５２ａ、砥石軸３１の振動を計測する振動センサ５２ｂ、ロータリディスク軸３４の振動を計測する振動センサ５２ｃ、切り込み軸３６の振動を計測する振動センサ５２ｄ、及び、スライド軸３８の振動を計測する振動センサ５２ｅが含まれる。更に、前記センサには、電圧計５３ａ、濃度計５３ｂ、及び圧力計５３ｃが含まれる。チャック２８はマグネット式であり、チャック力はマグネットに作用させる電圧と相関がある。電圧計５３ａは、チャック力として、前記電圧を計測する。濃度計５３ｂは、クーラント装置４１のクーラントの濃度を計測する。シリンダ４５は流体式であり、圧力計５３ｃは、シリンダ４５の流体の圧力を計測する。
加工装置１２は、主軸２９等の前記装置要素の状態を検出するためのセンサとして機能する演算部（演算器）５４を更に有する。演算部５４は、切り込み軸３６の駆動ストロークに応じて、つまり、位置センサ５１ａの検出信号に基づいて、ワーク７の加工工程を示す工程情報を取得する。加工工程には、加工開始から順に、割り出し工程、準急工程、黒皮工程、粗工程、仕上げ工程、及びスパークアウト工程が含まれる。各工程によって切り込み軸３６の駆動位置が異なることから、演算部５４は、位置センサ５１ａの検出信号に基づいて、現在、どの工程にあるのかを判定することができ、工程情報を取得する。例えば、各工程には符号（数字）が割り当てられていて、工程情報として符号（数字）が取得される。各工程については、後に説明する。
演算部５４は、定寸装置４２により得られたデータと、切り込み軸３６の駆動ストローク（位置センサ５１ａの検出信号）とに基づいて、加工効率（加工能率とも称する）を算出する。前記駆動ストロークと、定寸装置４２により得られたワーク７の実際の半径についての加工量とが同じ値である場合、加工効率は１００％であり、前記加工量が前記駆動ストロークの半分である場合、加工効率は５０％である。
前記工程情報を取得する演算部５４と、前記加工効率を算出する演算部５４とは別であってもよい。
前記工程情報を取得する演算部５４と、前記加工効率を算出する演算部５４とは別であってもよい。
前記センサ５０ａ～５０ｅ、５１ａ～５１ｃ、５２ａ～５２ｅ、電圧計５３ａ、濃度計５３ｂ、圧力計５３ｃ、及び演算部５４により取得される情報（データ）それぞれが、前記「加工データＤ１」である。加工データＤ１は、ワーク７の品質に影響を与える可能性のあるパラメータである。各センサ等によって加工データＤ１が取得されると、その加工データＤ１は、ワーク７（ワーク７の識別データ）と対応付けられて処理装置１６に出力される。識別データは、ワーク７が加工された年月日と時間とによるデータであってもよい。
加工装置１２における加工工程について説明する。割り出し工程では、砥石１８がワーク７に非接触である。準急工程では、砥石１８がワーク７の内周面のうち、軌道の軸方向隣の肩部に接触する。黒皮工程では、砥石１８がワーク７の内周面に対して全体的に接触する。粗工程では、砥石１８がワーク７の内周面に対して全体的に接触し、所定の研磨量が得られるまで研磨する。仕上げ工程では、ワーク７の内周面が所望の精度となるまで研磨する。スパークアウト工程で、砥石１８がワーク７から離れる。
以上のように、加工装置１２は、主軸２９等の複数の装置要素を有して構成される。加工装置１２は、ワーク７の加工を行うと共に、前記装置要素の状態を示す加工データＤ１を出力する。加工データＤ１は、ワーク７の加工により得られるデータである。加工装置１２によってワーク７が加工される毎に、当該ワーク７の様々な加工データＤ１が前記センサ等によって取得される。ワーク７の加工データＤ１は、当該ワーク７の識別データと対応付けされる。識別データと対応付けられた加工データＤ１が処理装置１６に出力される。
〔検査装置１４について〕
検査装置１４（図１参照）は、加工済みのワーク７の形状に関する検査を実行し、検査結果を示す検査データＤ２を生成する。検査装置１４は、例えばワーク７の寸法を測定する測定部（測定器）１５ａと、測定部１５ａの測定結果に基づいて検査データＤ２を生成する処理部１５ｂとを有する。検査装置１４によってワーク７が検査される毎に、当該ワーク７の検査データＤ２が取得される。検査装置１４が有する装置は、前記測定部（測定器）１５ａ等以外であってもよい。ワーク７の検査データＤ２は、当該ワーク７の識別データと対応付けされる。識別データと対応付けられた検査データＤ２が処理装置１６に出力される。
検査装置１４（図１参照）は、加工済みのワーク７の形状に関する検査を実行し、検査結果を示す検査データＤ２を生成する。検査装置１４は、例えばワーク７の寸法を測定する測定部（測定器）１５ａと、測定部１５ａの測定結果に基づいて検査データＤ２を生成する処理部１５ｂとを有する。検査装置１４によってワーク７が検査される毎に、当該ワーク７の検査データＤ２が取得される。検査装置１４が有する装置は、前記測定部（測定器）１５ａ等以外であってもよい。ワーク７の検査データＤ２は、当該ワーク７の識別データと対応付けされる。識別データと対応付けられた検査データＤ２が処理装置１６に出力される。
〔処理装置１６について〕
処理装置１６は、加工データＤ１及び検査データＤ２を取得すると、これらデータＤ１，Ｄ２と対応付けられているワーク７の識別データに基づいて、ワーク７毎に（識別データ毎に）加工データＤ１及び検査データＤ２を記憶装置５５に記憶する。例えば１００個のワーク７について加工及び検査が行われた場合、一つのワーク７についての加工データＤ１及び検査データＤ２を一組とすると、１００組のデータが記憶される。なお、言うまでもなく、全てのワーク７のデータを記憶させる必要はなく、一部のワーク７のデータであってもよい。
処理装置１６は、加工データＤ１及び検査データＤ２を取得すると、これらデータＤ１，Ｄ２と対応付けられているワーク７の識別データに基づいて、ワーク７毎に（識別データ毎に）加工データＤ１及び検査データＤ２を記憶装置５５に記憶する。例えば１００個のワーク７について加工及び検査が行われた場合、一つのワーク７についての加工データＤ１及び検査データＤ２を一組とすると、１００組のデータが記憶される。なお、言うまでもなく、全てのワーク７のデータを記憶させる必要はなく、一部のワーク７のデータであってもよい。
前記のとおり、処理装置１６は、プロセッサーがプロブラムを実行することで得られる機能部として、前処理部２０、調査処理部２１、第一判定部２２、及び、第二判定部２３を備える。
前処理部２０が有する機能について説明する。
図３は、加工データＤ１の一つである、センサ５０ｂにより計測された砥石軸用モータ３２の電流値（電流値データ）の説明図である。この加工データＤ１は、ワーク７の加工の開始から終了までの間の時系列データである。前処理部２０は、加工データＤ１を、加工工程毎に分割する。図３では、説明を容易とするために、第一工程（黒皮工程）、第二工程（粗工程）、第三工程（仕上げ工程）が示される。加工データＤ１が、第一工程、第二工程、及び第三工程に分割される。前処理部２０は、分割した各データから、入力データを生成する。例えば分割された各データの信号レベルに基づいて入力データを生成する。また、一つの工程を更に複数に分割し、その分割した領域毎のデータから入力データを生成してもよい。例えば、第二工程（粗工程）を２のｎ乗の数（例えば２５６）の領域に分割し、領域毎の入力データを取得してもよい。
図３は、加工データＤ１の一つである、センサ５０ｂにより計測された砥石軸用モータ３２の電流値（電流値データ）の説明図である。この加工データＤ１は、ワーク７の加工の開始から終了までの間の時系列データである。前処理部２０は、加工データＤ１を、加工工程毎に分割する。図３では、説明を容易とするために、第一工程（黒皮工程）、第二工程（粗工程）、第三工程（仕上げ工程）が示される。加工データＤ１が、第一工程、第二工程、及び第三工程に分割される。前処理部２０は、分割した各データから、入力データを生成する。例えば分割された各データの信号レベルに基づいて入力データを生成する。また、一つの工程を更に複数に分割し、その分割した領域毎のデータから入力データを生成してもよい。例えば、第二工程（粗工程）を２のｎ乗の数（例えば２５６）の領域に分割し、領域毎の入力データを取得してもよい。
入力データとしては、例えば、前記信号レベルの平均値、最大値、最小値、中央値、標準偏差、変化の割合（傾き）、面積（積分値）、及び、微分値のうちの少なくとも一つである。このように、前処理部２０は、加工データＤ１に対して各種の処理を行い、加工データＤ１から入力データを取得する。電流値についての加工データＤ１の場合、前処理部２０は、加工データＤ１を分割し、分割したデータの信号レベルを数値化した入力データとして取得する。
図４は、加工データＤ１の一つである、センサ５２ａにより計測された主軸２９の振動（振動波形データ）の説明図である。この加工データＤ１は、ワーク７の加工の開始から終了までの間の時系列データである。前処理部２０は、この加工データＤ１を周波数解析し（ＦＦＴ処理し）、周波数毎の信号レベル（強度）についての入力データを生成する。なお、周波数解析の前に、前記の場合と同様、加工データＤ１を例えば工程毎に分割し、分割したデータを周波数解析してもよい。このように、前処理部２０は、加工データＤ１に対して各種の処理を行い、加工データＤ１から入力データを取得する。振動についての加工データＤ１の場合、前処理部２０は、加工データＤ１を周波数解析して得たデータの信号レベルを数値化した入力データとして取得する。
その他の加工データＤ１についても様々な入力データに変換される。入力データは、数値のデータとなる。
入力データは、分割された領域別（工程別）に、一つの変数とする他に、複数の変数により構成されたデータであってもよい。前記変数の例として、信号レベルの平均値、変化の割合（傾き）、面積（積分値）等である。または、入力データは、信号レベル等の値の二乗項であってもよく、交互作用項であってもよい。
入力データは、分割された領域別（工程別）に、一つの変数とする他に、複数の変数により構成されたデータであってもよい。前記変数の例として、信号レベルの平均値、変化の割合（傾き）、面積（積分値）等である。または、入力データは、信号レベル等の値の二乗項であってもよく、交互作用項であってもよい。
前処理部２０は、検査データＤ２から入力データを取得する。各ワーク７の検査データＤ２に、複数の検査項目のデータが含まれている場合、検査データＤ２を検査項目毎の入力データに変換してもよい。検査項目が一つの場合、検査データＤ２をそのまま入力データとして取得する。
加工データＤ１及び検査データＤ２それぞれから生成された各入力データは、記憶装置５５に、ワーク７（ワーク７の識別データ）と対応付けられて記憶される。
加工データＤ１及び検査データＤ２それぞれから生成された各入力データは、記憶装置５５に、ワーク７（ワーク７の識別データ）と対応付けられて記憶される。
調査処理部２１が有する機能について説明する。
記憶装置５５には、複数のワーク７についての入力データが記憶されている。調査処理部２１は、複数のワーク７の入力データを処理対象のデータとして用いて、回帰分析を実行する。回帰分析としては、単回帰であってもよく、重回帰、ｌａｓｓｏ回帰、ｅｌａｓｔｉｃｎｅｔ回帰であってもよい。本実施形態では、処理対象のデータは、記憶装置５５に記憶されている複数（１００個）のワーク７についての入力データの内の、一部（１０個）のワーク７についての入力データを除くデータとする。つまり、前記一部を除く所定数（９０個）のワーク７についての入力データを処理対象のデータとする。前記所定数のワーク７それぞれについての入力データの中から、複数種類の入力データが選択される。回帰分析により、これら複数種類の入力データの回帰関数（回帰直線又は回帰曲線）が得られる。例えば、加工データＤ１から得られた入力データと検査データＤ２から得られた入力データとが選択される。この場合、加工データＤ１から得られた入力データと検査データＤ２から得られた入力データとの相関や傾向を示す関数（回帰関数）が得られる。図３及び図４それぞれから得られた入力データが選択され、これらの相関や傾向を示す関数（回帰関数）が得られてもよい。
記憶装置５５には、複数のワーク７についての入力データが記憶されている。調査処理部２１は、複数のワーク７の入力データを処理対象のデータとして用いて、回帰分析を実行する。回帰分析としては、単回帰であってもよく、重回帰、ｌａｓｓｏ回帰、ｅｌａｓｔｉｃｎｅｔ回帰であってもよい。本実施形態では、処理対象のデータは、記憶装置５５に記憶されている複数（１００個）のワーク７についての入力データの内の、一部（１０個）のワーク７についての入力データを除くデータとする。つまり、前記一部を除く所定数（９０個）のワーク７についての入力データを処理対象のデータとする。前記所定数のワーク７それぞれについての入力データの中から、複数種類の入力データが選択される。回帰分析により、これら複数種類の入力データの回帰関数（回帰直線又は回帰曲線）が得られる。例えば、加工データＤ１から得られた入力データと検査データＤ２から得られた入力データとが選択される。この場合、加工データＤ１から得られた入力データと検査データＤ２から得られた入力データとの相関や傾向を示す関数（回帰関数）が得られる。図３及び図４それぞれから得られた入力データが選択され、これらの相関や傾向を示す関数（回帰関数）が得られてもよい。
回帰関数の取得の例を説明する（ｅｌａｓｔｉｃｎｅｔ回帰）。
処理対象のデータ（学習データ）の数が、９０個のワーク７によるものとする。例えば、Ｘ１、ｎは特徴量１として傾きであり、Ｘ２、ｎは特徴量２として面積であり、Ｘ３、ｎは特徴量３として平均であり、交互作用（特徴量４）としてＸ１，ｎ・Ｘ２，ｎ、Ｘ１，ｎ・Ｘ３，ｎ、Ｘ２，ｎ・Ｘ３，ｎが用いられるとする。これらが加工データＤ１に基づく入力データである。処理対象となる入力データは次のようになる。
ｎ１＝Ｘ１，１、Ｘ２，１、Ｘ３，１、Ｘ１，１・Ｘ２，１、Ｘ１，１・Ｘ３，１、Ｘ２，１・Ｘ３，１
ｎ２＝Ｘ１，２、Ｘ２，２、Ｘ３，２、Ｘ１，２・Ｘ２，２、Ｘ１，２・Ｘ３，２、Ｘ２，２・Ｘ３，２
・・・
ｎ９０＝Ｘ１，９０、Ｘ２，９０、Ｘ３，９０、Ｘ１，９０・Ｘ２，９０、Ｘ１，９０・Ｘ３，９０、Ｘ２，９０・Ｘ３，９０
ｎ１、ｎ２ ・・・ ｎ９０は、全てワーク７毎に検査データＤ２と紐付けられている。
偏回帰係数として、前記のＸ１，１、Ｘ２，１ ・・・に対して品質（検査データＤ２）に対する寄与度（数値）が算出される。例えば、Ｘ１の寄与度が０．１であり、Ｘ２の寄与度が０．２である。
この場合、回帰関数（回帰式）として、例えば次の式が得られる。
Ｙ＝０．１Ｘ１＋０．２Ｘ２＋ ・・・＋（切片）
処理対象のデータ（学習データ）の数が、９０個のワーク７によるものとする。例えば、Ｘ１、ｎは特徴量１として傾きであり、Ｘ２、ｎは特徴量２として面積であり、Ｘ３、ｎは特徴量３として平均であり、交互作用（特徴量４）としてＸ１，ｎ・Ｘ２，ｎ、Ｘ１，ｎ・Ｘ３，ｎ、Ｘ２，ｎ・Ｘ３，ｎが用いられるとする。これらが加工データＤ１に基づく入力データである。処理対象となる入力データは次のようになる。
ｎ１＝Ｘ１，１、Ｘ２，１、Ｘ３，１、Ｘ１，１・Ｘ２，１、Ｘ１，１・Ｘ３，１、Ｘ２，１・Ｘ３，１
ｎ２＝Ｘ１，２、Ｘ２，２、Ｘ３，２、Ｘ１，２・Ｘ２，２、Ｘ１，２・Ｘ３，２、Ｘ２，２・Ｘ３，２
・・・
ｎ９０＝Ｘ１，９０、Ｘ２，９０、Ｘ３，９０、Ｘ１，９０・Ｘ２，９０、Ｘ１，９０・Ｘ３，９０、Ｘ２，９０・Ｘ３，９０
ｎ１、ｎ２ ・・・ ｎ９０は、全てワーク７毎に検査データＤ２と紐付けられている。
偏回帰係数として、前記のＸ１，１、Ｘ２，１ ・・・に対して品質（検査データＤ２）に対する寄与度（数値）が算出される。例えば、Ｘ１の寄与度が０．１であり、Ｘ２の寄与度が０．２である。
この場合、回帰関数（回帰式）として、例えば次の式が得られる。
Ｙ＝０．１Ｘ１＋０．２Ｘ２＋ ・・・＋（切片）
一般的な回帰関数（回帰式）は、次の式（１）により表される。
ｙ（予測値）＝（特徴量１の偏回帰係数）×（特徴量１）
＋（特徴量２の偏回帰係数）×（特徴量２）
・・・
＋（特徴量ｍの偏回帰係数）×（特徴量ｍ）
＋（切片）
ｙ（予測値）＝（特徴量１の偏回帰係数）×（特徴量１）
＋（特徴量２の偏回帰係数）×（特徴量２）
・・・
＋（特徴量ｍの偏回帰係数）×（特徴量ｍ）
＋（切片）
回帰関数は、選択された複数種類の入力データについての特徴（相関や傾向）を示す特徴情報である。以下において、前記回帰関数（特徴情報）を予測関数とも称する。前処理部２０により様々な種類の入力データが取得される（例えば、図３及び図４参照）。そこで、調査処理部２１は、組み合わせた複数種類の入力データを一組とすると、複数組についての予測関数を取得する。生成された予測関数は、記憶装置５５に記憶される。このように、調査処理部２１は、複数のワーク７についての入力データを処理対象のデータとして用いて、入力データの特徴を示す特徴情報を取得する。
調査処理部２１が実行する処理は、回帰分析以外（例えばＭＴ法）であってもよい。特徴を示す特徴情報は、数式によって表現されるものであってもよく、それ以外の形式によるものであってもよい。複数のワーク７についての一種類の入力データから、その入力データの特徴情報として特徴量（例えば、ベクトル）が取得されてもよい。また、回帰分析は、前記プロセッサーが行う機械学習によって実行されるのが好ましい。検査データＤ２と、予め設定されている許容値のデータとから、その検査データＤ２のワーク７が良品であるか不良品であるかの判定が処理装置１６により実行可能である。このため、良品のワーク７の入力データを教師データとして用い、教師有りの機械学習とすることができる。これにより、入力データを様々組み合わせた回帰関数（モデル）が容易に生成可能であり、適する回帰関数を取得することができる可能性が高くなる。この調査処理部２１によれば、検査データＤ２と、その検査データＤ２と相関の強い加工データＤ１とに基づく入力データの特徴情報（回帰関数）を取得することができる可能性が高くなる。
第一判定部２２が有する機能について説明する。
前記のとおり、本実施形態では、予測関数を得るために用いられた処理対象のデータは、一部を除く所定数（９０個）のワーク７についての入力データである。そこで、第一判定部２２は、前記一部の入力データを「実測値」として用い、この一部の入力データと、前記予測関数との相関を求める。なお、前記実測値として用いる入力データは、新たに別で取得した加工データＤ１及び検査データＤ２から変換した入力データであってもよい。前記のとおり、予測関数は、調査処理部２１によって、様々な入力データの組に関して取得されている。第一判定部２２は、取得されている全ての予測関数について、その予測関数と対応する入力データ（実測値）との相関が求められる。つまり、予測関数から算出された予測値と、この予測関数の基となった入力データと種類が同じである入力データ（実測値）とから、第一の相関係数が算出される。ここでの相関係数は、実測値としての入力データと、予測関数との類似性を示す指標である。
前記のとおり、本実施形態では、予測関数を得るために用いられた処理対象のデータは、一部を除く所定数（９０個）のワーク７についての入力データである。そこで、第一判定部２２は、前記一部の入力データを「実測値」として用い、この一部の入力データと、前記予測関数との相関を求める。なお、前記実測値として用いる入力データは、新たに別で取得した加工データＤ１及び検査データＤ２から変換した入力データであってもよい。前記のとおり、予測関数は、調査処理部２１によって、様々な入力データの組に関して取得されている。第一判定部２２は、取得されている全ての予測関数について、その予測関数と対応する入力データ（実測値）との相関が求められる。つまり、予測関数から算出された予測値と、この予測関数の基となった入力データと種類が同じである入力データ（実測値）とから、第一の相関係数が算出される。ここでの相関係数は、実測値としての入力データと、予測関数との類似性を示す指標である。
第一の相関係数の算出の例について説明する。
予測関数である回帰関数（回帰式）つまり前記式（１）を使用して、前記一部である１０個のワーク７についてのデータ１０個の予測値（式（１）のｙの値）を算出する。
そして、前記予測関数から算出された予測値と、入力データ（実測値）とから、第一の相関係数が算出される。
相関係数の計算式は、次のとおりである。実測値をｘとし、予測値をｙとすると、
（相関係数）＝（ｘとｙの共分散）／〔（ｘの標準偏差）×（ｙの標準偏差）〕
予測関数である回帰関数（回帰式）つまり前記式（１）を使用して、前記一部である１０個のワーク７についてのデータ１０個の予測値（式（１）のｙの値）を算出する。
そして、前記予測関数から算出された予測値と、入力データ（実測値）とから、第一の相関係数が算出される。
相関係数の計算式は、次のとおりである。実測値をｘとし、予測値をｙとすると、
（相関係数）＝（ｘとｙの共分散）／〔（ｘの標準偏差）×（ｙの標準偏差）〕
更に、第一判定部２２は、算出した第一の相関係数と、予め設定されている閾値（例えば０．９）との比較を行い、この比較の結果に基づいて、予測関数の適否を判定する。この適否は、取得された予測関数が、前記実測値に倣ったものであるか否かの確認である。取得された予測関数が前記実測値に倣っている場合、相関係数は高い。これに対して、取得された予測関数が前記実測値に倣っていない場合、相関係数は低い。このように、第一判定部２２は、調査処理部２１にて用いていない実測値としての入力データ、つまり、予測関数（特徴情報）の取得のためとは別に得られている実測値としての入力データと、予測関数（特徴情報）との類似性を示す（第一の）指標として（第一の）相関係数を求める。そして、第一判定部２２は、この相関係数と閾値（例えば０．９）とを比較することで、この相関係数を求める対象となった予測関数（特徴情報）の適否を判定する。第一判定部２２により適すると判定された予測関数、具体的には閾値０．９以上である予測関数は「有効予測関数（有効な特徴情報）」と定義され、記憶装置５５に記憶される。有効予測関数が、加工装置１２によって新たに多くのワーク７を加工する実際の運用（生産）の際に用いられる。なお、ここで得られた有効予測関数は、一つであってもよく、複数であってもよい。また、有効予測関数が複数の場合、その全てが用いられてもよく、又は、相関係数の高い上位のいくつか（例えば上位の一つ又は二つ）が選択されて用いられてもよい。
検査データＤ２に基づく入力データと加工データＤ１に基づく入力データとの組み合わせにより予測関数が取得され、その予測関数が適していると判定された場合、その予測関数（有効予測関数）が取得されたということは、ワーク７の品質と相関のある（相関の強い）装置要素の加工データＤ１が抽出されたことを意味する。抽出された加工データＤ１に基づく予測関数（有効予測関数）を用いて、後に説明するが、加工装置１２の異常の兆候の有無が判定される。第一判定部２２によれば、検査データＤ２と相関のある加工データＤ１（この加工データＤ１に基づく入力データ）の特徴が、予測関数（有効予測関数）として取得される。
第二判定部２３が有する機能について説明する。
加工装置１２によって新たにワーク７を加工する実際の生産が開始されると（後述の運用工程）、各ワーク７についての加工データＤ１及び検査データＤ２が取得される。これら加工データＤ１及び検査データＤ２を処理装置１６が取得する。前記のとおり、前処理部２０によって、加工データＤ１及び検査データＤ２から入力データが取得される。このようにして、新たな入力データが取得される。
加工装置１２によって新たにワーク７を加工する実際の生産が開始されると（後述の運用工程）、各ワーク７についての加工データＤ１及び検査データＤ２が取得される。これら加工データＤ１及び検査データＤ２を処理装置１６が取得する。前記のとおり、前処理部２０によって、加工データＤ１及び検査データＤ２から入力データが取得される。このようにして、新たな入力データが取得される。
第二判定部２３は、前記有効予測関数と、その有効予測関数と対応する新たに取得された入力データとの相関を求める。つまり、有効予測関数から算出された予測値と、新たに取得された入力データとから第二の相関係数が算出される。前記新たに取得された入力データは、有効予測関数の基となった入力データと種類が同じである。この相関係数の算出は、新たな入力データが取得される毎に行われ、全ての有効予測関数について行われる。ここでの相関係数は、有効予測関数と、新たに取得された入力データとの類似性を示す指標である。第二の相関係数の算出は、第一の相関係数の算出と同様の演算により行われる。
更に、第二判定部２３は、算出した第二の相関係数と、閾値（例えば０．４）とを比較し、所定回数（例えば１０回）について連続して第二の相関係数が当該閾値（０．４）を下回った場合、加工装置１２において異常の兆候が有ると判定する。この判定がされると、第二判定部２３は、異常信号を生成し、異常信号によって、例えば処理装置１６のディスプレイに異常発生の旨の表示が行われる。これにより、管理者は加工装置１２の異常の兆候を知ることが可能となる。このように、第二判定部２３は、第一判定部２２により適すると判定された有効予測関数（有効な特徴情報）と、調査処理部２１及び第一判定部２２にて用いていない入力データ、つまり、新たに取得された入力データとの類似性を示す第二の指標としての第二の相関係数を求める。そして、第二判定部２３は、この第二の相関係数に基づいて、加工装置の異常の兆候の有無を判定する。特に、有効予測関数を取得する基となる入力データに該当する装置要素に関して、異常の兆候の有無が判定される。
前記のように、第二判定部２３は、第二の指標としての第二の相関係数と、閾値（０．４）とを比較し、第二の相関係数が当該閾値以下となる回数が所定数（例えば１０回）以上である場合に、加工装置１２（加工装置１２のいずれかの装置要素）に異常の兆候が有ると判定する。新たに取得された入力データが、有効予測関数との相関が低く、このようなデータが（例えば１０回）連続した場合、異常の兆候が有ると判定される。
以上のように、処理装置１６は、加工データＤ１及び検査データＤ２をワーク７毎に加工装置１２及び検査装置１４から取得する。処理装置１６は、これら加工データＤ１及び検査データＤ２を処理することで、加工装置１２の異常の兆候の有無を判定する。
〔加工装置１２の監視手段について〕
以上の構成を備える監視システム１０が実行する加工装置１２の監視方法について説明する。図５及び図６は、前記監視方法を示すフロー図である。監視方法には、事前に実施される、データ収集工程、前処理工程、及び調査処理工程が含まれる。監視方法には、更に、運用工程が含まれる。運用工程は、実際に製品とするワーク７の加工が行われる状態であり、この運用工程において、加工装置１２の監視が実際に行われる。以下、各工程について説明する。
以上の構成を備える監視システム１０が実行する加工装置１２の監視方法について説明する。図５及び図６は、前記監視方法を示すフロー図である。監視方法には、事前に実施される、データ収集工程、前処理工程、及び調査処理工程が含まれる。監視方法には、更に、運用工程が含まれる。運用工程は、実際に製品とするワーク７の加工が行われる状態であり、この運用工程において、加工装置１２の監視が実際に行われる。以下、各工程について説明する。
〔データ収集工程〕
加工データＤ１及び検査データＤ２の収集が開始される（ステップＳ１）。加工装置１２より各センサ等からのデータが収集される（ステップＳ２）。このデータは加工データＤ１であり、例えば、砥石軸３１についての情報、ロータリディスク軸（Ｒ／Ｄ軸）３４についての情報、主軸２９について情報、及び、工程情報等である。検査装置１４よりワーク７の品質測定結果が収集される（ステップＳ３）。例えば、ワーク７の直径（内径、外径）、真円度、円筒度等の計測が検査装置１４において行われ、検査データＤ２が収集される。ワーク７毎に加工データＤ１と検査データＤ２とが対応付けられ（紐付けられ）、記憶される（ステップＳ４）。所定数（例えば１００個）のワーク７について、加工データＤ１及び検査データＤ２が得られると、データ収集工程が終了する（ステップＳ５）。処理装置１６は、取得した検査データＤ２を、許容値のデータと比較することにより、良品データと不良品データとの判別を行う機能を備え、その判別のデータを検査データＤ２に含ませることができる。
加工データＤ１及び検査データＤ２の収集が開始される（ステップＳ１）。加工装置１２より各センサ等からのデータが収集される（ステップＳ２）。このデータは加工データＤ１であり、例えば、砥石軸３１についての情報、ロータリディスク軸（Ｒ／Ｄ軸）３４についての情報、主軸２９について情報、及び、工程情報等である。検査装置１４よりワーク７の品質測定結果が収集される（ステップＳ３）。例えば、ワーク７の直径（内径、外径）、真円度、円筒度等の計測が検査装置１４において行われ、検査データＤ２が収集される。ワーク７毎に加工データＤ１と検査データＤ２とが対応付けられ（紐付けられ）、記憶される（ステップＳ４）。所定数（例えば１００個）のワーク７について、加工データＤ１及び検査データＤ２が得られると、データ収集工程が終了する（ステップＳ５）。処理装置１６は、取得した検査データＤ２を、許容値のデータと比較することにより、良品データと不良品データとの判別を行う機能を備え、その判別のデータを検査データＤ２に含ませることができる。
〔前処理工程〕
所定数のワーク７についての加工データＤ１及び検査データＤ２が得られると、前処理工程が開始される（ステップＳ６）。本実施形態では、前記所定数のうちの一部以外のデータが用いられて、前処理工程が行われる。前処理工程では、加工データＤ１が工程毎に分割される（ステップＳ７）。この処理は、図３により説明したとおりである。前処理部２０は、加工データＤ１に対して分割の処理を行い、更に、分割したデータから入力データを生成する（ステップＳ８）。検査データＤ２からも入力データが生成される。ワーク７毎に、検査データＤ２に基づく入力データと、加工データＤ１に基づく入力データとが対応付けられて記憶される。所要の入力データが全て取得されると（ステップＳ９）、調査処理工程が開始される。
所定数のワーク７についての加工データＤ１及び検査データＤ２が得られると、前処理工程が開始される（ステップＳ６）。本実施形態では、前記所定数のうちの一部以外のデータが用いられて、前処理工程が行われる。前処理工程では、加工データＤ１が工程毎に分割される（ステップＳ７）。この処理は、図３により説明したとおりである。前処理部２０は、加工データＤ１に対して分割の処理を行い、更に、分割したデータから入力データを生成する（ステップＳ８）。検査データＤ２からも入力データが生成される。ワーク７毎に、検査データＤ２に基づく入力データと、加工データＤ１に基づく入力データとが対応付けられて記憶される。所要の入力データが全て取得されると（ステップＳ９）、調査処理工程が開始される。
〔調査処理工程〕
調査処理工程では、入力データについての特徴を示す特徴情報として、回帰関数（予測関数とも称する。）が取得される。加工データＤ１は複数種類存在することから、入力データも複数種類存在し、これに応じて回帰関数は複数取得される。複数の回帰関数の中から、別に取得された入力データとの相関が強い回帰関数を、有効な特徴情報として取得する。この回帰関数を取得する処理は、前記のとおり、機械学習により行われるのが好ましい（ステップＳ１０）。特徴情報として回帰関数を取得するために、本実施形態では、回帰分析が行われる（ステップＳ１１）。
調査処理工程では、入力データについての特徴を示す特徴情報として、回帰関数（予測関数とも称する。）が取得される。加工データＤ１は複数種類存在することから、入力データも複数種類存在し、これに応じて回帰関数は複数取得される。複数の回帰関数の中から、別に取得された入力データとの相関が強い回帰関数を、有効な特徴情報として取得する。この回帰関数を取得する処理は、前記のとおり、機械学習により行われるのが好ましい（ステップＳ１０）。特徴情報として回帰関数を取得するために、本実施形態では、回帰分析が行われる（ステップＳ１１）。
このように、複数のワーク７についての入力データが処理対象のデータとして用いられ、調査処理部２１によって、入力データの特徴を示す特徴情報が取得される。本実施形態の特徴情報は、取得された入力データの中から選択された複数種類の入力データについての回帰関数（予測関数とも称する。）である。複数種類の入力データを一つの組とすると、複数の組についての回帰分析が行われ、複数の予測関数が得られる（図６のステップＳ１２）。
ステップＳ５（図５）では、所定数（１００個）のワーク７について、加工データＤ１及び検査データＤ２が取得されている。前記のとおり、この所定数のうちの一部を残すデータが用いられて、前記前処理工程が行われている。そこで、前記一部を変換して得た入力データを実測値として用い、この一部の入力データ（実測値）と、ステップＳ１２で得られている予測関数から算出された予測値とから相関係数が算出される。ここで用いられる入力データ（実測値）は、予測関数の基となった入力データと種類が同じである。例えば、前記粗工程において砥石軸用モータ３２（図２参照）の電流値の加工データＤ１から取得された入力データに基づいて、予測関数が得られている場合、実測値としての入力データも、前記粗工程において砥石軸用モータ３２の電流値の加工データＤ１から新たに取得された入力データである。取得されている全ての予測関数について、それぞれ予測値が算出されて、実測値との相関が求められる（相関係数が算出される）。
複数の予測関数の中から、算出された相関係数が閾値（０．９）以上となる予測関数を抽出する（ステップＳ１４）。抽出された予測関数が有効予測関数とされる。抽出される予測関数（有効予測関数）は一つであってもよく、複数であってもよい。有効予測関数は、処理装置１６の記憶装置５５に記憶される。
複数の予測関数の中に、算出された相関係数が閾値（０．９）以上となる予測関数（つまり、有効予測関数）が存在していない場合（ステップＳ１４でＮｏの場合）、前処理工程（ステップＳ６）に戻る。更に、この場合、入力データを生成する条件を変更して（ステップＳ１５）、入力データを生成する（ステップＳ６～Ｓ９）。例えば、工程の分割数や変数の数を変更したりする。新たに生成した入力データを用いて、前記調査処理（ステップＳ１０～）が再び実行される。つまり、前記のとおり説明したＳ１０～Ｓ１４と同様、新たに生成した入力データを用いて、回帰分析が行われ、予測関数が取得される。新たに取得された予測関数から算出された予測値と、実測値とから相関係数が算出され、相関係数が閾値（０．９）以上である予測関数を、有効予測関数とする。有効予測関数が得られるまで、前記処理が繰り返し実行される。
〔運用工程〕
ステップＳ１４でＹｅｓの場合、加工装置１２において、ワーク７の加工が進められ、加工されたワーク７が検査装置１４によって検査される。加工装置１２によるワーク７の加工によって、新たな加工データＤ１が取得され、検査装置１４によるワーク７の検査によって、新たな検査データＤ２が取得される。運用工程において新たに取得した加工データＤ１及び検査データＤ２を、運用加工データ及び運用検査データと称する。運用加工データ及び運用検査データが、前処理部２０により前記前処理工程と同様の処理により、入力データに変換される。この入力データを、運用入力データと称する。有効予測関数から算出された予測値と、運用入力データとから相関係数が算出される（ステップＳ１６）。この運用入力データは、有効予測関数の基となった入力データと種類が同じである。例えば、前記粗工程において砥石軸用モータ３２（図２参照）の電流値の加工データＤ１から取得された入力データに基づいて、有効予測関数が得られている場合、運用入力データも、前記粗工程において砥石軸用モータ３２の電流値の加工データＤ１から新たに取得された入力データである。
ステップＳ１４でＹｅｓの場合、加工装置１２において、ワーク７の加工が進められ、加工されたワーク７が検査装置１４によって検査される。加工装置１２によるワーク７の加工によって、新たな加工データＤ１が取得され、検査装置１４によるワーク７の検査によって、新たな検査データＤ２が取得される。運用工程において新たに取得した加工データＤ１及び検査データＤ２を、運用加工データ及び運用検査データと称する。運用加工データ及び運用検査データが、前処理部２０により前記前処理工程と同様の処理により、入力データに変換される。この入力データを、運用入力データと称する。有効予測関数から算出された予測値と、運用入力データとから相関係数が算出される（ステップＳ１６）。この運用入力データは、有効予測関数の基となった入力データと種類が同じである。例えば、前記粗工程において砥石軸用モータ３２（図２参照）の電流値の加工データＤ１から取得された入力データに基づいて、有効予測関数が得られている場合、運用入力データも、前記粗工程において砥石軸用モータ３２の電流値の加工データＤ１から新たに取得された入力データである。
相関係数の算出は、ワーク７が加工され運用入力データが生成される毎に行われる。そこで、算出された相関係数が時系列に並べられる（ステップＳ１７）。相関係数が閾値０．４以下であって（ステップＳ１８でＹｅｓ）、更に、閾値０．４以下の相関係数が１０回連続すると（ステップＳ１９でＹｅｓ）、第二判定部２３によって、加工装置１２（加工装置１２のいずれかの装置要素）に異常の兆候が有ると判定される。この場合、第二判定部２３は、異常信号を生成し、異常信号によって、例えば処理装置１６のディスプレイに異常発生の旨の表示が行われる（ステップＳ２０）。これにより、管理者は加工装置１２の異常の兆候を知ることが可能となる。
〔本実施形態の監視システム１０について〕
以上のように、本実施形態の監視システム１０は、加工装置１２と、検査装置１４と、処理装置１６とを備える。処理装置１６は、前処理部２０と、調査処理部２１と、第一判定部２２と、第二判定部２３とを有する。前処理部２０は、加工データＤ１及び検査データＤ２から入力データを取得する。調査処理部２１は、複数のワーク７についての入力データを処理対象のデータとして用いて、当該入力データの特徴を示す特徴情報を取得する。第一判定部２２は、調査処理部２１にて用いていない入力データと、前記特徴情報との類似性を示す第一の指標を求め、当該特徴情報の適否を判定する。第二判定部２３は、第一判定部２２により適すると判定された特徴情報と、調査処理部２１及び第一判定部２２にて用いていない入力データ（新たに取得された入力データ）との類似性を示す第二の指標を求め、この第二の指標に基づいて加工装置１２の異常の兆候の有無を判定する。
以上のように、本実施形態の監視システム１０は、加工装置１２と、検査装置１４と、処理装置１６とを備える。処理装置１６は、前処理部２０と、調査処理部２１と、第一判定部２２と、第二判定部２３とを有する。前処理部２０は、加工データＤ１及び検査データＤ２から入力データを取得する。調査処理部２１は、複数のワーク７についての入力データを処理対象のデータとして用いて、当該入力データの特徴を示す特徴情報を取得する。第一判定部２２は、調査処理部２１にて用いていない入力データと、前記特徴情報との類似性を示す第一の指標を求め、当該特徴情報の適否を判定する。第二判定部２３は、第一判定部２２により適すると判定された特徴情報と、調査処理部２１及び第一判定部２２にて用いていない入力データ（新たに取得された入力データ）との類似性を示す第二の指標を求め、この第二の指標に基づいて加工装置１２の異常の兆候の有無を判定する。
特に本実施形態では、前記特徴情報は、取得された入力データの中から選択された複数種類の入力データについての回帰関数である。また、前記第一の指標、及び前記第二の指標は相関係数である。この場合、第一判定部２２は、回帰関数の取得のためとは別に得られている入力データと、当該回帰関数との類似性を示す第一の指標として相関係数を求める。この相関係数が高ければ（１に近ければ）、前記回帰関数は適していると判定される。
加工装置１２が備える主軸２９等の装置要素の状態は、ワーク７の品質に影響を与える可能性がある。そこで、前記実施形態の監視システム１０によれば、処理装置１６は、ワーク７を加工している際に（又はワーク７の加工の前後の状態より）得られる装置要素の状態を示す加工データＤ１、及び、当該ワーク７の検査データＤ２から、入力データを取得する。入力データが処理対象のデータとして用いられ、入力データの特徴を示す特徴情報が取得され、その特徴情報の適否が判定される。加工装置１２が備える装置要素の状態が変化していなければ、適すると判定された特徴情報と、調査処理部２１及び第一判定部２２にて用いていない入力データ（新たに取得された入力データ）との類似性は高い。つまり、前記類似性が高いと判定された場合は、装置要素の状態が変化しておらず、異常の兆候が無いと推定される。これに対して、適すると判定された特徴情報と、調査処理部２１及び第一判定部２２にて用いていない入力データ（新たに取得された入力データ）との類似性が低いと判定された場合は、装置要素の状態が変化していて、異常の兆候が発生していると推定される。このように前記監視システム１０によれば、加工装置１２の装置要素、特に前記判定の対象となる特徴情報を取得する基となった装置要素について、異常発生の予兆を捉えることが可能となる。
また、本実施形態では、前記運用工程において（ステップＳ１８、Ｓ１９）、前記第二の指標としての相関係数と閾値（０．４）とが比較され、この相関係数が閾値（０．４）以下となる回数が所定数（１０回）以上である場合に、第二判定部２３は、加工装置１２に異常の兆候が有ると判定するように構成されている。この構成によれば、加工装置１２において異常発生の予兆が無い状態で、偶発的に相関係数が閾値（０．４）以下となった場合に、異常の予兆が有ると誤って判定されるのを防ぎ、判定の精度を上げることが可能となる。
また、本実施形態では、調査処理工程において、第一判定部２３によって、前記特徴情報が不適であると判定されると、前処理部２０は、加工データＤ１から入力データを取得するための条件を変更して、加工データＤ１から入力データを取得するように構成されている。この場合、条件が変更されて、入力データが新たに（追加的に）取得される。このため、新たに取得された入力データが処理対象のデータとして用いられて、入力データの特徴を示す特徴情報が再び取得される。そして、この特徴情報の適否が判定される。このため、特徴情報が不適であると判定された場合であっても、新たに別の特徴情報が得られることで、その特徴情報は適すると判定される可能性が生まれる。
以上のように、本実施形態の監視システム１０によれば、加工装置１２において異常の予兆を監視することができるので、異常発生によって長時間にわたって加工装置１２を停止させる前に、メンテナンスの実施が可能となり、生産効率を高めることが可能となる。
今回開示した実施形態はすべての点で例示であって制限的なものではない。本発明の権利範囲は、上述の実施形態に限定されるものではなく、特許請求の範囲に記載された構成と均等の範囲内でのすべての変更が含まれる。
７：ワーク １０：監視システム １２：加工装置
１４：検査装置 １６：処理装置 ２０：前処理部
２１：調査処理部 ２２：第一判定部 ２３：第二判定部
Ｄ１：加工データ Ｄ２：検査データ
１４：検査装置 １６：処理装置 ２０：前処理部
２１：調査処理部 ２２：第一判定部 ２３：第二判定部
Ｄ１：加工データ Ｄ２：検査データ
Claims (5)
- 複数の装置要素を有して構成され、ワークの加工を行うと共に、当該ワークの加工により得られる当該装置要素の状態を示す加工データを出力する加工装置と、
前記ワークの検査を行い、当該ワークの検査データを出力する検査装置と、
前記加工データ及び検査データを前記ワーク毎に前記加工装置及び前記検査装置から取得し、当該加工データ及び当該検査データを処理する処理装置と、を備え、
前記処理装置は、
前記ワークの品質に影響を与える可能性のある前記加工データ及び加工後の前記ワークの品質に関する前記検査データから入力データを取得する前処理部と、
複数のワークについての前記入力データを処理対象のデータとして用いて、当該入力データの特徴を示す特徴情報として、前記検査データと前記加工データとの相関を示す関数を取得する調査処理部と、
前記調査処理部にて用いていない前記入力データと、前記特徴情報との類似性を示す第一の指標を求め、当該特徴情報の適否を判定する第一判定部と、
前記第一判定部により適すると判定された前記特徴情報と、前記調査処理部及び前記第一判定部にて用いていない前記入力データとの類似性を示す第二の指標を求め、当該第二の指標に基づいて前記加工装置の異常の兆候の有無を判定する第二判定部と、
を有する、監視システム。 - 前記第二判定部は、前記第二の指標と閾値とを比較し、当該第二の指標が当該閾値以下となる回数が所定数以上である場合に、前記加工装置に異常の兆候が有ると判定する、請求項１に記載の監視システム。
- 前記第一判定部は、前記特徴情報が不適であると判定すると、前記前処理部は、前記入力データを取得するための条件を変更して、前記加工データから前記入力データを取得する、請求項１又は２に記載の監視システム。
- 前記特徴情報は、前記検査データと前記加工データとの相関を示す回帰関数である、請求項１～３のいずれか一項に記載の監視システム。
- 前記調査処理部は、機械学習を用いて前記特徴情報を取得する、請求項１～４のいずれか一項に記載の監視システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018195914A JP7210997B2 (ja) | 2018-10-17 | 2018-10-17 | 監視システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018195914A JP7210997B2 (ja) | 2018-10-17 | 2018-10-17 | 監視システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020062719A JP2020062719A (ja) | 2020-04-23 |
| JP7210997B2 true JP7210997B2 (ja) | 2023-01-24 |
Family
ID=70386537
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018195914A Active JP7210997B2 (ja) | 2018-10-17 | 2018-10-17 | 監視システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7210997B2 (ja) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006015373A (ja) | 2004-07-01 | 2006-01-19 | Ricoh Co Ltd | レーザ加工装置 |
| JP2011020221A (ja) | 2009-07-16 | 2011-02-03 | Honda Motor Co Ltd | 回転刃具の寿命予測方法 |
| JP2017151962A (ja) | 2016-02-24 | 2017-08-31 | 株式会社ジェイテクト | 解析装置及び解析システム |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57186245U (ja) * | 1981-05-18 | 1982-11-26 |
-
2018
- 2018-10-17 JP JP2018195914A patent/JP7210997B2/ja active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006015373A (ja) | 2004-07-01 | 2006-01-19 | Ricoh Co Ltd | レーザ加工装置 |
| JP2011020221A (ja) | 2009-07-16 | 2011-02-03 | Honda Motor Co Ltd | 回転刃具の寿命予測方法 |
| JP2017151962A (ja) | 2016-02-24 | 2017-08-31 | 株式会社ジェイテクト | 解析装置及び解析システム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2020062719A (ja) | 2020-04-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kothuru et al. | Application of audible sound signals for tool wear monitoring using machine learning techniques in end milling | |
| WO2018030033A1 (ja) | 工作機械の工具の異常検知装置及び方法 | |
| CN108490880B (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
| Martins et al. | Tool condition monitoring of single-point dresser using acoustic emission and neural networks models | |
| Roth et al. | Quality and inspection of machining operations: tool condition monitoring | |
| Segreto et al. | Machine learning for in-process end-point detection in robot-assisted polishing using multiple sensor monitoring | |
| Mahata et al. | A robust condition monitoring methodology for grinding wheel wear identification using Hilbert Huang transform | |
| US20190160619A1 (en) | Tool State Detection Method of Machine Tool and System Thereof | |
| KR102120753B1 (ko) | 진동 특성 분석을 이용한 공구 수명 예측 방법 | |
| CN107728586B (zh) | 解析系统 | |
| EP3825800A1 (en) | Anomaly detection device, method of detecting anomaly, and program | |
| CN110874084B (zh) | 加工环境推定装置 | |
| JP7210997B2 (ja) | 監視システム | |
| Zou et al. | Wear identification of end mills based on a feature-weighted convolutional neural network under unbalanced samples | |
| Vairamuthu et al. | Performance enhancement of cylindrical grinding process with a portable diagnostic system | |
| JP7271872B2 (ja) | 異常判定装置、異常判定システムおよび異常判定方法 | |
| Zylka et al. | Diagnostic of peripheral longitudinal grinding by using acoustic emission signal | |
| Reñones et al. | Experimental analysis of change detection algorithms for multitooth machine tool fault detection | |
| Joshi et al. | Multivariate statistical process monitoring and control of machining process using principal component-based Hotelling T2 charts: A machine vision approach | |
| JP6879057B2 (ja) | 監視システム | |
| JP7380119B2 (ja) | びびり評価システム | |
| JP7458065B2 (ja) | 機械要素間の接触状態モニタ方法及びそのシステム | |
| Vogl et al. | Bearing metrics for health monitoring of machine tool linear axes | |
| JP7383994B2 (ja) | びびり評価システム | |
| Masterenko et al. | The use of Morphological Filtration in the Problem of Diagnosing the State of the Surface of a Cutting Tool |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210910 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220628 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220629 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220815 |
|
| 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: 20221213 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221226 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7210997 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |