JP7229140B2 - 学習装置およびプログラム、異常要因推定システム、ならびに鍛造プレス装置 - Google Patents
学習装置およびプログラム、異常要因推定システム、ならびに鍛造プレス装置 Download PDFInfo
- Publication number
- JP7229140B2 JP7229140B2 JP2019181974A JP2019181974A JP7229140B2 JP 7229140 B2 JP7229140 B2 JP 7229140B2 JP 2019181974 A JP2019181974 A JP 2019181974A JP 2019181974 A JP2019181974 A JP 2019181974A JP 7229140 B2 JP7229140 B2 JP 7229140B2
- Authority
- JP
- Japan
- Prior art keywords
- load
- condition
- feature amount
- learning
- processing
- 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
Landscapes
- Numerical Control (AREA)
- Forging (AREA)
- Presses And Accessory Devices Thereof (AREA)
- Control Of Presses (AREA)
Description
はじめに、図1~図3を参照して、鍛造プレス装置10の概略構成について説明する。図1に示されるように、鍛造プレス装置10は、ワークをプレス加工するプレス機11と、プレス機11の運転を制御するPCL(プログラマブル・ロジック・コントローラ)40とを備える。
・荷重センサ20:ワークに加わる荷重を検知する。たとえば、フレーム3の歪みを検出する歪みゲージで構成される。
・角度センサ21:クランク軸4の回転角度(プレス角度)を検出することによって、スライド1の位置、および、スライド1の速度(ストローク)を検知する。
・ブレーキ弛み圧センサ22:ブレーキ装置12の弛み圧を検出する。
・クラッチ圧センサ23:クラッチ9の圧力を検出する。
・クラッチタンク圧センサ24:クラッチ9を駆動する作動油の圧力を検出する。
・ブレーキタンク圧センサ25:ブレーキ装置12の冷却水の圧力を検出する。
・冷却水流量センサ26:ブレーキ装置12の冷却水の流量を検出する。
・BKO位置変位センサ27:プレス機11の下ノックアウト装置の位置(BKO位置)を検出する。
・SKO位置変位センサ28:上ノックアウト装置の位置(SKO位置)を検出する。
・測温抵抗体29:プレス機11の各部温度を検出する。
・潤滑油流量センサ30:金型を潤滑する潤滑油の流量を検出する。
・エアブロー圧力センサ31:プレス機11に供給される高圧エアの圧力を検出する。
・材料温度センサ32:プレス機11に供給される材料の温度を検出する。
・ダイハイト変位センサ33:プレス機11のダイハイト(ボルスタ2とスライド1の下死点位置との間隔)を検出する。
・型温度センサ34:ワークを載置している金型(下型)の温度を検出する。
図1を参照して、推定装置41の機能構成について説明する。推定装置41は、ワークWの加工時に検出された荷重の特徴量(以下「荷重特徴量」という)が、異常値であるか否かを判定する異常判定部401と、荷重特徴量が異常値である場合に異常要因を推定する推定部402と、推定部402による推定結果を出力する出力部403とを含む。
図4(A)は、本実施の形態に係る学習装置100の機能構成を示すブロック図である。学習装置100は、モデル生成部101と、解析部104と、設定部105と、出力部106と、プレスデータ記憶部102と、モデル記憶部103とを含む。学習装置100は、CPU(Central Processing Unit)などのプロセッサおよびメモリを含むコンピュータにより実現される。
モデル生成部101は、プレス機11によるプレスサイクルごとにプレス履歴データを生成し、生成したプレス履歴データ1,2,・・・,nをプレスデータ記憶部102に記憶する。各プレス履歴データ(k)は、ワーク識別情報と、荷重特徴量と、複数種類の加工条件の特徴量とを含む。ワーク識別情報は、ワークWに固有の情報であり、ワークWの金型パターンを含む。金型パターンは、たとえば、品番、ワークパターン、および投影面積のうちの少なくとも一つにより特定される。複数種類の加工条件は、上述のように、鍛造プレス装置10が備えるセンサ類(タイマを含む)により検出可能な条件であり、ダイハイト値、スライド速度、金型接触時間、材料温度、型温度、搬送時間、などを含む。
図5(A)を参照して、解析部104は、モデル生成部101により生成された学習モデル111に基づいて、金型パターンごとに、荷重特徴量に対する各加工条件の重要度を解析して、複数種類の加工条件のうち、製品の良否に関わる加工条件を推定する(ステップS4)。荷重特徴量に対する各加工条件の重要度の解析結果例を、図8に示す。図8の各グラフでは、重要度を降順で並べ、重要度が上位の加工条件のみを示している。各加工条件の重要度は、全ての加工条件の重要度を足し合わせると1となるように計算された値(1未満の値)である。
設定部105は、解析部104により解析された各加工条件の重要度に基づいて、金型パターンごとに、各加工条件の異常判定に用いる閾値を設定する。なお、設定部105は、学習モデル111に基づいて、荷重特徴量の異常判定に用いる閾値の設定も行う。設定部105により設定された閾値情報112が、モデル記憶部103に記憶される。
図9は、推定装置41が実行する異常要因推定処理を示すフローチャートである。図9に示される異常要因推定処理は、プレスサイクルごとに実行される。
本実施の形態に係る推定装置41は、鍛造プレス装置10の稼働中に、荷重特徴量が異常と判定された場合に、出力部403によって異常要因の推定結果が出力されることとしたが、限定的ではない。たとえば、異常要因の推定結果をPLC40にフィードバックし、異常要因と推定された加工条件の制御値を修正することとしてもよい。その場合、図1において想像線で示すように、推定装置41は、異常要因と推定された加工条件に対応する制御値を修正する修正処理部405を備えていてもよい。
Claims (7)
- 鍛造プレス装置に搭載されたセンサ類によって検出されるダイハイト値、金型接触時間、および型温度を含む、複数種類の加工条件それぞれの条件特徴量と、荷重ピーク値または荷重増加傾きである荷重特徴量との相関を、金型パターンごとに機械学習して学習モデルを生成する生成手段と、
前記生成手段で用いた機械学習アルゴリズムを利用して前記学習モデルを解析することにより、金型パターンごとに、荷重特徴量に対する各加工条件の重要度を算出する解析手段とを備える、学習装置。 - 前記解析手段により算出された各加工条件の重要度に基づいて、金型パターンごとに、各加工条件の異常判定に用いる閾値を設定する設定手段をさらに備える、請求項1に記載の学習装置。
- 前記荷重特徴量は、荷重ピーク値および荷重増加傾きの両方を含み、
前記生成手段は、荷重ピーク値および荷重増加傾きのそれぞれに対応する2つの学習モデルを生成する、請求項1または2に記載の学習装置 - 請求項2に記載の学習装置と、鍛造プレス装置により加工される製品の異常要因を推定する推定装置とを備えた異常要因推定システムであって、
前記推定装置は、
荷重特徴量の異常判定に用いる第1の閾値を金型パターンごとに記憶するとともに、前記設定手段により設定された、金型パターンごとの各加工条件の異常判定に用いる前記閾値を第2の閾値として記憶する閾値記憶手段と、
製品の加工時に、プレスサイクルごとに、金型パターンを特定する特定手段と、
プレスサイクルごとに、各加工条件の条件特徴量と荷重特徴量とを測定する測定手段と、
前記測定手段により測定された荷重特徴量が前記特定手段により特定された金型パターンに対応する前記第1の閾値を越えた場合に、前記特定手段により特定された金型パターンに対応する各加工条件の前記第2の閾値と前記測定手段により測定された各条件特徴量とを比較する比較手段と、
前記比較手段による比較結果に基づいて、異常要因となった加工条件を推定する推定手段とを含む、異常要因推定システム。 - 前記推定装置は、前記推定手段による推定結果に応じて、異常要因となった加工条件に対応する制御値を修正する修正処理手段をさらに含む、請求項4に記載の異常要因推定システム。
- 金型パターンごとに、荷重ピーク値または荷重増加傾きである荷重特徴量の異常判定に用いる第1の閾値と、センサ類によって検出されるダイハイト値、金型接触時間、および型温度を含む、複数種類の加工条件それぞれの異常判定に用いる第2の閾値とを記憶する閾値記憶手段と、
製品の加工時に、プレスサイクルごとに、金型パターンを特定する特定手段と、
プレスサイクルごとに、各加工条件の条件特徴量と荷重特徴量とを測定する測定手段と、
前記測定手段により測定された荷重特徴量が前記特定手段により特定された金型パターンに対応する前記第1の閾値を越えた場合に、前記特定手段により特定された金型パターンに対応する各加工条件の前記第2の閾値と前記測定手段により測定された各条件特徴量とを比較する比較手段と、
前記比較手段による比較結果に基づいて、異常要因となった加工条件を推定する推定手段とを含み、
前記閾値記憶手段に記憶された前記第2の閾値は、前記複数種類の加工条件それぞれの条件特徴量と荷重特徴量との相関を金型パターンごとに機械学習して生成された学習モデルを解析することにより、金型パターンごとに、荷重特徴量に対する各加工条件の重要度を算出することによって設定された値である、鍛造プレス装置。 - 鍛造プレス装置に搭載されたセンサ類によって検出されるダイハイト値、金型接触時間、および型温度を含む、複数種類の加工条件それぞれの条件特徴量と、荷重ピーク値または荷重増加傾きである荷重特徴量との相関を、金型パターンごとに機械学習して学習モデルを生成するステップと、
前記生成するステップで用いた機械学習アルゴリズムを利用して前記学習モデルを解析することにより、金型パターンごとに、荷重特徴量に対する各加工条件の重要度を算出するステップとをコンピュータに実行させる、学習プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019181974A JP7229140B2 (ja) | 2019-10-02 | 2019-10-02 | 学習装置およびプログラム、異常要因推定システム、ならびに鍛造プレス装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019181974A JP7229140B2 (ja) | 2019-10-02 | 2019-10-02 | 学習装置およびプログラム、異常要因推定システム、ならびに鍛造プレス装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021053691A JP2021053691A (ja) | 2021-04-08 |
JP7229140B2 true JP7229140B2 (ja) | 2023-02-27 |
Family
ID=75269289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019181974A Active JP7229140B2 (ja) | 2019-10-02 | 2019-10-02 | 学習装置およびプログラム、異常要因推定システム、ならびに鍛造プレス装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7229140B2 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019013976A (ja) | 2017-07-11 | 2019-01-31 | 株式会社栗本鐵工所 | 鍛造プレス及びその故障予測方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4723429A (en) * | 1987-01-30 | 1988-02-09 | Data Instruments, Inc. | Speed-compensated press load monitoring system |
JP3231536B2 (ja) * | 1993-02-25 | 2001-11-26 | トヨタ自動車株式会社 | プレス機械の異常診断方法 |
JPH07164199A (ja) * | 1993-12-10 | 1995-06-27 | Japan Automat Mach Co Ltd | プレス加工機の品質管理方法及びその装置 |
-
2019
- 2019-10-02 JP JP2019181974A patent/JP7229140B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019013976A (ja) | 2017-07-11 | 2019-01-31 | 株式会社栗本鐵工所 | 鍛造プレス及びその故障予測方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021053691A (ja) | 2021-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10478887B2 (en) | Die abnormality prediction system, press machine provided with the same, and die abnormality prediction method | |
CN108573368B (zh) | 管理装置以及可读取记录介质 | |
WO2010041662A1 (ja) | 金属製プレス成形品の割れ判定方法、装置、プログラム及び記録媒体 | |
US11762344B2 (en) | Control device, control method, and control program | |
JP6815368B2 (ja) | 異常検知装置、異常検知方法、制御プログラム、および記録媒体 | |
SE426372B (sv) | Sett och anordning for overvakning av en press | |
JP6975188B2 (ja) | 状態判定装置及び状態判定方法 | |
JP5800289B2 (ja) | 型締装置の管理システム | |
JP2020128013A (ja) | 状態判定装置及び状態判定方法 | |
JP7229140B2 (ja) | 学習装置およびプログラム、異常要因推定システム、ならびに鍛造プレス装置 | |
KR102356222B1 (ko) | 압력변화를 이용한 금형의 지능형 모니터링 시스템 | |
CN115249040A (zh) | 用于监测冲压过程的装置和方法 | |
CN115193980A (zh) | 用于预处理冲压过程中检测到的状态变量的装置和方法 | |
JP7205751B2 (ja) | 噛み込み検知システム | |
WO2019208395A1 (ja) | 異常検知装置及びそれを備えた振動搬送装置 | |
JP7495513B2 (ja) | 状態判定装置及び状態判定方法 | |
JP7525631B2 (ja) | 状態判定装置及び状態判定方法 | |
JP6739502B2 (ja) | データ解析装置、データ解析方法、制御プログラム、および記録媒体 | |
KR102356220B1 (ko) | 음파변화를 이용한 금형의 지능형 모니터링 시스템 | |
JP2020099930A (ja) | プレス金型の押しズレ検知システム | |
JP7572865B2 (ja) | 学習装置およびプログラム、ならびに金型異常予測装置 | |
US11402810B2 (en) | Learning device and cutting process evaluation system | |
KR100604227B1 (ko) | 잔재부상검출장치 및 그 검출방법 | |
CN107168243A (zh) | 一种基于分时间温度检测的机床运动补偿系统 | |
JP7029647B2 (ja) | コントローラ、システム、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: 20211014 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220905 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220906 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221026 |
|
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: 20230207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7229140 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |