JPH06170696A - 工具寿命と予測工具摩耗の診断用のリアル・タイム・エキスパート・システムを使用するシステムと方法 - Google Patents

Abstract

(57)【要約】 （修正有） 【目的】自動化された金属切削機械における切削工具の
寿命を予測するシステムを提供する。 【構成】切削作業に関連する物理的データを測定する複
数のセンサと、これに接続され、物理量を特徴値に変換
する特徴抽出装置と、工具寿命予測装置とを持つコンピ
ュータによって構成される。工具寿命予測装置は、特徴
ノードの入力水準、特徴ノードおよび機械加工のクラス
・ノードに接続された中間ノード、および中間ノードに
接続された出力ノードを持つ影響図を有する。また、各
センサの特徴値の平均を計算する第１モジュール、それ
を長寿命または短寿命を示すものとして分類する第２モ
ジュール、および影響図に接続され、上記の分類を組み
合わせて切削工具の予測寿命である出力ノードの分類に
到達する第３モジュールを有する。更に、リアルタイム
・エキスパート・システムの学習を可能にする。

Description

【発明の詳細な説明】

【０００１】本発明は、製造のオートメーションに関
し、特に、インフルエンス・ダイアグラム・エキスパー
ト・システムと複数のセンサを使用して切削工具の寿命
を早期に予測することによって、これらの切削工具をタ
イミングよく交換し工具の摩耗を正確に予測するシステ
ムと方法に関する。

【０００２】

【従来の技術】本発明の背景を、１例として製造のオー
トメーションと関連して説明する。製造のオートメーシ
ョンは急速に成長している分野であり、これによって製
品の品質の改良、生産性の向上および生産コストの削減
に大きなインパクトが与えられている。これは製造工程
の種々のレベルで採用されて成功しているが、全ての金
属切削作業を完全に自動化する場合の主要な障害は、切
削工具をタイミングよく交換することである。現在、試
行錯誤を繰り返すことによって、選択された適当な間隔
で切削工具を交換するためには人間の介入が必要であ
り、一般的に１組の自動化されたマシニング・センタの
工具を監視して交換するために一人の工員が割り当てら
れている。工具の状態を工程内で監視するための適当な
センサを設ければ、特に大量生産を行う生産ラインでは
機械加工の経済性を改善することができる。切削工具の
状態の監視、摩耗の診断および適当な機械の制御の問題
は異なった方法によって探求されており、これらの方法
にはリアル・タイムエキスパート・システムに基づくア
プローチと数学的モデルに基づくアプローチが含まれ
る。これらのオンラインで行う監視技術によって、損傷
した工具または摩耗した工具を正確に識別するための１
つの解決法が与えられるが、これらは事後に行う技術で
あり、工具が摩耗または損傷した後適当な判断を仰ぐこ
とになる。

【０００３】工具の交換作業には、集中保管領域からの
交換工具の受領、工場の管理装置から機械の制御装置へ
の工具セット用のソフトウェアのロード、期待されてい
る機械の停止時間に対して責任を負うための生産ライン
の動的再スケジューリング等の複数の作業が含まれてい
る。現在行われている工具の監視技術では、工具の交換
準備を行う場合に、これらの複数の作業を行うのに適し
たリードタイムが与えられる。従って、切削工具の交換
によって発生する停止時間を削減する場合に何等重要な
改善が行われていない。現在行われているオンラインの
監視に加えられている制約には各機械に対して専用のプ
ロセッサが要求されることがあるが、このことは第１に
今日のリアル・タイムの診断システムが厳しい応答時間
の要求を行っていることである。

【０００４】テキサス・インスツールメント社１９９１
年の著作権。本特許書類の開示の一部には、著作権の保
護を受ける事項がある。これらの事項が特許商標庁のフ
ァイルまたは記録にあるものである限り、著作権の使用
者は何人がこれをファクシミリによって複写しても反対
しないが、これ以外の場合全ての著作権が留保されてい
る。

【０００５】

【課題が解決しようとする課題】事前に適当に警告を行
うことによって切削工具の交換作業を自動化するには、
切削工具の適度に正確な寿命の見積が必要である。前に
述べたように、重要な利点は、予測した工具寿命の情報
を使用して機械加工作業を動的に再スケジュールするこ
とが可能であり、在庫を減らすと共にロードコストを削
減して切削工具を交換することができることである。テ
ーラの工具寿命等式と呼ばれる数学的モデルに基礎をお
く技術とこれに対する拡張を適用して切削工具の寿命を
見積もることができる。しかし、これらの等式によって
得られる切削工具寿命の見積は不十分なものである。例
えば、ドリル作業場合、ワークの材料の硬度はドリルの
寿命に影響を与える重要な要素であるが、これは考慮に
入れられていない。ワークの硬度に対する補正を行った
テーラーの変形された等式を適応して、ドリル用工具の
寿命の判定が行われているが、各々のワークの硬度は容
易に入手可能ではなく、又容易に測定することもできな
いので、このようなアプローチは生産ラインでは実際的
ではない。更に、幾くつかの他の機械加工の環境では、
テーラーのモデルでは不適当であることが分かってい
る。

【０００６】従って、工具の交換のための適当なリード
タイムを得るため、切削工具の寿命をこの工具を最初に
使用している間に正確に予測することができるシステム
を有することが望ましい。切削工具の摩耗診断の分野で
今日使用されている幾くつかの技術には、パターン認識
（ＰＲ）神経ネット（ＮＮ）およびリアルタイム・エキ
スパート・システム（ＲＴＳ）がある。ＰＲとＮＮは、
幾くつかの摩耗の基準に基づいて既に分類されているパ
ターンのサンプルを使用し、この事実を認識するように
システムを訓練する。このようなアプローチは「監視学
習」(supervised learning) と呼ぶ。「非監視学習」の
場合、摩耗基準は使用されず、従って、サンプルが属す
るクラスに関する知識は事前委に入手可能でない。ファ
ジー・クラスタ技術を使用するこのような非監視訓練の
アプローチは、ドリル工具の分類の問題に適用されてい
る。トルク・ダイナモメータからの推力およびトルク・
データ使用することにより、ドリル工具の状態のファジ
ーによる分類はうまく実行されている。しかし、ドリル
は、切削端部が非常に損傷した場合のみ摩耗したものと
して分類されている。このような予測は、ドリルが殆ど
故障する時点まで遅延する。

【０００７】ＲＴＥＳ技術の利点は、変更が容易である
こと、工具の現在の状態を分類した後、コストの機能を
最適化することによって最適な制御上の判断を選択する
能力、および異なった機械加工の作業に適用しながら、
同じインタフェース・エンジンを設備が繰り返して使用
することができることである。もし新しい機械加工のパ
ラメータの組み合わせまたは新しいセンサを取り扱うた
めに診断システムを更新する必要があれば、ＰＲまたは
ＮＮ技術の場合には、このシステムは新しいデータと古
いデータを保持しなければならず、これは時間のかかる
プロセスである。しかし、ＲＴＥＳの場合、知識のベー
スは新しい情報によって容易に更新することが可能であ
る。

【０００８】これまでのところ、現在のＲＴＥＳ技術の
問題の１つは学習能力が欠如していることである。知識
のベースの重要な要素を形成する条件付き確率分布の特
徴と本質的な見積を得るため、ＲＴＥＳの開発とチュー
ニングは関連するデータの詳細な分析を必要とする。

【０００９】

【課題を解決する手段】自動化された金属切削機械にお
ける切削工具の寿命を予測するシステムは、上記の機械
の切削作業に関連する物理的データを測定する複数のセ
ンサと上記のセンサに接続されたコンピュータによって
構成される。上記のコンピュータは、上記の物理量を特
徴値に変換する特徴抽出装置と上記の切削工具の寿命の
予測に到達する工具寿命予測装置によって構成される。
上記の工具寿命予測装置は、特徴ノードの入力水準、上
記の特徴ノードおよび機械加工のクラス・ノードに接続
された中間ノード、および上記の中間ノードに接続され
た出力ノード有する影響図、各センサの特徴値の平均を
計算する第１モジュール、上記の特徴の平均に応答し、
上記の特徴の平均を長寿命または短寿命を示すものとし
て分類する第２モジュール、および上記の影響図に接続
され、上記の分類を組み合わせて各中間ノードにおける
１つの分類と条件付き確率に到達すると共に上記の切削
工具の予測寿命である上記の出力ノードの分類に到達す
る第３モジュールを有する。

【００１０】更に、リアルタイム・エキスパート・シス
テムの学習を可能にする方法は、第１及び第２変数が第
３変数に対して有している影響に対応する関係構造を構
築するステップ、一定の持続時間にわたってこれらの変
数に対するデータを得るステップ、クラスを分割する試
料の周囲の許容誤差のゾーンを判定するステップ、およ
び許容誤差のゾーンに応答する動的距離の分類装置を使
用し、第１及び第２変数に対する判定境界とこの判定境
界と関連する確率を決定するステップによって構成され
る。これらの確率は、判定境界が第３変数の値に対して
第１及び第２変数の値を分類する判定境界の信頼性を示
す。

【００１１】

【実施例】異なった図面において対応する数字と符号
は、特に断らない限り、対応する部分を示す。図１は、
本発明を使用した自動化した製造作業を示す。金属切削
機９０は、チャック１０８に取り付けられスピンドル・
モータ１０６によって回転されるドリル・ビット１００
を有する。スピンドル・モータ１０６は線１１６を介し
てＡＣ電源１１７に接続される。多数のセンサが、機械
９０の孔開け作業に関連する物理的なデータを測定す
る。スピンドル・モータの電流計１１４は線１１６を介
して流れるＡＣ電流を検出し、フィード・モータ電流計
１１８は、線１２８を流れるＤＣ電流を測定し、ひずみ
計１２２がチャック１０８に取り付けられて、工具１０
０によってワーク１０２に加えられる推力を測定し、加
速時計１２８はバイス１０４の振動を検出し、ダイナモ
メータ１２４はバイス１０４によってテーブル１２６に
加えられる力を測定する。これらのセンサからの出力
は、アナログ信号調整器１３０に供給され、生の信号を
Ａ／Ｄ変換器１３２が入力として受け入れることが可能
な範囲に調整する。アナログ信号調整器１３０からの調
整信号は、線１６０乃至１７０を介してデジタル・コン
ピュータ１３４のＡ／Ｄ変換器１３２に転送される。コ
ンピュータ１３４は、中央処理装置１３６とメモリ１３
８を有する。コンピュータ１３４にはモニタ１４４、キ
ーボード１４８、ディスク・ドライブ１４０、およびテ
ープ・ドライブ１４２が接続されている。

【００１２】機械９０の近傍にはメジャースコープ１４
８が取り付けられ、これには、モニタ１５０が取り付け
られている。メジャースコープ１４８は、ドリル・ビッ
ト１００の摩耗のあとを目視しによって測定できるよう
な位置に取り付けられている。コンピュータ１３４は、
センサ１１４、１１８、１２２、１２４、および１２８
からの入力を処理し、ドリル・ビット１００が何時摩耗
するかを予測し、この予測した寿命の終了時点で連続し
てドリル・ビット１００を監視する。この予測と診断は
人間のオペレータが工具を交換する等の何らかのアクシ
ョンを取ることができるようにモニタ１４４に表示して
もよいし、またはドリル・ビット１００の調達と交換を
自動的に開始してもよい。交換は、コンピュータ１３４
に取り付けられた何らかのプロセス制御ハードウェア１
１２によって行うことができる。機械９０の動作の一定
の段階の間、コンピュータ１３４はデータの処理と機械
９０の制御に関してアイドル状態にある。このアイドル
時間を使用して他の機械（図示せず）にサービスを行う
ことができる。従って、コンピュータ１３４は、平行し
て動作する複数の機械の工具寿命を予測し、工具の摩耗
を診断することができる。

【００１３】機械９０の動作は、図２に示すインフルエ
ンス・ダイヤグラム・エキスパート・システム（ＩＤＥ
Ｓ）１５４によって制御される。図２が示すように、コ
ンピュータ１３４は、インフルエンス・ダイヤグラム・
エキスパート・システム（ＩＤＥＳ）１５４を実行す
る。これはドリル・ビット１００の寿命の長さを予測
し、ドリル・ビット１００の摩耗を監視し、ドリル・ビ
ット１００が摩耗していると診断された場合には、交換
手順を開始する。図２は、センサ・データ１５６とＩＤ
ＥＳ１５４の間の論理リンクの概略を示す。センサ・デ
ータは、例えば、図１のセンサ１１４、１１８、１２
２、１２４、および１２８である。ＩＤＥＳ１５４はま
たノレッジ・ベース (knowledge base) １５２に接続さ
れ、ここでＩＤＥＳ１５４は情報を記憶し、この情報を
使用してセンサから得たデータを処理し、モニタ１４４
に表示される判断またはプロセス制御ハードウェア１１
２の側であるアクションを開始する判断を行う。ノレッ
ジ・ベース５４は図１のメモリ１３８、ディスク１４
０、テープ１４２に物理的に配置することが可能であ
り、またはこれらの装置または図示しないその他の記憶
装置に分散させることが可能である。

【００１４】ＩＤＥＳ１５４は、またパラメータ１５６
に論理的に接続されている。これらは、例えば、図１の
キーボード１４８から入力されるか、またはディスク１
４０またはテープ１４２のデータ・ファイルから取り出
される。パラメータ１５６は、例えば、工具のサイズ、
ワークの材料、ドリルの送り速度、およびドリルの回転
速度のような機械加工作業を分類する情報を有する。

【００１５】機械９０とＩＤＥＳ１５４の動作は下記の
段階によって構成される。 1. 実験段階では、孔開け作業が実行され、工具の寿命
を通して規則的な間隔でセンサによる測定が行われる。
更に、ドリルが摩耗してしまった、即ち、その寿命が尽
きた点を記録する。各々の孔を開けるに従って、その番
号を記録し、各々のデータ点はこの番号によって検索さ
れる。同様に、工具が摩耗してしまったと考えられる点
をまた孔の番号で記録する。この実験データを後で使用
し、工具寿命の予測と工具摩耗の診断の両方のためのノ
レッジ・ベース１５２を構築する。このノレッジ・ベー
ス１５２はディスク１４０またはテープ１４２に記憶す
ることができる。生のセンサのデータとこの生のセンサ
のデータから計算した量の両方を使用して、工具寿命の
予測と工具摩耗の診断を行う。生のセンサのデータから
計算した量を取り出す方法は以下で更に詳細に論じる。
生のセンサのデータと計算した量はまとめて特徴と呼
ぶ。

【００１６】2. 訓練段階ではノレッジ・ベースが構築
されて微調整され、このノレッジ・ベースは２つの異な
った局面即ち、第１に工具寿命を正確に予測するノレッ
ジ・ベースを構築する局面と第２の工具摩耗を診断する
ノレッジ・ベースを構築する局面によって構成される。
訓練段階の一定の部分は、以下で説明する動的距離分類
装置のアルゴリズムを使用して自動化される。

【００１７】3. 動作段階では訓練段階の間に構築され
たノレッジ・ベースを使用してＩＤＥＳ１５４が工具寿
命を予測し工具の摩耗を監視する。従って、目標は、Ｉ
ＤＥＳ１５４が使用して工具の寿命を予測し、ドリルの
摩耗を監視するノレッジ・ベースを構築することであ
る。動作段階を先に検討すれば、訓練段階をより容易に
理解することができる。 動作段階 図３は、本発明によるコンピュータ支援製作作業の動作
を示すフローチャートである。孔開け作業は、ステップ
６０１で開始される。孔開けと連動してインフレエンス
・ダイヤグラム使用されている種々のセンサによって測
定を行い、工具寿命を予測する。例えば、孔を３個開け
た動作の初期の段階のステップ６０３で特徴を計算す
る。ＩＤＥＳ１５４はこれらの特徴を使用してステップ
６０５でドリル１００の寿命を予測する。

【００１８】もし工具が長い寿命を有していると予測さ
れれば（ステップ６０７）、機械はの工具の予測される
中間の寿命迄ステップ６０９で孔開けを継続する。この
点で、検証手順を開始する。もし寿命が長いという初期
の予測が検証されれば、ステップ６１５で工具の予測寿
命の終了するまで孔開けを継続する。この点で、センサ
のデータを収集し、ステップ６１９で次の３個の孔に対
する特徴を計算する。プロセスはステップ６０５に戻っ
てドリルの残りの寿命を予測する。

【００１９】「長い寿命」の予測（ステップ６０５と６
０７）と中間の寿命の検証（ステップ６０９）の間の時
間、コンピュータ１３４は機械９０からのデータを処理
しない。従って、この期間中コンピュータ１３４は、例
えば、これに取り付けられた他の機械に対するサービス
等の他のタスクに使用することができる。もし長い寿命
がステップ６０５で予測されなければ、またはもし予測
した長い寿命がステップ６０９の予測した中間の寿命の
時点で検証されなければ、次にステップ６１３で交換用
の工具の供給を受ける。１つの実施例は、ステップ６１
３からステップ６２３への点線の経路で示される。ステ
ップ６２５で工具の予測した寿命が終了するまで孔開け
を継続する。ステップ６２５でＩＤＥＳ１５４が工具の
寿命が終了したと予測した時点で工具を交換する。

【００２０】他の実施例は、ステップ６１３で始まる実
線の経路によって示される。工具が摩耗した点を超えて
これを決して使用しないことが好ましいため、工具寿命
の予測は内輪の見積になるように調整される。この理由
のため、摩耗し終わっていない工具を摩耗したものとし
て予測してしまう可能性がある。このような工具は廃棄
するのではなく、ステップ６１３、６１７、および６１
９を通る経路によって代表される実施例は、センサ１１
４、１１８、１２２、１２６、および１２８を使用して
この工具の摩耗を診断する方法を提供する。従って、Ｉ
ＤＥＳ１５４はステップ６１７で継続的にセンサを監視
して工具の寿命を診断し、ＩＤＥＳ１５４がこの工具の
寿命の終了を診断するまでステップ６２１で孔開けを継
続する。工具の寿命が尽きてしまうと、ステップ６２３
でこの工具を交換する。動作全体はステップ６０１で新
しいドリルを使用してスタートする。

【００２１】図３と関連して上で説明した方法は、コン
ピュータ・システム１３４で実行するように具現化する
ことができる。１つの実施例は、生のセンサのデータ
（ステップ６０３）、各々が工具寿命の予測（ステップ
６０５）、予測の検証（ステップ６０９）および工具の
摩耗の診断（ステップ６１７と６２１）に使用される機
能モジュールから特徴を計算する機能モジュールを有す
る。 訓練段階 図４は、工具寿命の予測の訓練段階のＩＤＥＳ１５４の
動作と図１に示す自動化製作システムに対する関係を示
す。工具の摩耗の診断のためのシステムを訓練するため
に、同様のアプローチを使用する。

【００２２】訓練動作は、２つの主要な範疇、すなわち
オフラインのノレッジ・ベースの発生とオンラインの工
具寿命の予測に機能的に分けることができる。オフライ
ン・タスクは、孔開けプロセスのインフルエンス・ダイ
ヤグラム・モデルに対する品質上および数量上のノレッ
ジ・ベースを発生する。このノレッジ・ベースは、工具
寿命のオンラインによる予測および工具の摩耗の診断の
ためのリアルタイムのシステムによって使用される。こ
のシステムに入力されるのはマルチセンサの生のデータ
と実験段階中に収集された切削工具の摩耗の測定値並び
に機械加工の分類である。「機械加工の範疇」という用
語は、訓練データを収集するために使用される機械加工
のパラメータの組み合わせを表す。機械加工のパラメー
タが大幅に変化する場合、センサの特徴もまた大幅に変
化する。従って、検出したデータだけがあっても機械加
工の条件に関する知識がなければ、検出した特徴と切削
工具の状態との間の診断のマッピングを作成することは
困難である。続いて、ノレッジ・エンジニアは機械加工
の条件の幅広いスペクトルを、各範疇が相互に近似して
いる機械加工のパラメータを表すように幾つかの範疇に
分割する。

【００２３】表１は機械加工の範疇に１例を示す。 表 １ 広範囲変化する機械加工条件の範疇化 ───────────────────────────────── 範疇 ワーク材料 ト゛リル サイス゛／タイフ゜ 速度(rpm) 送り速度(インチ／回転) ───────────────────────────────── 0 タ゛クタイル 鋳鉄 0.25″タンク゛ステン 1100-1400 0.006-0.011 1 タ゛クタイル 鋳鉄 0.25″タンク゛ステン 1600-2000 0.003-0.006 2 A36 鋼 0.25″高速度鋼 3600-3900 0.002-0.004 3 A36 鋼 0.25″高速度鋼 2300-2700 0.002-0.004 4 A36 鋼 0.25″高速度鋼 2300-2700 0.008-0.010 5 A36 鋼 0.25″高速度鋼 3700-4000 0.006-0.007 6 A36 鋼 0.25″高速度鋼 3700-4000 0.009-0.010 7 A36 鋼 0.25″高速度鋼 2900-3100 0.009-0.010 ────────────────────────────────── ノレッジ・ベースの発生は幾つかのサブタスク、即ち特
徴の選択、関連する構造の構築、特徴の状態の記述子の
決定、条件付き確率分布の主観的な見積に分割される。 1.特徴の選択 図１において、スピンドル・モータの電流センサ１１４
は、ＡＣ電流センサである。これは入力電力線の周囲に
簡単に止められた非進入型の誘導センサである。このセ
ンサの信号の低周波エネルギーを得るため、ＡＣ電流セ
ンサの出力は整流されてローパス・フィルタによって濾
過される。このエネルギーは、工具によってワークに加
えられる切削トルクに正比例する。工具が摩耗するに従
って、工具の経験する切削力は増加する。この切削力の
増加によって、スピンドル・モータの電流がこれに対応
して増加する。したがって、スピンドル・モータの電流
のＲＭＳ値は、最初の孔開けの段階における工具の疲労
の傾向を観察するために有用な特徴になる。ＲＭＳ値以
外に、新しい工具と比較した場合のＲＭＳ値の変化（Δ
ＲＭＳ）は、切削トルクの時間的な傾向を示すので、有
用である。変化の速度が早ければ、摩耗がより早いこと
を示し、従って工具の寿命はより短い。孔開けのプロセ
スに関する他の有用な情報源は、スピンドルに取り付け
たひずみ計１２２である。これは、工具１００がワーク
１０２に加える推力を表す。工具１００が摩耗するに従
って送り速度が一定であるためにこの推力が増加し、ワ
ークにくい込のに必要なエネルギーが増加す。実際の値
は、１つの孔を開ける期間中のひずみ計の力の平均値で
ある。

【００２４】更に、スピンドル・モータの電流センサ１
１４の場合のように、生の値（平均値）および新しい工
具からのこの値の逓増的な変化（Δ中間値）を使用し
て、工具の寿命を予測する。好適な実施例の場合、スピ
ンドル・モータの電流センサ１１４をひずみ計センサ１
２２の測定値から得えた特徴を使用して工具の寿命を測
定し、この工具の予測した寿命の終了時点で工具の摩耗
を継続的に診断する。しかし、他の実施例では、例え
ば、フィード・モータの電流センサ１１０、加速度計１
２８およびダイナモメータ１２４のような他のセンサを
スピンドル・モータの電流センサ１１４またはひずみ計
センサ１２２のいずれかの代わりにまたはこれと組み合
わせて使用する。 2.関係する構造の構築 インフルエンス・ダイアグラム・エキスパート・システ
ム（ＩＤＥＳ）は、複数の変数の間の関係を質的および
量的に表して処理し、一定の決定に到達するエキスパー
ト・システムである。知識についてのグラフで表したネ
ットワークと理論的構造である影響図、即ち関連構造に
よって、確率による推定と期待値の判断が与えられ、こ
れら２つの階層水準、即ち符号で表した水準と動的な水
準を有している。符号で表した水準では、影響図は、関
連するシステムの状態の変数を表すノードと状態変数の
相互関係を示す円弧を有する非循環方向を向いたネット
ワークによって構成される。例えば、図５に示す図は簡
単な影響図である。これは確率論による推定の３つの変
数、ＲＭＳ、ΔＲＭＳ、および範疇を示し、これらは切
削工具の状態（摩耗１）を示すものである。量的水準で
は、関連する状態の間のマッピングは、離散的条件付き
確率密度関数によって表される。例えば、図５のサンプ
ルの影響図では、ノード３は条件付き確率｛摩耗１｜Ｒ
ＭＳ、ΔＲＭＳ、範疇｝によって量的に表される。ま
た、一般的なモデルでは、ルート・ノード１．２および
３はそれらのそれぞれの限界確率によって量的に表され
る。

【００２５】しかし、影響図の手法をリアルタイムのパ
ラダイムで使用すると、これらは均一な分布によって表
される。診断による推定、例えば、工具が摩耗し始める
限界確率は、特定の質問に応答して図に加えられる１組
の変換の結果得られる。１組の変換を行った後残ってい
る位相的構造は、符号による形態で質問に対する答を表
している。量的水準では、これらの変換によって、数学
的な形で質問に対する回答が与えられる。この還元プロ
セスで使用する３種類の変換は、センサ・ノード・リム
ーバル（テーブル・ルックアップ動作）、ステート・ノ
ード・リムーバル（確率の加法規則の適用）およびアー
ク・リバーシャル（ベイズの法則の適用）である。１度
診断による推定を評価すると、重要な事象の可能性、最
善のアクションのコースを決定しなければならない。

【００２６】図６は、好適な実施例の予測工具寿命の推
定図である。検証には、同じ位相を有する推定図を使用
する。しかし、数字による水準では、各特徴の状態の空
間および確率分布の主観的見積は、段階が異なると、異
なっている。従って、検証の段階に使用する影響図に対
応する部分のノレッジ・ベースは、予測段階の対応する
部分とは異なっている。

【００２７】スピンドル・モータの電流センサから得ら
れる特徴Δｒｎｓとｒｎｓは寿命１の変数と推定図の中
間ノードに影響を与え、ひずみ計の力の特徴Δｍｅａｍ
とｍｅａｍは寿命２の変数に影響を与え、機械加工のパ
ラメータ、速度、送り、ワークの材質および工具のサイ
ズはクラスの変数に影響を与える。後者は確率的な推定
ではなく範疇化である。表１はこれらの特定のパラメー
タに基づく範疇化の例を示す。しかし、他の範疇化も可
能である。クラスの変数は、また寿命１と寿命２の変数
にも影響を与える。寿命１と寿命２の値の範囲は、「長
寿命」または「短寿命」である。従って、各特徴の所定
の特定の値、例えば、ｒｍｓをΔｒｍｓは、いずれも共
に寿命１の値が「長寿命」であるという特定の条件付き
確率を示す。

【００２８】最後に、寿命１と寿命２は寿命の変数に影
響を与え、この寿命の変数は推定図における出力ノード
である。この寿命の変数に対して使用可能な値は「長寿
命」と「短寿命」である。これらの値はいずれも問題の
後部の種類によって決まる。例えば、0.２５インチのド
リルの場合、経験的な欠陥に基づいて、「長寿命」は１
００個の孔として定義され、「短寿命」は１０個の孔と
して定義され、同様に0.１２５インチのドリルの場合、
「長寿命」は５０個の孔に対応し、「短寿命」は７個の
孔に対応する。しかし、他の実施例ではこれらの定義は
代わる可能性がある。 3.特徴の状態の記述子の決定 ノレッジ・ベース１５２の一部としての推定図の量的な
水準では、各ノードは、変数が取ることのできる値の範
囲、およびこれが符号によるものかまたは数字によるも
のかによって多くの段階に分割される。この範囲を多く
の状態に分割する値は、状態記述子と呼ぶ。これらの状
態の数は変化する。例えば、寿命ノード４２３、寿命１
ノード４１７および寿命２ノード４１９の場合、２つの
状態、即ち「長寿命」と「短寿命」が存在する。クラス
・ノード４２１は、範疇の合計数と同じだけの状態、例
えば、表１の場合には８個の状態を有する。表１の範疇
を使用する１実施例の場合、ノード４１５は「0.２５イ
ンチ」と「0.１２５インチ」状態を有し、ノード４１３
は「鋼」と「鋳鉄」の状態を有する。従って、ノード４
２３、４１７、４１９、４１５および４１３に対する状
態は全て量的なものである。図６の残りのノードは、量
的な間隔によって定義される状態記述子を有する。ノー
ド４０９と４１１に対する状態は、速度と送りの動作範
囲をそれぞれ表１の各範疇をユニークに定義するために
必要であるのと同じ位の数の間隔に分割することによっ
て得られる。ノード４１１と表１の場合、状態０は0.０
０８インチ／回転未満の送り速度を表し、状態１は0.０
０８インチ／回転以上の送り速度を表す。同様に、ノー
ド４０９の場合、状態０は３２００ｒｐｍ未満のドリル
速度によって定義され、状態１は３２００ｒｐｍ以上の
速度として定義される。特徴ノード４０１ないし４０７
の場合、孔の実験データを分析してこれを全ての範疇に
対する工具の実際の寿命と相関させることによって決定
される。

【００２９】図７は、２つの範疇の５つの場合について
集めた生のデータを示す。これは、ＲＭＳの特徴と関連
する判断の境界をどのようにして得るかを示す。従っ
て、図はノード４０３の特定の特徴、ＲＭＳと特定の範
疇、範疇５を表す。実験データは、他の特徴と範疇につ
いても同じグラフにプロットすることができる。図７の
場合、両方のドリルに対するスピンドルの電流信号のＲ
ＭＳの特徴は、開けられた孔の数の関数としてプロット
されている。垂直の点線（「摩耗ドリル＃１」と「摩耗
ドリル＃２」とそれぞれ表す）、は摩耗測定基準によっ
てドリルが実際に摩耗したと宣言された孔の番号を示
す。この孔を「摩耗孔」と呼ぶ。ドリル＃１の垂直線の
左側の円は良好な工具に状態に属し、右側の円はこのド
リル＃１の摩耗した工具の状態に属する。同様に、ドリ
ル＃２はプラスの符号によって表されている。ドリル＃
１の寿命は「長寿命」であり、一方ドリル＃２の寿命は
「短寿命」であることに留意すること。目的は、両方の
ドリルについて「長寿命」の状態を「短寿命」の状態か
ら分離する１つのしきい（判断境界と呼ぶ水平線）値を
選択することである。予測段階では、最初の３個の孔に
対する平均ＲＭＳ値を使用する。従って、最初の３個の
孔の平均ＲＭＳが「長寿命」が示されているか否かを示
すように、予測段階（ａで示す）の判定境界を選択す
る。図７の例の場合、ドリル＃１の最初の３個の孔の平
均ＲＭＳは約0.４５であり、ドリル＃２の最小の３個の
孔の平均ＲＭＳは約0.３６であり、従って、範疇＃５の
ドリルに対して選択された判定境界は0.４である。検証
の段階に対しても同様の分析が行われる。しかし、検証
の場合には、最初の３個の孔に対する平均値ではなくて
ドリルの中間寿命に至るまでの最大特徴値を使用する。
ドリル＃１の場合、最大値は、箱に入った丸印によって
示すように、0.５９である。ドリル＃２の最大値は0.５
である。従って、範疇＃５のドリルのＲＭＳの検証段階
で使用する選択された判定境界は0.５７である。

【００３０】全ての特徴と範疇に対する判定境界は、Ｒ
ＭＳと範疇＃５について上で説明したのと同じ方法で行
われる。従って、判定境界についての量的なノレッジ・
ベースが構築される。 4.条件付き確率分布の主観的評価 次のステップは、判定境界と関連した限界確率を割り当
てることである。所定の特徴と範疇の限界確率は、ノレ
ッジ・エンジニアの側が主観的に評価すべき事項であ
る。それは判断境界が正確に「長寿命」を予測する確率
を示す。

【００３１】全ての特徴ノード４０１ないし４０７に限
界確率を割り当てた後で、ノレッジ・エンジニアは、中
間ノード４１７と４１９の条件付き確率を決定する。機
械加工の範疇を示すクラス・ノードであるノード４２１
には、その先行ノード４０９ないし４１５の状態の全て
の組み合わせによって構成された条件付きクロス乗積空
間のいずれかの要素を与えられたとして、２進法の確率
条件付き分布（０または１）が割り当てられる。

【００３２】先行特徴ｒｍｓ（ノード４０３）とΔｒｍ
ｓ（ノード４０１）のそれぞれに対して例えばノード４
１７を使用すると、各判断境界が全ての範疇の「長寿
命」状態からどのくらい巧く「短寿命」状態を分離した
かに基づいて、０から１の間の基準で主観的ウェートが
割り当てられる。これらのｒｍｓおよびΔｒｍｓのウェ
ートをそれぞれｗ₄₀₃ 、ｗ₄₀₁ とする。ノード４０１と
４０３の各範疇に対して、臨界状態が識別され、それよ
り下であれば特徴値は「長寿命」状態に対応し、それよ
り上であれば特徴値は「短状態」状態に対応する。ある
範疇ｃに対して、ｓ₄₀₃ とｓ₄₀₁ をそれぞれノード４０
３と４０１の臨界状態とする。Ω₄₀₃ とΩ ₄₀₁ をそれぞ
れノード４０３と４０１の状態空間とする。条件付き確
率の評価は次のとおりである。

【００３３】範疇ｃの場合、ノード４１７が「短寿命」
にある条件付き確率Ｐは、（ｉｘｊ）εΩ₄₀₃ , ｘΩ
₄₀₁ の場合、もしｉ≧ｓ₄₀₃ ，ｊ≧ｓ₄₀₁ であれば、P=
max(ｗ₄₀₃,ｗ₄₀₁)+Δ₁(Q-1);もしｉ≧ｓ₄₀₃ ，ｊ＜ｓ
₄₀₁ であれば、P=ｗ₄₀₃/ｗ₄₀₃+ｗ₄₀₁+Δ₂(Q)；もしｉ＜
ｓ₄₀₃ ，ｊ≧ｓ₄₀₁ であれば、P=ｗ₄₀₁/ｗ₄₀₃+ｗ₄₀₁+Δ
₃(Q)；もしｉ＜ｓ₄₀₃ ，ｊ＜ｓ₄₀₁ であれば、P=0.0 ；
である。ここで、Ｑ＝（ｉ＋ｊ＋ｓ₄₀₃ −ｓ₄₀₁ ＋
１）であり、またΔ₁ 、Δ₂ およびΔ₃ は、特徴の状態
が短寿命のドリルに対応する状態から長寿命のドリルに
対応する状態に徐々に変化するにつれて、別個のステッ
プで条件付き確率を徐々に変化させる平滑化因子であ
る。それらは一般に0.０５から0.１の間の値であり、主
観的に選択される。これらの主観的な数量は、全て異な
った範疇別にまちまちであり、この手順は、全ての範疇
に対して繰り返される。ノレッジ・ベースを調整しなが
ら、本システムが練習用データに正確に応答するまで、
これらを繰り返し洗い直す。一般的には５回繰り返せば
十分である。上記の等式は発見的であり、当業者には他
の可能な等式が明らかである。

【００３４】工具の摩耗診断に関する訓練段階につい
て、図８は図３、ステップ６１７のドリルの摩耗の連続
的診断の間、ＩＤＥＳ１５４によって使用されるインフ
ルエンス・ダイアグラムの位相を示す。図６と比較する
と、工具の寿命予測のインフルエンス・ダイアグラムと
工具の予測寿命の終りに行われる工具の摩耗診断の類似
性が分かる。しかし、内部ノードと出力ノードは違う。
工具も摩耗診断のインフルエンス・ダイアグラムでは、
スピンドル・モータの電流から引き出された特徴は、摩
耗１の変数に影響し、歪み計の力から引き出された特徴
は、摩耗２の変数に影響する。これらの中間ノードは、
出力ノードの「摩耗」に影響する。摩耗１、摩耗２およ
び「摩耗」の値は、「新しいドリル」であり、また「摩
耗したドリル」である。さらに、数値の水準では、判断
境界と判断確率は、工具の寿命予測と関連したインフル
エンス・ダイアグラムとは異なる。

【００３５】上記で議論した工具の寿命予測の場合に、
ノレッジ・ベースはノレッジ・エンジニアによって手作
りで組み立てられる。（図３、ステップ６２１の）工具
の摩耗の連続診断用のノレッジ・ベースは、動的距離分
類器を使用して自動的に作ることができる。図９の動的
距離分類器と、インフルエンス・ダイアグラム・エキス
パート・システムを含むコンピュータ支援製造システム
の全体動作との関係を示す図である。

【００３６】動的距離分類器は、新しい工具のクラスと
摩耗した工具のクラスの間の判断境界だけでなく、各特
徴の正確な分類確率をも発生する。それは試料点と分類
基準としての各クラスの平均との間のユークリッド距離
を使用する。「動的」という名称を有する理由は、下記
で定義する新しい分離可能基準に基づいて、繰り返し新
しい工具のクラスの平均を洗い直すからである。穿孔だ
けでなく他の機械加工動作、例えばフライス加工または
ターニング加工にも適用可能であるという意味で、本方
法は一般的である。さらに、コンピュータ支援製造分野
以外の用途は、当業者には明らかである。

【００３７】本方法は、データを短時間の間に規則正し
い間隔で採取することおよび何らかの工具摩耗基準に基
づいて分離された試料点が工具の状態の時刻による履歴
を示すことを前提としている。この前提は制約ではな
く、機械加工分野での実情に沿ったものである。 1. 用語一覧表 本方法で使用される変数の定義は次のとおりである。

【００３８】Ｃ₀ −新しい切削工具のクラス Ｃ₁ −摩耗した切削工具のクラス ｄ−判断境界 ｗ−クラスを分割する実際の試料の番号 Ｔ−ｗの周囲の、試料の数による許容誤差の範囲（例え
ばｗ＝５として、Ｔ＝｛４，５，６，７｝） ｗ_min −全てのｉεＴ（例えば、ｗ_min ＝４×所定のＴ
＝｛４，５，６，７｝）の場合、ｉの最小値 ｘ−その分類可能性を評価した場合の特徴 ｘ_i −ｉ番目の試料に於けるｘ値 ｇ_i −Ｃ_i クラスの特徴平均 ｐ−評価中の特徴の分類に成功する確率 2. 切削工具のクラスの分離可能条件 従来、直線判別関数Ｆを使用するパターン分類では、ｘ
_i が試料ｉの特徴値を示し、判断境界ｄがＦ（ｄ）＝０
によって定義される場合、もし全てのｘ_i εＣ₀ の場
合、Ｆ（ｘ_i ）＜０であり、かつ全てのｘ_i εＣ₁ の場
合、Ｆ（ｘ_i ）＞０であれば、２つのクラスＣ₀ とＣ₁
は分離可能である。

【００３９】いずれかの新しい工具の状態が摩耗と分類
されることは望ましくないので、全てのｘ_i εＣ₀ の場
合、Ｆ（ｘ_i ）＜０という条件は、正確な分類のための
必須条件である。試料ｗの後、工具は何らかの摩耗基準
に基づいて摩耗と定義される。従来の分離可能性の場
合、分類器は、ｗ番目の試料を過ぎてから採取された各
試料で工具の摩耗を診断する。しかし、粗診断の場合に
は、その時の特定の機械加工動作の経済状態によって
は、切削工具を取り替えるか、または劣化モードで動作
を継続するかを、摩耗診断の最初の例で判断してしま
う。したがって実際の摩耗した工具試料ｗの周囲にある
数個の試料のうち許容誤差の範囲（Ｔ）内にある摩耗ド
リルの正確な分類が１つだけあれば、それで十分であ
る。（Ｔの定義の箇所で触れたように）許容誤差の範囲
Ｔは、摩耗した工具試料ｗの前の数個の新しい工具試料
によって構成されてもよい。したがって、もし １．全てのｘ_i εＣ₀ の場合、Ｆ（ｘ_i ）＜０であり、
かつ ２．Ｆ（ｘ_i ）＞０、即ちｘ_i εＣ₁ であるようにｉε
Ｔがあれば、新しい工具のクラスと摩耗した工具のクラ
スは分離可能と定義される。

【００４０】この緩やかな、しかし適切な分離可能条件
によって、粗分類を可能にする判断境界の調査が単純化
される。各個別の特徴にとっては、この判断境界は１つ
の点に過ぎない。この１次元の判断境界の調査は、特徴
がｎ次元のベクトル構成になっているｎ次元の判断面の
調査よりもかなり速い。 ３．分類器の方法 次の疑似コードによって、各特徴の判断境界と限界確率
が決定される。

【００４１】（ｘ＝特徴（１）から特徴（ｎ）まで）の
場合、ループ１を開始すること。 （１）各クラスの平均を計算すること（Ｇ_j ；ｊ＝０，
１）。 （２）もし（ｇ₀ ≧ｇ₁ ）なら、戻って（ｐ＝０）、退
出すること。 （３）（ｉ＝最初の試料から最後の試料まで）の場合、
判断規則、即ちもし｜ｘ_i −ｇ_k ｜＝min ｜ｘ_i −ｇ_j
｜，ｊ＝０，１であれば、 ｘ_i εＣ_k を使用して分類を行うこと。 （４）もし（全てのｉεＴの場合、ｘ_i εＣ₀ ）なら、
戻って（ｐ＝０）、退出すること。 （５）もし（全てのｉ＜ｗ_min の場合、ｘ_i εＣ₀ であ
り）、かつ（ｘ_i εＣ₁であるように ｉεＴがあれ
ば）、戻って ｄ＝ｇ₀＋ｇ₁／２、退出すること。 （６）（ｘ_i εＣ_i であるようにｉεＴがあり）、かつ
（ｘ_i εＣ₁ であるようにｉεＴがある）間 (while)、
while を始めること。

【００４２】ｄ＝ｇ₀＋ｇ₁／２ ｐ＝１−ｓ／ｗ_min−１_; ここで、ｓ＝｜Ｓ｜であり、全てのｉ＜ｗ_min｝の場
合、Ｓ＝｛ｘ_i｜εＣ₁

【００４３】

【数１】

【００４４】ここで全てのｉ＜ｗ_minの場合、ｘ_i εＣ₁ もし（ｇ₀≧ｇ₁）なら、 While ループを退出するこ
と。ステップ（３）だけを繰り返すこと。While を終え
ること。 （７）もし（全てのｉ＜ｗ_minの場合、ｘ_iεＣ₀ であ
り）、かつ（ｘ_iεＣ₁ であるようにｉεＴがあれ
ば）、戻って （ｄ＝ｇ₀＋ｇ₁／２ and ｐ＝１）、
退出すること。

【００４５】さもなければ戻って（ｄ，ｐ）、退出する
こと。ループ１を終了すること。このように、動的距離
分類器は、検討中の各特徴の正確な分類の判断境界
（ｄ）とそれに関連する確率（ｐ）を計算する。動的距
離分類器は、タイムリーに工具の摩耗を診断するために
予め定められた許容誤差の範囲Ｔと、試料が正しいテン
ポで連続していることに依存して、誤動作警報の発生を
最小限に止める。誤動作警報は、工具がまだ良好な状態
であり、即ち許容誤差の範囲前であるにもかかわらず、
工具が摩耗したという診断が行われたことを意味する。
ステップ６で、Ｗhileループを終了する条件が満たされ
るまで、関連のパラメータを繰り返し洗い直すことによ
って、誤動作警報は避けられる。さらにｐはｓ、即ち誤
動作警報の数によって加重される。

【００４６】再び図９を参照して、動的距離分類器を使
用した場合に、条件付き確率を計算する発見的規則は、
工具の寿命予測および工具の寿命予測の検証について上
記で説明した規則とは異なる。動的分類器によって発生
した判断境界は、各特徴ノードの状態境界として割り当
てられる。各特徴に対して正確な分類の限界確率を使用
すれば、幾つかの発見的規則を使用して、リアルタイム
のエキスパート・システム用の全体的なノレッジ・ベー
スを自動的に発生する。図８のインフルエンス・ダイア
グラムで、ｒｍｓノード８０３の場合、各範疇０ないし
ｃの判断境界はａ₁ ・・・ａ_n （ここで、ｎ≦ｃ＋１）
で示され、対応する正確な分類の限界確率は、ｒ₁ ・・
・ｒ_n （ｎはｃ＋１より小さくてもよく、その理由は、
幾つかの範疇の判断境界は、もしそれらが相互に近接し
ているなら一致してしまう場合があるからである）で示
される。同様にｂ₁ ・・・ｂ_n とｒ₁ ・・・ｒ_n は、Δ
ｒｍｓノード８０１の判断境界と限界確率を示す。ノー
ドｒｍｓ８０３は、ｎ＋１の状態に分割され、ノードΔ
ｒｍｓは、ｍ＋１の状態に分割される。例えば、ノード
８０３はもしｘ＜ａ₁ なら状態０であり、もしａ₁ ≦ｘ
≦ａ₂ なら状態₁ であり・・・もしｘ≧ａ_n なら状態ｎ
である（ここでｘはｒｍｓの特徴値である）。もし機械
加工パラメータが範疇０に対応すれば、ノード８２１は
状態０であり・・・もし範疇がｃであれば、状態ｃであ
る。また、摩耗１ノード８１７は２つの状態、即ち新し
い工具の状態０と摩耗した工具の状態１とに分割され
る。もしｋが範疇ノード８２１の状態であれば、ｒｍｓ
の特徴の判断境界と判断確率に対応する臨界状態は、そ
れぞれｋ１およびｒ_k1であり、Δｒｍｓの場合は、ｋ２
およびｓ_k2である。

【００４７】上記の定義に基づいて、ノード８０３と８
０１の条件付きクロス乗積空間（Ω ₈₀₃ ×Ω₈₀₁ ）に於
ける各点（ｘ ｘ ｙ）の場合（ここでｘとｙは、それ
ぞれノード８０３と８０１の電流状態を示す）、次の発
見的規則を使用して、摩耗１ノードが状態１、即ち摩耗
した工具の状態になる条件付き確率を計算する。（ｘ
ｘ ｙ）ε（Ω₈₀₃ ×Ω₈₀₁ ）の場合、摩耗１ノード８
１７が「摩耗したドリル」状態になる条件付き確率は、 もしｘ≧ｋ₁ ，ｙ≧ｋ₂ であれば、＝１，０ もしｘ≧ｋ₁ ，ｙ＜ｋ₂ であれば、 ＝ｒ_k1−〔ｋ₁ ＋ｋ₂ −ｘ−ｙ−ｌ／ｍ＋ｎ＋２〕 もしｘ＜ｋ₁ ，ｙ≧ｋ₂ であれば、 ＝ｓ_k2−〔ｋ₁ ＋ｋ₂ −ｘ−ｙ−ｌ／ｍ＋ｎ＋２〕 もしｘ＜ｋ₁ ，ｙ＜ｋ₂ であれば、 ＝〔ｒ_k1＋ｓ_k2／２〕−〔ｋ₁ ＋ｋ₂ −ｘ−ｙ／ｍ＋ｎ
＋２〕 もし上記の等式を使用して計算した数量が〔０．１〕に
収まらない場合には、条件付き確率に代って、対応する
極限値を使用する。また、上記の公式化を拡大して、摩
耗１ノード８１７のような結果のノードの先行ノードと
して４個以上のノードを含むことも可能である。

【００４８】再び図９を参照して、動的距離分類器は、
正確な分類の判断境界と判断確率を計算する。上記で説
明した発見的規則に後者を使用して、条件付き確率を発
生する。これらの条件付き確率を判断境界および関連の
構造、例えば図８に示すインフルエンス・ダイアグラム
と組み合わせて使用し、ノレッジ・ベースを自動的に発
生する。このステップは、インフルエンス・ダイアグラ
ム・エクスパート・システム１５４が期待するノレッジ
・ベースの構造用のフォーマットに、必要な情報を書き
込むことによって構成される。発生したノレッジ・ベー
スは、図２と図３について上記で説明した方法に従って
使用される。

【００４９】図解した実施例を参照して本発明を説明し
たが、この説明は限定的な意味に解釈されることを目的
としていない。図解した実施例の種々の変形および組み
合わせの他、本発明の他の実施例も、この説明を参照す
れば当業者には明らかである。したがって上記の請求項
は、全てのそのような変形または実施例を含むことを目
的とするものである。

【００５０】以上の記載に関連して以下の各項を開示す
る。 1. 自動化された金属切削機械における切削工具の寿命
を予測するシステムに於いて、上記のシステムは：上記
の機械の切削作業に関連する物理的データを測定する複
数のセンサ；および上記のセンサに接続されたコンピュ
ータ；によって構成され、上記のコンピュータは：上記
の物理的データを特徴値に変換する特徴抽出装置；およ
び上記の切削工具の寿命の予測に到達する工具寿命予測
装置；によって構成され、上記の工具寿命予測装置は：
特徴ノードの入力水準、上記の特徴ノードおよび機械加
工のクラス・ノードに接続された中間ノード、および上
記の中間ノードに接続された出力ノードを有する影響
図；各センサの特徴値の平均を計算する第１モジュー
ル；上記の特徴の平均に応答し、上記の特徴の平均を長
寿命または短寿命を示すものとして分類する第２モジュ
ール；および上記の影響図の接続され、上記の分類と組
み合わせて各中間ノードにおける１つの分類と１つの条
件付き確率に到達すると共に上記の切削工具の予測寿命
である上記の出力ノードの分類に到達する第３モジュー
ル；を有することを特徴とするシステム。 2. 上記の寿命予測装置の上記の出力ノードに於ける上
記の分類に応答し、上記の切削工具の上記の予測寿命の
検証に到達する寿命予測検証装置によって更に構成さ
れ、上記の寿命予測検証装置は：特徴ノードの入力水
準、上記の特徴ノードおよび機械加工のクラス・ノード
に接続された中間ノード、および上記の中間ノードに接
続された出力ノードを有する影響図；各センサの特徴値
の最大値を得る第４モジュール；上記の最大値に応答
し、長寿命または短寿命を示すものとして上記の最大値
の分類を行う第５モジュール；および上記の影響図に接
続され、上記の分類を組み合わせて各中間ノードにおけ
る１つの分類と１つの条件付き確率に到達すると共に上
記の切削工具の予測寿命の検証である上記の出力ノード
の分類に到達する第６モジュール；を有することを特徴
とする前記項１記載のシステム。 3. 上記の切削工具の上記の予測寿命と上記の切削工具
の上記の予測寿命の上記の検証に応答し、上記の切削工
具の摩耗の診断に到達する工具摩耗診断モジュールによ
って更に構成され、上記の工具摩耗診断モジュールは：
特徴ノードの入力水準、上記の特徴ノードおよび機械加
工のクラス・ノードに接続された中間ノード、および上
記の中間ノードに接続された出力ノードを有する影響
図；上記の特徴値に応答し、摩耗した工具または摩耗し
ない工具を示すものとして上記の特徴値の分類を行う第
７モジュール；および上記の影響図に接続され、上記の
分類を組み合わせて各中間ノードにおける１つの分類と
１つの条件付き確率に到達すると共に上記の切削工具の
摩耗の診断である上記の出力ノードの分類に到達する第
８モジュール；を有することを特徴とする前記項２記載
のシステム。 4. 自動化された金属切削機械の切削工具の寿命を予測
するシステムに於いて、上記のシステムは：上記の機械
の切削作業に関連する物理的データを測定する複数のセ
ンサ；および上記のセンサに接続されたコンピュータ；
によって構成され、上記のコンピュータは：上記の物理
的データを特徴値に変換する特徴抽出装置；上記の特徴
値に応答し、上記の切削工具の予測工具寿命に到達する
工具寿命予測装置；上記の予測工具寿命と上記の特徴値
に応答し、上記の予測工具寿命の検証に到達する工具寿
命予測検証装置；および上記の予測工具寿命、上記の検
証および上記の特徴値に応答し、上記の工具の摩耗状態
を継続的に診断し、上記の切削工具の工具摩耗の診断に
到達する工具摩耗診断モジュール；によって構成される
ことを特徴とするシステム。 5. 上記の工具寿命予測装置は上記の切削工具の寿命の
予測に到達し：特徴ノードの入力水準、上記の特徴ノー
ドおよび機械加工のクラス・ノードに接続された中間ノ
ード、および上記の中間ノードに接続された出力ノード
を有する影響図を有するノレッジ・ベース；各センサの
特徴値の平均を計算する第１モジュール；上記の特徴値
の平均に応答し、長寿命または短寿命を示すものとして
上記の特徴値の平均を分類する第２モジュール；および
上記の影響図に接続され、上記の分類を組み合わせて各
中間ノードにおける１つの分類と１つの条件付き確率に
到達すると共に上記の切削工具の上記の予測工具寿命で
ある上記の出力ノードの分類に到達する第３モジュー
ル；によって構成されることを特徴とする前記項４記載
のシステム。 6. 上記の工具寿命予測検証装置は:特徴ノードの入力
水準、上記の特徴ノードおよび機械加工のクラス・ノー
ドに接続された中間ノード、および上記の中間ノードに
接続された出力ノードを有する影響図を有するノレッジ
・ベース；各センサの上記の特徴値の最大値を計算する
第１モジュール；上記の最大値に応答し、長寿命または
短寿命を示すものとして上記の最大値を分類する第２モ
ジュール；および上記の影響図に接続され、上記の分類
を組み合わせて各中間ノードにおける１つの分類と１つ
の条件付き確率に到達すると共に上記の切削工具の上記
の予測工具寿命の上記の検証である出力ノードの分類に
到達する第３モジュール；によって構成されることを特
徴とする前記項４記載のシステム。 7. 上記の工具摩耗診断モジュールは：特徴ノードの入
力水準、上記の特徴ノードおよび機械加工のクラス・ノ
ードに接続された中間ノード、および上記の中間ノード
に接続された出力ノードを有する影響図を有するノレッ
ジ・ベース；上記の特徴値に応答し、摩耗した工具また
は摩耗しない上記の工具を示すものとして上記の特徴値
の分類を行う第１モジュール；および上記の影響図に接
続され、上記の分類を組み合わせて各中間ノードにおけ
る１つの分類と１つの条件付き確率に到達すると共に上
記の切削工具の上記の工具の摩耗の診断である上記の出
力ノードの分類に到達する第２モジュール；によって構
成されることを特徴とする前記項４記載のシステム。 8. 上記のセンサは、ひずみ計によって構成されること
を特徴とする前記項１記載のシステム。 9. 上記のセンサは、スピンドル電流センサによって構
成されることを特徴とする前記項１記載のシステム。 10. 上記のセンサは、送り電流センサによって構成され
ることを特徴とする前記項１記載のシステム。 11. 上記のセンサは、ダイナモメータによって構成され
ることを特徴とする前記項１記載のシステム。 12. 上記のセンサは、上記の機械の振動を検出する加速
度計によって構成されることを特徴とする前記項１記載
のシステム。 13. 切削工具を有する金属切削機械を動作する方法に於
いて、上記の方法は： （ａ）少なくとも１つのセンサを上記の金属切削機械に
取り付けるステップ； （ｂ）金属切削手順を開始するステップ； （ｃ）上記の切削工具の摩耗を観察し、一定の基準に従
って上記の切削工具が何時摩耗するかに注意するステッ
プ； （ｄ）上記のセンサからデータを収集するステップ； （ｅ）上記のセンサから上記の切削工具の摩耗に影響を
及ぼす特徴を選択するステップ；および （ｆ）上記の選択した特徴を使用し、上記の工具の寿命
を予測するステップ；によって構成されることを特徴と
する方法。 14. （ｇ）上記の予測寿命の中間点で上記の予測寿命を
検証するステップ；によって構成されることを特徴とす
る前記項１３記載の金属切削機械を動作する方法。 15. 前記項（ｅ）は： （ｅ．１）ステップ（ｄ）で収集したデータの判定境界
を決定するステップによって更に構成されることを特徴
とする前記項１３記載の金属切削機械を動作する方法。 16. 前記項（ｅ）は： （ｅ．２）機械の動作を範疇化する機械加工のパラメー
タを選択するステップ；および （ｅ．３）上記のセンサからのデータに基づいて上記の
切削工具の摩耗をモデル化する影響図を構築するステッ
プ；によって構成されることを特徴とする前記項１３記
載の金属切削機械を動作する方法。 17. リアルタイム・エキスパート・システムで学習を行
う方法に於いて、上記の方法は： （ａ）第１及び第２変数が第３変数に対して有している
影響に対応する関係構造を構築するステップ； （ｂ）一定の持続期間にわたって上記の第１変数、上記
の第２変数、および上記の第３変数に対するデータを得
るステップ； （ｃ）クラスを分割する試料の周囲の許容誤差のゾーン
を選択するステップ；および （ｄ）許容誤差のゾーンに応答する動的距離の分類装置
を使用し上記の第１及び第２変数に対する判定境界と上
記の判定境界と関連する確率を決定するステップであっ
て、上記の確率は、判定境界が上記の第３変数の値に対
して上記の第１及び第２変数の値を分類する判定境界の
信頼性を示す上記のステップ；によって構成されること
を特徴とする方法。 18. 自動化された金属切削機械における切削工具の寿命
を予測するシステムは、上記の機械の切削作業に関連す
る物理的データ（６０１）を測定する複数のセンサと上
記のセンサに接続されたコンピュータによって構成され
る。上記のコンピュータは、上記の物理量を特徴値に変
換する特徴抽出装置（６０３）と上記の切削工具の寿命
の予測に到達する工具寿命予測装置（６０５）によって
構成される。上記の工具寿命予測装置は、特徴ノードの
入力水準、上記の特徴ノードおよび機械加工のクラス・
ノードに接続された中間ノード、および上記の中間ノー
ドに接続された出力ノードを有する影響図を有する。上
記の工具寿命予測装置は、各センサの特徴値の平均を計
算する第１モジュール、上記の特徴の平均に応答し、上
記の特徴の平均を長寿命または短寿命を示すものとして
分類する第２モジュール、および上記の影響図に接続さ
れ、上記の分類を組み合わせて各中間ノードにおける１
つの分類と条件付き確率に到達すると共に上記の切削工
具の予測寿命である上記の出力ノードの分類に到達する
第３モジュールによって構成される。

【００５１】更に、リアルタイム・エキスパート・シス
テムの学習を可能にする方法が提供され、この方法は、
第１及び第２変数が第３変数に対して有している影響に
対応する関係構造を構築するステップ、一定の持続時間
にわたってこれらの変数に対するデータを得るステッ
プ、クラスを分割する試料の周囲の許容誤差のゾーンを
判定するステップ、および許容誤差のゾーンに応答する
動的距離の分類装置を使用し、第１及び第２変数に対す
る判定境界とこの判定境界と関連する確率を決定するス
テップによって構成される。これらの確率は、判定境界
が第３変数の値に対して第１及び第２変数の値を分類す
る判定境界の信頼性を示す。

【図面の簡単な説明】

【図１】コンピュータ支援製作（ＣＡＭ）システムのブ
ロック図である。

【図２】ＣＡＭシステム内のセンサ・データとインフル
エンス・ダイアグラム・エキスパート・システム（ＩＤ
ＥＳ）の間の論理リンクを示す概略図である。

【図３】工具寿命を予測し工具の摩耗を観察するために
ＩＤＥＳを使用してＣＡＭシステムを動作するためのフ
ローチャートである。

【図４】動作段階に対する訓練段階の関係を示す図であ
る。

【図５】影響図の例を示す。

【図６】本発明に従って工具寿命を予測する影響図の位
相を示す。

【図７】本発明の訓練段階の間に使用する実験データの
グラフである。

【図８】本発明に従って工具の寿命を観察する影響図の
位相を示す。

【図９】コンピュータ化した機械加工作業で本発明によ
る動的距離分類装置をどのように使用するかを示すフロ
ーチャートである。

【符号の説明】

１００ ドリル・ビット １１４，１１８，１２２，１２４，１２８ センサ １２２ ハードウェア １４４ モニタ ６０１ 物理的データ ６０３ 特徴抽出装置 ６０５ 工具寿命予測装置

Claims (2)

【特許請求の範囲】
1. 【請求項１】 自動化された金属切削機械における切削
   工具の寿命を予測するシステムてに於いて、上記のシス
   テムは：上記の機械の切削作業に関連する物理的データ
   を測定する複数のセンサ；および上記のセンサに接続さ
   れたコンピュータ；によって構成され、上記のコンピュ
   ータは：上記の物理量を特徴値に変換する特徴抽出装
   置；および上記の切削工具の寿命の予測に到達する工具
   寿命予測装置；によって構成され、上記の工具寿命予測
   装置は：特徴ノードの入力水準、上記の特徴ノードおよ
   び機械加工のクラス・ノードに接続された中間ノード、
   および上記の中間ノードに接続された出力ノードを有す
   る影響図；各センサの特徴値の平均を計算する第１モジ
   ュール；上記の特徴の平均に応答し、上記の特徴の平均
   を長寿命または短寿命を示すものとして分類する第２モ
   ジュール；および上記の影響図に接続され、上記の分類
   を組み合わせて各中間ノードにおける１つの分類と条件
   付き確率に到達すると共に上記の切削工具の予測寿命で
   ある上記の出力ノードの分類に到達する第３モジュー
   ル；を有することを特徴とするシステム。
2. 【請求項２】 切削工具を有する金属切削機械を動作す
   る方法に於いて、上記の方法は： （ａ）少なくとも１つのセンサを上記の金属切削機械に
   取り付けるステップ； （ｂ）金属切削手順を開始するステップ； （ｃ）上記の切削工具の摩耗を観察し、一定の基準に従
   って上記の切削工具が何時摩耗するかに注意するステッ
   プ； （ｄ）上記のセンサからデータを収集するステップ； （ｅ）上記のセンサから上記の切削工具の摩耗に影響を
   及ぼす特徴を選択するステップ；および （ｆ）上記の選択した特徴を使用し、上記の工具の寿命
   を予測するステップ；によって構成されることを特徴と
   する方法。