KR102323555B1 - 공작 기계의 소비 에너지 분석 방법 및 시스템 - Google Patents
공작 기계의 소비 에너지 분석 방법 및 시스템 Download PDFInfo
- Publication number
- KR102323555B1 KR102323555B1 KR1020190157125A KR20190157125A KR102323555B1 KR 102323555 B1 KR102323555 B1 KR 102323555B1 KR 1020190157125 A KR1020190157125 A KR 1020190157125A KR 20190157125 A KR20190157125 A KR 20190157125A KR 102323555 B1 KR102323555 B1 KR 102323555B1
- Authority
- KR
- South Korea
- Prior art keywords
- model
- power
- tool
- axis
- machine tool
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 title claims description 61
- 238000005265 energy consumption Methods 0.000 claims abstract description 72
- 239000002826 coolant Substances 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000005520 cutting process Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- 238000012546 transfer Methods 0.000 claims abstract description 13
- 238000003754 machining Methods 0.000 claims abstract description 11
- 238000001816 cooling Methods 0.000 claims abstract description 7
- 238000000611 regression analysis Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000012417 linear regression Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 12
- 238000002474 experimental method Methods 0.000 description 7
- 238000000691 measurement method Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
- G05B19/4187—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow by tool management
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0275—Fault isolation and identification, e.g. classify fault; estimate cause or root of failure
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32021—Energy management, balance and limit power to tools
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Numerical Control (AREA)
Abstract
본 발명은 공작 기계의 소비 에너지 데이터를 수집하고 이를 분석하여 예측치를 산출하고 이를 실측치와 비교하여 공작 기계의 이상 상황을 실시간으로 진단할 수 있게 하는 공작 기계의 소비 에너지 분석 방법 및 시스템에 관한 것으로서, 에너지 소비 모델을 선택하는 단계; 상기 유틸리티 모델이 선택되는 경우, 공작 기계의 램프를 포함한 전기적인 시스템에서 소모되는 전력을 예측 또는 측정하는 단계; 상기 쿨러 모델이 선택되는 경우, 쿨러 또는 칠러 등 적어도 하나 이상 설치되는 공작 기계 자체 냉각 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 단계; 상기 쿨런트 모델이 선택되는 경우, 공작 기계에 공급되는 절삭유 공급 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 단계; 상기 툴 모델이 선택되는 경우, 공구 교환 시스템의 ATC 암 및 매거진에서 소모되는 전력을 예측 또는 측정하는 단계; 상기 스핀들 모델이 선택되는 경우, 공구 회전을 수행하는 스핀들의 작동시 또는 비가동시 소모되는 전력을 예측 또는 측정하는 단계; 상기 컷팅 모델이 선택되는 경우, 공구와 피삭재가 접촉되어 가공이 이루어질 때, 소모되는 전력을 예측 또는 측정하는 단계; 상기 피드 모델이 선택되는 경우, 이송축의 X축, Y축, Z축 이송시 소모되는 전력을 예측 또는 측정하는 단계; 및 상기 공작 기계의 소비 에너지 또는 소비 전력을 예측 또는 측정하는 단계;를 포함할 수 있다.
Description
본 발명은 공작 기계의 소비 에너지 분석 방법 및 시스템에 관한 것으로서, 보다 상세하게는, 공작 기계의 소비 에너지 데이터를 수집하고 이를 분석하여 예측치를 산출하고 이를 실측치와 비교하여 공작 기계의 이상 상황을 실시간으로 진단할 수 있게 하는 공작 기계의 소비 에너지 분석 방법 및 시스템에 관한 것이다.
일반적으로 CNC(computer numerical control) 공작 기계를 이용해서 피삭재를 정밀 가공할 때 정상적인 가공이 안 되는 경우는 CNC 공작 기계 자체와 CNC 공작 기계에 사용하는 소모품의 고장 또는 파손 등이 원인이다.
대표적으로 공구 모니터링 시스템(Tool Condition System)은 Acoustic Emission(AE)와 같은 센서를 이용해서 센서 데이터를 수집하고 이를 정상적인 공구의 데이터와 비정상(파손 또는 마모) 공구의 데이터를 비교 분석함으로써 공구 상태 변화를 감지하여 적시에 공구 교체를 할 수 있다.
그러나, 이러한 센서 기반의 공작 기계 모니터링 방법은 다양한 형태의 가공 작업시 소요되는 총 에너지나 구간별 에너지 등을 정확하게 분석할 수 없기 때문에 이상 상황의 원인이나 가공 불량 현상의 이유 등을 파악할 수 없었던 문제점들이 있었다.
본 발명은 상기와 같은 문제점을 포함한 여러 문제점들을 해결하기 위한 것으로서, 각종 축회전시 소모되는 에너지나, 쿨러 가동시 소모되는 에너지 등 공작 기계 전반에 걸쳐서 에너지 소모 단위별로 모델링하고, 이들 모델들 각각의 특성에 맞추어서 기존의 모터 등에서 소모되는 에너지의 예측치와 실측치를 분석하고, 이들 간의 차이가 허용 범위를 넘게 되면 이를 이상 상황으로 판별하여 각 모델별 또는 각 구간별로 각종 이상 상황의 원인이나 가공 불량 현상의 원인 등을 정확하게 판단할 수 있고, 이를 토대로 작업자가 적절한 후속 조치를 실시간으로 수행할 수 있게 하는 공작 기계의 소비 에너지 분석 방법 및 시스템을 제공하는 것을 목적으로 한다. 그러나 이러한 과제는 예시적인 것으로, 이에 의해 본 발명의 범위가 한정되는 것은 아니다.
상기 과제를 해결하기 위한 본 발명의 사상에 따른 공작 기계의 소비 에너지 분석 방법은, (a) 적어도 유틸리티(Utility) 모델, 쿨러(Cooler) 모델, 쿨런트(Coolant) 모델, 툴(Tool) 모델, 스핀들(Spindle) 모델, 컷팅(Cutting) 모델, 피드(feed) 모델 및 이들의 조합들 중 어느 하나 이상의 에너지 소비 모델을 선택하는 단계; (b) 상기 유틸리티 모델이 선택되는 경우, 공작 기계의 램프를 포함한 전기적인 시스템에서 소모되는 전력을 예측 또는 측정하는 단계; (c) 상기 쿨러 모델이 선택되는 경우, 쿨러 또는 칠러 등 적어도 하나 이상 설치되는 공작 기계 자체 냉각 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 단계; (d) 상기 쿨런트 모델이 선택되는 경우, 공작 기계에 공급되는 절삭유 공급 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 단계; (e) 상기 툴 모델이 선택되는 경우, 공구 교환 시스템(ATC, Automated Tool Change)의 ATC 암(arm) 및 매거진(Magazine)에서 소모되는 전력을 예측 또는 측정하는 단계; (f) 상기 스핀들 모델이 선택되는 경우, 공구 회전을 수행하는 스핀들의 작동시 또는 비가동시 소모되는 전력을 예측 또는 측정하는 단계; (g) 상기 컷팅 모델이 선택되는 경우, 공구와 피삭재가 접촉되어 가공이 이루어질 때, 소모되는 전력을 예측 또는 측정하는 단계; (h) 상기 피드 모델이 선택되는 경우, 이송축의 X축, Y축, Z축 이송시 소모되는 전력을 예측 또는 측정하는 단계; 및 (i) 예측 또는 측정된 전력들을 합하여 상기 공작 기계의 소비 에너지 또는 소비 전력을 예측 또는 측정하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, (j) 각 모델들의 구간별 또는 누적별 실측치를 예측치와 비교하여 실측치와의 차이값이 허용 범위를 넘는 경우, 이상 상황으로 판별하는 단계;를 더 포함할 수 있다.
또한, 본 발명에 따르면, 상기 (b) 단계에서, 상기 공작 기계의 메인 전력에서 쿨러, 쿨런트, 서버 모터 전력을 차감할 수 있도록 산출된 로우(raw)값에서 최소값, 최대값, 2분위수, 4분위수, 중앙값을 나타내는 Box-Plot을 이용하여 이상치를 제거하여 상기 공작 기계가 켜져 있는 동안, 비가동 상태(idle)가 없는 상기 전력값을 산출할 수 있다.
또한, 본 발명에 따르면, 상기 (c) 단계에서, 표준 측정법 실험 대상 설비의 특성에 따라 쿨러 또는 칠러의 상시 가동 상태에서 이상치를 제거한 평균 전력을 산출할 수 있다.
또한, 본 발명에 따르면, 상기 (d) 단계에서, 상기 절삭유 공급 장치의 가동 및 비가동 상태일 때, 센서 및 DAQ(Data Acqusition)를 통해 측정한 각 상태별 평균 전력을 통해 산출할 수 있다.
또한, 본 발명에 따르면, 상기 (e) 단계에서, 공구 교환시 ATC 암의 서보 전력을 통해 산출된 ATC 암 소모 전력과, 공구가 매거진에 장착될 때의 유효 전력과, 회전 전력 및 공구 장착 전력의 합인 매거진 소모 전력의 합을 산출할 수 있다.
또한, 본 발명에 따르면, 상기 (f) 단계에서, 상기 스핀들이 피삭재와 접촉되지 않을 때 소모되는 전력을 클러스터링(Clustering) 및 회귀 분석을 이용하여 산출할 수 있다.
또한, 본 발명에 따르면, 상기 (f) 단계에서, 상기 스핀들이 아이들 상태에서는 소모 전력이 평균값으로 산출하고, 상기 스핀들의 회전수에 따라 rpm이 대략 1000 내지 10000의 제 1 그룹에서는 소모 전력이 제 1 기울기로 산술적으로 증가하는 산술 급수값으로 산출하고, rpm이 대략 11000 내지 20000의 제 2 그룹에서는 상기 제 1 기울기 보다 높은 제 2 기울기로 산술적으로 증가하는 산술 급수값으로 산출할 수 있다.
또한, 본 발명에 따르면, 상기 (g) 단계에서, 상기 스핀들이 상기 피삭재와 접촉될 때, 회귀 분석 결과 선형회귀 모델을 도출하고, 상기 스핀들의 소재 제거율(MRR, material removal rate)에 대한 k 배수만큼 증가하는 소모 전력값을 산출할 수 있다.
또한, 본 발명에 따르면, 상기 (h) 단계에서, 상기 이송축의 비가동 또는 가동 상태일 때 전력 소모값에 적어도 X축, Y축, Z축, 각 이송축의 이송속도(feed rate), 이송상태(급이송/일반이송) 중 어느 하나 이상을 선택하여 이루어지는 회귀 모델의 중간값 또는 평균값을 합하는 소모 전력값을 산출할 수 있다.
또한, 본 발명에 따르면, 상기 (i) 단계에서, 적어도 상기 공작 기계의 총 소비 에너지, 모델별 소비 에너지, 소비 에너지 이력 정보, 및 이들의 조합들 중 어느 하나 이상을 선택하여 실시간 또는 누적 전력 값으로 가시화할 수 있는 그래픽 UI를 통해 사용자 단말기 화면에 제공할 수 있다.
또한, 본 발명에 따르면, 상기 (j) 단계에서, 현재 실측 누적 전력량이 예측 전력량의 위험 구간에 진입하면 이를 경고할 수 있다.
한편, 상기 과제를 해결하기 위한 본 발명의 사상에 따른 공작 기계의 소비 에너지 분석 시스템은, 적어도 유틸리티(Utility) 모델, 쿨러(Cooler) 모델, 쿨런트(Coolant) 모델, 툴(Tool) 모델, 스핀들(Spindle) 모델, 컷팅(Cutting) 모델, 피드(feed) 모델 및 이들의 조합들 중 어느 하나 이상의 에너지 소비 모델을 선택하는 모델 선택부; 상기 유틸리티 모델이 선택되는 경우, 공작 기계의 램프를 포함한 전기적인 시스템에서 소모되는 전력을 예측 또는 측정하는 유틸리티 모델 분석부; 상기 쿨러 모델이 선택되는 경우, 쿨러 또는 칠러 등 적어도 하나 이상 설치되는 공작 기계 자체 냉각 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 쿨러 모델 분석부; 상기 쿨런트 모델이 선택되는 경우, 공작 기계에 공급되는 절삭유 공급 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 쿨런트 모델 분석부; 상기 툴 모델이 선택되는 경우, 공구 교환 시스템(ATC, Automated Tool Change)의 ATC 암(arm) 및 매거진(Magazine)에서 소모되는 전력을 예측 또는 측정하는 툴 모델 분석부; 상기 스핀들 모델이 선택되는 경우, 공구 회전을 수행하는 스핀들의 작동시 또는 비가동시 소모되는 전력을 예측 또는 측정하는 스핀들 모델 분석부; 상기 컷팅 모델이 선택되는 경우, 공구와 피삭재가 접촉되어 가공이 이루어질 때, 소모되는 전력을 예측 또는 측정하는 컷팅 모델 분석부; 상기 피드 모델이 선택되는 경우, 각 이송축의 X축, Y축, Z축 이송시 소모되는 전력을 예측 또는 측정하는 피드 모델 분석부; 측정된 전력들을 합하여 상기 공작 기계의 소비 에너지 또는 소비 전력을 예측 또는 측정하는 소모 전력 합산부; 및 각 모델들의 구간별 또는 누적별 실측치를 예측치와 비교하여 실측치와의 차이값이 허용 범위를 넘는 경우, 이상 상황으로 판별하는 이상 상황 판별부;를 포함할 수 있다.
상기한 바와 같이 이루어진 본 발명의 여러 실시예들에 따르면, 각종 축 이송시 소모되는 에너지나, 쿨러 가동시 소모되는 에너지 등 공작 기계 전반에 걸쳐서 에너지 소모 단위별로 모델링하고, 이들 모델들 각각의 특성에 맞추어서 기존의 모터 등에서 소모되는 에너지의 예측치와 실측치를 분석하고, 이들 간의 차이가 허용 범위를 넘게 되면 이를 이상 상황으로 판별하여 각 모델별 또는 각 구간별로 각종 이상 상황의 원인이나 가공 불량 현상의 원인 등을 정확하게 판단할 수 있고, 이를 토대로 작업자가 적절한 후속 조치를 실시간으로 수행할 수 있는 효과를 갖는 것이다. 물론 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.
도 1은 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 시스템을 개념적으로 나타내는 블록도이다.
도 2는 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 방법을 나타내는 순서도이다.
도 3 내지 도 25는 도 2의 공작 기계의 소비 에너지 분석 방법을 단계적으로 나타내는 도면들이다.
도 2는 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 방법을 나타내는 순서도이다.
도 3 내지 도 25는 도 2의 공작 기계의 소비 에너지 분석 방법을 단계적으로 나타내는 도면들이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 여러 실시예들을 상세히 설명하기로 한다.
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다. 오히려 이들 실시예들은 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다. 또한, 도면에서 각 층의 두께나 크기는 설명의 편의 및 명확성을 위하여 과장된 것이다.
본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 바와 같이, 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 경우 "포함한다(comprise)" 및/또는 "포함하는(comprising)"은 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다.
이하, 본 발명의 실시예들은 본 발명의 이상적인 실시예들을 개략적으로 도시하는 도면들을 참조하여 설명한다. 도면들에 있어서, 예를 들면, 제조 기술 및/또는 공차(tolerance)에 따라, 도시된 형상의 변형들이 예상될 수 있다. 따라서, 본 발명 사상의 실시예는 본 명세서에 도시된 영역의 특정 형상에 제한된 것으로 해석되어서는 아니 되며, 예를 들면 제조상 초래되는 형상의 변화를 포함하여야 한다.
이하, 본 발명의 여러 실시예들에 따른 공작 기계의 소비 에너지 분석 방법 및 시스템을 도면을 참조하여 상세히 설명한다.
도 1은 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 시스템(1000)을 개념적으로 나타내는 블록도이다.
먼저, 도 1에 도시된 바와 같이, 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 시스템(1000)은, 공작 기계에 소요되는 총 에너지를 분석하기 위해서, 공작 기계의 에너지 소비 패턴 및 주요 단위 요소 분석을 통해 에너지 사용 기본 단위(ECU, Energy Consumption Unit)별로 7개의 모델 즉, 유틸리티(Utility) 모델, 쿨러(Cooler) 모델, 쿨런트(Coolant) 모델, 툴(Tool) 모델, 스핀들(Spindle) 모델, 컷팅(Cutting) 모델, 피드(feed) 모델로 나누어서 분석하는 시스템일 수 있다.
즉, 예컨대, 도 1에 도시된 바와 같이, 상기 공작 기계의 소비 에너지 분석 시스템(1000)은, 크게 모델 선택부(10)와, 유틸리티 모델 분석부(20)와, 쿨러 모델 분석부(30)와, 쿨런트 모델 분석부(40)와, 툴 모델 분석부(50)와, 스핀들 모델 분석부(60)와, 컷팅 모델 분석부(70)와, 피드 모델 분석부(80)와, 소모 전력 합산부(90) 및 이상 상황 판별부(100)를 포함할 수 있다.
더욱 구체적으로 예를 들면, 도 1에 도시된 바와 같이, 상기 모델 선택부(10)는, 일종의 메인 프로그램으로서, 적어도 유틸리티(Utility) 모델, 쿨러(Cooler) 모델, 쿨런트(Coolant) 모델, 툴(Tool) 모델, 스핀들(Spindle) 모델, 컷팅(Cutting) 모델, 피드(feed) 모델 및 이들의 조합들 중 어느 하나 이상의 에너지 소비 모델을 선택할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 유틸리티 모델 분석부(20)는, 상기 유틸리티 모델이 선택되는 경우, 공작 기계의 램프를 포함한 전기적인 시스템에서 소모되는 전력을 예측 또는 측정할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 쿨러 모델 분석부(30)는, 상기 쿨러 모델이 선택되는 경우, 쿨러 또는 칠러 등 적어도 하나 이상 설치되는 공작 기계 자체 냉각 장치의 온오프시 소모되는 전력을 예측 또는 측정할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 쿨런트 모델 분석부(40)는, 상기 쿨런트 모델이 선택되는 경우, 공작 기계에 공급되는 절삭유 공급 장치의 온오프시 소모되는 전력을 예측 또는 측정할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 툴 모델 분석부(50)는, 상기 툴 모델이 선택되는 경우, 공구 교환 시스템(ATC, Automated Tool Change)의 ATC 암(arm) 및 매거진(Magazine)에서 소모되는 전력을 예측 또는 측정할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 스핀들 모델 분석부(60)는, 상기 스핀들 모델이 선택되는 경우, 공구 회전을 수행하는 스핀들의 작동시 또는 비가동시 소모되는 전력을 예측 또는 측정할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 컷팅 모델 분석부(70)는, 상기 컷팅 모델이 선택되는 경우, 공구와 피삭재가 접촉되어 가공이 이루어질 때, 소모되는 전력을 예측 또는 측정할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 피드 모델 분석부(80)는, 상기 피드 모델이 선택되는 경우, 이송축의 X축, Y축, Z축 이송시 소모되는 전력을 예측 또는 측정할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 소모 전력 합산부(90)는, 측정된 전력들을 합하여 상기 공작 기계의 소비 에너지 또는 소비 전력을 예측 또는 측정할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 이상 상황 판별부(100)는, 각 모델들의 구간별 또는 누적별 실측치를 예측치와 비교하여 실측치와의 차이값이 허용 범위를 넘는 경우, 이상 상황으로 판별할 수 있는 각종 프로그램이나, 전자 부품이나, 제어부나, 마이크로 프로세서나, 회로나, 연산 장치나, 중앙 처리 장치나, 컴퓨터나, 각종 단말기나, 각종 스마트 장치나 각종 센서 등 각종 프로그램을 수행할 수 있는 모든 장치들이 모두 적용될 수 있다.
이러한 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 시스템(1000)은, 도면에 반드시 국한되지 않고, 기존의 공작 기계에서 각종 데이터를 취득하기 위한 다양한 형태의 센서나 전력 분석 장치들이 추가로 설치될 수 있다. 또한, 상술된 각각의 장치들은 모니터 화면에 산출된 각종 데이터들을 표시하기 위한 모니터나, 각종 데이터들을 저장할 수 있는 각종 저장 장치들이나, 각종 명령을 입력할 수 있는 각종 명령 입력 장치들이 추가로 설치될 수 있다.
그러므로, 각종 축이송시 소모되는 에너지나, 쿨러 가동시 소모되는 에너지 등 공작 기계 전반에 걸쳐서 에너지 소모 단위별로 모델링하고, 이들 모델들 각각의 특성에 맞추어서 기존의 모터 등에서 소모되는 에너지의 예측치와 실측치를 분석하고, 이들 간의 차이가 허용 범위를 넘게 되면 이를 이상 상황으로 판별하여 각 모델별 또는 각 구간별로 각종 이상 상황의 원인이나 가공 불량 현상의 원인 등을 정확하게 판단할 수 있고, 이를 토대로 작업자가 적절한 후속 조치를 실시간으로 수행할 수 있다.
도 2는 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 방법을 나타내는 순서도이다.
도 1의 공작 기계의 소비 에너지 분석 시스템(1000)을 이용한 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 방법은, (a) 적어도 유틸리티(Utility) 모델, 쿨러(Cooler) 모델, 쿨런트(Coolant) 모델, 툴(Tool) 모델, 스핀들(Spindle) 모델, 컷팅(Cutting) 모델, 피드(feed) 모델 및 이들의 조합들 중 어느 하나 이상의 에너지 소비 모델을 선택하는 단계와, (b) 상기 유틸리티 모델이 선택되는 경우, 공작 기계의 램프를 포함한 전기적인 시스템에서 소모되는 전력을 예측 또는 측정하는 단계와, (c) 상기 쿨러 모델이 선택되는 경우, 쿨러 또는 칠러 등 적어도 하나 이상 설치되는 공작 기계 자체 냉각 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 단계와, (d) 상기 쿨런트 모델이 선택되는 경우, 공작 기계에 공급되는 절삭유 공급 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 단계와, (e) 상기 툴 모델이 선택되는 경우, 공구 교환 시스템(ATC, Automated Tool Change)의 ATC 암(arm) 및 매거진(Magazine)에서 소모되는 전력을 예측 또는 측정하는 단계와, (f) 상기 스핀들 모델이 선택되는 경우, 공구 회전을 수행하는 스핀들의 작동시 또는 비가동시 소모되는 전력을 예측 또는 측정하는 단계와, (g) 상기 컷팅 모델이 선택되는 경우, 공구와 피삭재가 접촉되어 가공이 이루어질 때, 소모되는 전력을 예측 또는 측정하는 단계와, (h) 상기 피드 모델이 선택되는 경우, 이송축의 X축, Y축, Z축 이송시 소모되는 전력을 예측 또는 측정하는 단계와, (i) 예측 또는 측정된 전력들을 합하여 상기 공작 기계의 소비 에너지 또는 소비 전력을 예측 또는 측정하는 단계 및 (j) 각 모델들의 구간별 또는 누적별 실측치를 예측치와 비교하여 실측치와의 차이값이 허용 범위를 넘는 경우, 이상 상황으로 판별하는 단계를 포함할 수 있다.
도 3 내지 도 23은 도 2의 공작 기계의 소비 에너지 분석 방법에서 사용되는 각종 그래프들이나 수식이나 화면 등의 여러 실시예들을 나타내는 도면들이다.
도 3에 도시된 바와 같이, 본 발명의 일부 실시예들에 따른 공작 기계의 소비 에너지 분석 방법에 따른 에너지 사용 기본 단위(ECU, Energy Consumption Unit) 항목별 관련 입출력 데이터 및 파라미터는, 예컨대, 입력 데이터가 각종 장치들의 전류 또는 전압, 서보 모터의 전류 또는 전압, 스핀들 전력, 스핀들 로드, 회전 스피드, 피드율, 축별 전력, 단위 절삭량(MMR), 매거진 전력, 쿨런트 전류 또는 전압, 쿨러 전류 또는 전압 등이 적용될 수 있고, 예컨대, 관련 파라미터들은 전체 가동 시간, 스핀들 가동 시간, 컷팅 깊이, 컷팅 폭, 공구 교체 횟수, 쿨런트 가동 시간, 쿨러 가동 시간 등이 적용될 수 있다.
이를 위해서, 도 4에 도시된 바와 같이, 예컨대, 각 ECU 항목별 입력 데이터 및 관련 파라미터 데이터를 수집하기 위해서 소비 에너지 모니터링용 전력량계 및 센서를 FANUC 3축 머시닝센터에 설치하고 CNC 인터페이스(FOCAS2) 및 DAQ 연계 시스템을 통해 PC 환경에서 Raw 데이터를 수집 및 분석할 수 있다.
단, CNC 인터페이스를 통해 수집할 수 없는 ECU 항목의 전력 값을 위한 입력 데이터(main, cooler, coolant, servo의 전류/전압)는 센서를 통해 전압, 전류 값을 측정하여 전력을 도출하고 나머지 전력 값 및 입력데이터(spindle, feed, magazine의 전력 및 spindle load, feed rate)는 CNC 인터페이스를 통해 수집할 수 있다.
또한, 예컨대, 도 5에 도시된 바와 같이, 소비 에너지 모델 구조에 따라 ECU 항목별 에너지 데이터를 실험을 통해 수집하기 위한 실험 레이아웃을 구성하고 공구정보 및 G코드 생성을 통해 공작기계 소비 에너지 표준 측정법 개발하였다.
여기서, 실험 레이아웃은 스핀들의 RPM, 가공 방향, 이송축 이동 방향 등 소비 에너지 모델 구조보다 상세하게 공작기계 구성 요소의 다양한 거동과 이에 따른 전력 데이터를 수집할 수 있도록 구성할 수 있다.
더욱 구체적으로 예를 들면, 상기 (b) 단계에서, 상기 공작 기계의 메인 전력에서 쿨러, 쿨런트, 서버 모터 전력을 차감할 수 있도록 산출된 로우(raw)값에서 최소값, 최대값, 2분위수, 4분위수, 중앙값을 나타내는 Box-Plot을 이용하여 이상치를 제거하여 상기 공작 기계가 켜져 있는 동안, 비가동 상태(idle)가 없는 상기 전력값을 산출할 수 있다.
즉, 소비 에너지 표준 측정법 실험 결과 도출된 전력/에너지 데이터를 ECU 항목별로 다음과 같이 분석 및 정리하면, Utility의 전력은 main 전력에서 cooler, coolant, servo 전력을 차감하여 계산하며, 계산된 raw 값에서 이상치를 제거하기 위하여 box-plot 방법론 적용할 수 있다.
도 6은 이러한 본 발명의 공작 기계의 소비 에너지 수식 모델의 일례를 나타내는 것으로서, 7개 모델에서 산출된 에너지들의 총합으로 공작 기계의 소비 에너지를 수식적으로 나타낼 수 있다. 아울러, 도 6에 도시된 바와 같이, 유틸리티 전력이나 쿨러 전력, 쿨런트 전력 등을 각각 수식적으로 나타낼 수 있다.
이외에도, 도 7에 도시된 바와 같이, 툴 전력이나, 스핀들 전력이나, 컷팅 전력이나 피드 전력 등 각각에 대한 특징을 고려하여 수직적으로 나타낼 수 있고, 도 8에 도시된 바와 같이, 피드 모델의 가속 또는 감속을 고려한 피드 소비 전력에 대한 예측 모델을 수식화할 수 있다. 그러나, 이러한 수식들은 도면에 반드시 국한되지 않고 매우 다양한 형태로도 적용되는 것도 가능함은 물론이다.
여기서, 도 9에 도시된 바와 같이, 수집된 전력 데이터의 이상치를 제거하였을 때, 아래와 같은 그래프 형태로 도출되며 공작기계가 켜져 있는 동안 utility 전력은 비가동 상태(idle)가 없는 상시 전력 값에 해당할 수 있다.
또한, 예컨대, 상기 (c) 단계에서, 표준 측정법 실험 대상 설비의 특성에 따라 쿨러 또는 칠러의 상시 가동 상태에서 이상치를 제거한 평균 전력을 산출할 수 있다.
더욱 구체적으로 예를 들면, 도 10에 도시된 바와 같이, Cooler의 경우 표준 측정법 실험 대상 설비의 특성에 따라 cooler가 그래프와 같이 상시 가동 상태이므로 이상치를 제거한 평균 전력이 약 466W로 분석될 수 있다.
또한, 예컨대, 상기 (d) 단계에서, 상기 절삭유 공급 장치의 가동 및 비가동 상태일 때, 센서 및 DAQ(Data Acqusition)를 통해 측정한 각 상태별 평균 전력을 통해 산출할 수 있다.
더욱 구체적으로 예를 들면, 도 11에 도시된 바와 같이, Coolant의 경우, DAQ를 통해 측정한 전류/전압 값을 통해 산출하며 기본 실험 결과 도 11과 같은 그래프의 형태로 전력 데이터가 산출됨을 알 수 있다.
아울러, 도 12에 도시된 바와 같이, Coolant가 Idle 상태일 경우 평균 전력은 -0.01205W로 측정 오차를 고려하면 0이라고 볼 수 있으며, 가동시 전력은 평균값으로 산출이 가능하다.
또한, 예컨대, 상기 (e) 단계에서, 공구 교환시 ATC 암의 서보 전력을 통해 산출된 ATC 암 소모 전력과, 공구가 매거진에 장착될 때의 유효 전력과, 회전 전력 및 공구 장착 전력의 합인 매거진 소모 전력의 합을 산출할 수 있다.
더욱 구체적으로 예를 들면, 도 13에 도시된 바와 같이, Tool의 경우 공구 교환이 일어난 시점의 magazine과 ATC(Automated Tool Change)의 전력 합을 통해 도출할 수 있으며 실험 결과는 도 13과 같은 그래프로 나타날 수 있다.
ATC 암은 공구 교환이 일어난 시점의 servo 전력을 통해 산출 가능하며 실험 분석 결과 ATC 암의 가동 전력은 약 409W로 나타날 수 있다.
또한, 예컨대, 상기 (f) 단계에서, 상기 스핀들이 피삭재와 접촉되지 않을 때 소모되는 전력을 클러스터링(Clustering) 및 회귀 분석을 이용하여 산출할 수 있다.
더욱 구체적으로 예를 들면, 도 14에 도시된 바와 같이, Spindle의 경우 공구의 피삭재 접촉이 일어나지 않을 때의 spindle 전력 데이터를 spindle speed와 clustering 및 회귀분석을 통해 도출할 수 있다. Spindle speed가 상승할 경우 clustering 분석 결과 2개의 그룹으로 나눠지고 각각의 그룹별 회귀분석을 통해 spindle speed에 따른 spindle 전력 회귀 모델을 위와 같이 도출할 수 있다. Spindle이 Idle 상태일 경우 전력은 약 45W로 분석될 수 있다.
즉, 상기 (f) 단계에서, 상기 스핀들이 아이들 상태에서는 소모 전력이 평균값으로 산출하고, 상기 스핀들의 회전수에 따라 rpm이 대략 1000 내지 10000의 제 1 그룹에서는 소모 전력이 제 1 기울기로 산술적으로 증가하는 산술 급수값으로 산출하고, rpm이 대략 11000 내지 20000의 제 2 그룹에서는 상기 제 1 기울기 보다 높은 제 2 기울기로 산술적으로 증가하는 산술 급수값으로 산출할 수 있다.
또한, 예컨대, 상기 (g) 단계에서, 상기 스핀들이 상기 피삭재와 접촉될 때, 회귀 분석 결과 선형회귀 모델을 도출하고, 상기 스핀들의 소재 제거율(MRR, material removal rate)에 대한 k 배수만큼 증가하는 소모 전력값을 산출할 수 있다.
더욱 구체적으로 예를 들면, 도 15 및 도 16에 도시된 바와 같이, 표준 측정법 실험 분석 결과 X축의 k는 약 1.3404Wmin/mm3, Y축의 k는 1.4027Wmin/mm3로 분석될 수 있다.
또한, 예컨대, 상기 (h) 단계에서, 상기 이송축의 비가동 또는 가동 상태일 때 전력 소모값에 적어도 X축, Y축, Z축 등 각 이송축의 이송속도(feed rate), 이송상태(급이송/일반이송), 이송 방향 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 회귀 모델의 중간값 또는 평균값을 합하는 소모 전력값을 산출할 수 있다.
더욱 구체적으로 예를 들면, 도 17 및 도 18에 도시된 바와 같이, Feed의 경우 feed 타입에 따라 rapid feed와 defined feed, 축 종류에 따라 X,Y,Z (5축의 경우 A, C 포함), 그리고 feed 방향에 따라 양, 음의 방향으로 나눠질 수 있다. 해당 분류에서 actual feed speed 변화에 따른 각각의 전력 값의 회귀분석을 실제 값 및 대표 값(중앙값&평균값)을 기반으로 수행하여 특정 feed rate에 대한 전력 회귀 모델을 도출할 수 있다.
즉, X축이 Idle 상태일 경우, 평균 전력은 약 36.3W가 발생하고 있으며, 양, 음의 방향으로 이동할 경우는 회귀 모델은 위와 같은 형태의 회귀 모델이 도출될 수 있다.
이와 마찬가지로, Y축이 Idle 상태일 경우, 평균 전력은 약 32W가 발생하고 있으며, 양, 음의 방향으로 이동할 경우는 회귀 모델은 위와 같은 형태의 회귀 모델이 도출될 수 있다.
또한, Z축의 경우는 Idle 상태일 경우 평균 전력은 약 89W가 발생하고 있으며, 양, 음의 방향으로 이동할 경우는 회귀 모델은 아래와 같은 형태의 회귀 모델이 도출됨. Z축은 중력에 영향을 크게 받기 때문에 음의 방향의 경우 중력을 거스르기 위한 부하가 커질 수 있다.
이러한, 상기 모델들에 대한 검증은 표준 측정법 기반 기본 실험을 통해 이루어질 수 있다.
즉, 도 19에 도시된 바와 같이, 표준 측정법 기반 기본 실험을 통해 ECU항목별 세부적인 전력 값을 도출 및 분석할 수 있었다면 이렇게 도출된 각 ECU별 평균 전력 값이나 회귀 모델을 검증할 수 있는 규격화 검증 실험법을 도출할 수 있다. 이를 위해 일본규격협회에서 발행된 공작기계 소비전력 측정방법 규격인 'JIS TS B 0021-1'을 바탕으로 세 가지 절삭 공구 및 다섯 가지 권장 절삭 조건하에 가공을 수행하기 위한 피삭재 도면 작업 및 G코드 작업을 진행할 수 있다.
한편, 예컨대, 상기 (i) 단계에서, 적어도 상기 공작 기계의 총 소비 에너지, 모델별 소비 에너지, X축 소비 에너지, Y축 소비 에너지, Z축 소비 에너지, X축을 기준으로 회전하는 A축 소비 에너지, Y축을 기준으로 회전하는 B축 소비 에너지, Z축을 기준으로 회전하는 C축 소비 에너지, 소비 에너지 이력 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 실시간 또는 누적 전력 값으로 가시화할 수 있는 그래픽 UI를 통해 사용자 단말기 화면에 제공할 수 있다.
더욱 구체적으로 예를 들면, 도 20에 도시된 바와 같이, 소비 에너지 모니터링 모듈의 경우 사용자 UI를 통해 실시간 또는 누적 전력 값을 가시화할 수 있으며 이를 효과적으로 지원하기 위한 화면 설계를 다음과 같이 수행할 수 있다.
도 20의 머신 상태 요약 화면은 공작기계의 현재 총 소비 전력량 및 ECU 항목별 전력량 분포를 가시화하며, ECU 항목별 총 소비 전력량도 사용자의 선택에 따라 가시화할 수 있다. 이때, 실시간 ECU 모니터링 화면은 탭별로 ECU 항목 및 상태별 실시간 전력과 누적 전력량을 가시화할 수 있다.
또한, 예컨대, 상기 (j) 단계에서, 현재 실측 누적 전력량이 예측 전력량의 위험 구간에 진입하면 이를 경고할 수 있다. 더욱 구체적으로 예를 들면, 현재 실측 누적 전력량을 파이 그래프나 막대 그래프 등으로 가시화하고, 예측 전력량 또는 현재 실측 전력량 등이 위험 구간, 즉, 도 21의 파이 그래프의 "이상 구간"또는 도 22의 높은 구간(E)에 진입하면 이를 경고할 수 있다.
이외에도, 예컨대, 도 23의 회전 눈금 형상의 화면이나, 도 24의 실시간 전력 그래프 등 매우 다양한 형태의 UI를 이용하여 모니터링용 화면에 가시화할 수 있다.
한편, 도 25에 도시된 바와 같이, 본 발명은 상술된 시스템을 이용하여 가상 머신과 실제 머신으로부터 수집된 데이터는 비교 분석 과정을 통해 이상상황 확인을 수행할 수 있는 것으로서, 비교 분석 과정은 실제 값에 대한 데이터와 예측 값 (Reference값)의 차이에 대한 분석 과정을 활용할 수 있다.
예컨대, 도 25에 도시된 바와 같이, 예측 값을 기준 값으로 실제 값이 차이가 얼마나 나는 지에 대한 분석을 수행하는 과정으로 이상치와 실제 값 차이에 대한 4분위수(IQR)를 도출하고, 사용자의 설정에 의해 1분위 수 및 3분위 수 범위의 조절이 가능하다.
여기서, 조절된 1분위 수 미만(lower limit) 및 3분위 수 초과(upper limit)에 존재하는 실제 값은 이상치로 판단할 수 있고, 해당 값의 실제 이상 여부 파악 및 상세 분석에 의해 이상 범위 조절이 가능하다.
한편, 본 발명은 또한 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다.
컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 계산을 수행할 수 있는 컴퓨터는 물론이고, ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광자기 디스크, 광데이터 저장장치, 플래시 메모리, USB 메모리 등이 있으며, 또한 캐리어 웨이브(예를 들면 인터넷을 통한 전송)의 형태로 구현되는 것도 포함할 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
10: 모델 선택부
20: 유틸리티 모델 분석부
30: 쿨러 모델 분석부
40: 쿨런트 모델 분석부
50: 툴 모델 분석부
60: 스핀들 모델 분석부
70: 컷팅 모델 분석부
80: 피드 모델 분석부
90: 소모 전력 합산부
100: 이상 상황 판별부
20: 유틸리티 모델 분석부
30: 쿨러 모델 분석부
40: 쿨런트 모델 분석부
50: 툴 모델 분석부
60: 스핀들 모델 분석부
70: 컷팅 모델 분석부
80: 피드 모델 분석부
90: 소모 전력 합산부
100: 이상 상황 판별부
Claims (13)
- (a) 적어도 유틸리티(Utility) 모델, 쿨러(Cooler) 모델, 쿨런트(Coolant) 모델, 툴(Tool) 모델, 스핀들(Spindle) 모델, 컷팅(Cutting) 모델, 피드(feed) 모델 및 이들의 조합들 중 어느 하나 이상의 에너지 소비 모델을 선택하는 단계;
(b) 상기 유틸리티 모델이 선택되는 경우, 공작 기계의 램프를 포함한 전기적인 시스템에서 소모되는 전력을 예측 또는 측정하는 단계;
(c) 상기 쿨러 모델이 선택되는 경우, 쿨러 또는 칠러 등 적어도 하나 이상 설치되는 공작 기계 자체 냉각 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 단계;
(d) 상기 쿨런트 모델이 선택되는 경우, 공작 기계에 공급되는 절삭유 공급 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 단계;
(e) 상기 툴 모델이 선택되는 경우, 공구 교환 시스템(ATC, Automated Tool Change)의 ATC 암(arm) 및 매거진(Magazine)에서 소모되는 전력을 예측 또는 측정하는 단계;
(f) 상기 스핀들 모델이 선택되는 경우, 공구 회전을 수행하는 스핀들의 작동시 또는 비가동시 소모되는 전력을 예측 또는 측정하는 단계;
(g) 상기 컷팅 모델이 선택되는 경우, 공구와 피삭재가 접촉되어 가공이 이루어질 때, 소모되는 전력을 예측 또는 측정하는 단계;
(h) 상기 피드 모델이 선택되는 경우, 이송축의 X축, Y축, Z축 이송시 소모되는 전력을 예측 또는 측정하는 단계; 및
(i) 예측 또는 측정된 전력들을 합하여 상기 공작 기계의 소비 에너지 또는 소비 전력을 예측 또는 측정하는 단계;를 포함하고,
상기 (f) 단계에서,
상기 스핀들이 피삭재와 접촉되지 않을 때 소모되는 전력을 클러스터링(Clustering) 및 회귀 분석을 이용하여 산출하며,
상기 (f) 단계에서,
상기 스핀들이 아이들 상태에서는 소모 전력이 평균값으로 산출하고, 상기 스핀들이 피삭재와 접촉되었을 때, 클러스터링 분석을 통해서 적어도 2개 이상의 그룹으로 나누어서, 상기 스핀들의 회전수에 따라 rpm이 대략 1000 내지 10000의 제 1 그룹에서는 소모 전력이 제 1 기울기로 산술적으로 증가하는 산술 급수값으로 산출하고, rpm이 대략 11000 내지 20000의 제 2 그룹에서는 상기 제 1 기울기 보다 높은 제 2 기울기로 산술적으로 증가하는 산술 급수값으로 산출하는, 공작 기계의 소비 에너지 분석 방법. - 제 1 항에 있어서,
(j) 각 모델들의 구간별 또는 누적별 실측치를 예측치와 비교하여 실측치와의 차이값이 허용 범위를 넘는 경우, 이상 상황으로 판별하는 단계;
를 더 포함하는, 공작 기계의 소비 에너지 분석 방법. - 제 1 항에 있어서,
상기 (b) 단계에서,
상기 공작 기계의 메인 전력에서 쿨러, 쿨런트, 서버 모터 전력을 차감할 수 있도록 산출된 로우(raw)값에서 최소값, 최대값, 2분위수, 4분위수, 중앙값을 나타내는 Box-Plot을 이용하여 이상치를 제거하여 상기 공작 기계가 켜져 있는 동안, 비가동 상태(idle)가 없는 상기 전력값을 산출하는, 공작 기계의 소비 에너지 분석 방법. - 제 1 항에 있어서,
상기 (c) 단계에서,
표준 측정법 실험 대상 설비의 특성에 따라 쿨러 또는 칠러의 상시 가동 상태에서 이상치를 제거한 평균 전력을 산출하는, 공작 기계의 소비 에너지 분석 방법. - 제 1 항에 있어서,
상기 (d) 단계에서,
상기 절삭유 공급 장치의 가동 및 비가동 시 전류/전압 센서 및 DAQ(Data Acquistion)를 통해 측정한 각 상태별 전력을 평균값으로 산출하는, 공작 기계의 소비 에너지 분석 방법. - 제 1 항에 있어서,
상기 (e) 단계에서,
공구 교환시 ATC 암의 서보 전력을 통해 산출된 ATC 암 소모 전력과, 공구가 매거진에 장착될 때의 유효 전력과, 회전 전력 및 공구 장착 전력의 합인 매거진 소모 전력의 합을 산출하는, 공작 기계의 소비 에너지 분석 방법. - 삭제
- 삭제
- 제 1 항에 있어서,
상기 (g) 단계에서,
상기 스핀들이 상기 피삭재와 접촉될 때, 회귀 분석 결과 선형회귀 모델을 도출하고, 상기 스핀들의 소재 제거율(MRR, material removal rate)에 대한 k 배수만큼 증가하는 소모 전력값을 산출하는, 공작 기계의 소비 에너지 분석 방법. - 제 1 항에 있어서,
상기 (h) 단계에서,
상기 이송축의 아이들 전력 소모값에 적어도 비가동 또는 가동 상태일 때 전력 소모값에 적어도 X축, Y축, Z축 등 각 이송축의 이송속도(feed rate), 이송상태(급이송/일반이송), 이송 방향 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 회귀 모델의 중간값 또는 평균값을 합하는 소모 전력값을 산출하는, 공작 기계의 소비 에너지 분석 방법. - 제 1 항에 있어서,
상기 (i) 단계에서,
적어도 상기 공작 기계의 총 소비 에너지, 모델별 소비 에너지, X축 소비 에너지, Y축 소비 에너지, Z축 소비 에너지, X축을 기준으로 회전하는 A축 소비 에너지, Y축을 기준으로 회전하는 B축 소비 에너지, Z축을 기준으로 회전하는 C축 소비 에너지, 소비 에너지 이력 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 실시간 또는 누적 전력 값으로 가시화할 수 있는 그래픽 UI를 통해 사용자 단말기 화면에 제공하는, 공작 기계의 소비 에너지 분석 방법. - 제 11 항에 있어서,
상기 (j) 단계에서,
현재 실측 누적 전력량이 예측 전력량의 위험 구간에 진입하면 이를 경고하는, 공작 기계의 소비 에너지 분석 방법. - 적어도 유틸리티(Utility) 모델, 쿨러(Cooler) 모델, 쿨런트(Coolant) 모델, 툴(Tool) 모델, 스핀들(Spindle) 모델, 컷팅(Cutting) 모델, 피드(feed) 모델 및 이들의 조합들 중 어느 하나 이상의 에너지 소비 모델을 선택하는 모델 선택부;
상기 유틸리티 모델이 선택되는 경우, 공작 기계의 램프를 포함한 전기적인 시스템에서 소모되는 전력을 예측 또는 측정하는 유틸리티 모델 분석부;
상기 쿨러 모델이 선택되는 경우, 쿨러 또는 칠러 등 적어도 하나 이상 설치되는 공작 기계 자체 냉각 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 쿨러 모델 분석부;
상기 쿨런트 모델이 선택되는 경우, 공작 기계에 공급되는 절삭유 공급 장치의 온오프시 소모되는 전력을 예측 또는 측정하는 쿨런트 모델 분석부;
상기 툴 모델이 선택되는 경우, 공구 교환 시스템(ATC, Automated Tool Change)의 ATC 암(arm) 및 매거진(Magazine)에서 소모되는 전력을 예측 또는 측정하는 툴 모델 분석부;
상기 스핀들 모델이 선택되는 경우, 공구 회전을 수행하는 스핀들의 작동시 또는 비가동시 소모되는 전력을 예측 또는 측정하는 스핀들 모델 분석부;
상기 컷팅 모델이 선택되는 경우, 공구와 피삭재가 접촉되어 가공이 이루어질 때, 소모되는 전력을 예측 또는 측정하는 컷팅 모델 분석부;
상기 피드 모델이 선택되는 경우, 이송축의 X축, Y축, Z축 이송시 소모되는 전력을 예측 또는 측정하는 피드 모델 분석부;
측정된 전력들을 합하여 상기 공작 기계의 소비 에너지 또는 소비 전력을 예측 또는 측정하는 소모 전력 합산부; 및
각 모델들의 구간별 또는 누적별 실측치를 예측치와 비교하여 실측치와의 차이값이 허용 범위를 넘는 경우, 이상 상황으로 판별하는 이상 상황 판별부;를 포함하고,
상기 스핀들 모델 분석부는,
상기 스핀들이 피삭재와 접촉되지 않을 때 소모되는 전력을 클러스터링(Clustering) 및 회귀 분석을 이용하여 산출하며,
상기 스핀들이 아이들 상태에서는 소모 전력이 평균값으로 산출하고, 상기 스핀들이 피삭재와 접촉되었을 때, 클러스터링 분석을 통해서 적어도 2개 이상의 그룹으로 나누어서, 상기 스핀들의 회전수에 따라 rpm이 대략 1000 내지 10000의 제 1 그룹에서는 소모 전력이 제 1 기울기로 산술적으로 증가하는 산술 급수값으로 산출하고, rpm이 대략 11000 내지 20000의 제 2 그룹에서는 상기 제 1 기울기 보다 높은 제 2 기울기로 산술적으로 증가하는 산술 급수값으로 산출하는, 공작 기계의 소비 에너지 분석 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190157125A KR102323555B1 (ko) | 2019-11-29 | 2019-11-29 | 공작 기계의 소비 에너지 분석 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190157125A KR102323555B1 (ko) | 2019-11-29 | 2019-11-29 | 공작 기계의 소비 에너지 분석 방법 및 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210067472A KR20210067472A (ko) | 2021-06-08 |
| KR102323555B1 true KR102323555B1 (ko) | 2021-11-09 |
Family
ID=76399811
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190157125A KR102323555B1 (ko) | 2019-11-29 | 2019-11-29 | 공작 기계의 소비 에너지 분석 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102323555B1 (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014016910A (ja) * | 2012-07-11 | 2014-01-30 | Sony Corp | 消費電力管理装置、消費電力管理システム、消費電力管理方法及び消費電力管理プログラム |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160080978A (ko) * | 2014-12-30 | 2016-07-08 | 현대위아 주식회사 | 공작 기계의 에너지 소비 평가 방법 |
-
2019
- 2019-11-29 KR KR1020190157125A patent/KR102323555B1/ko active IP Right Grant
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014016910A (ja) * | 2012-07-11 | 2014-01-30 | Sony Corp | 消費電力管理装置、消費電力管理システム、消費電力管理方法及び消費電力管理プログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210067472A (ko) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11237539B2 (en) | System and method for operational-data-based detection of anomaly of a machine tool | |
| EP3553613B1 (en) | Learning processing and diagnostics method for a plurality of machine tools | |
| CN109799784B (zh) | 刀具磨耗检测装置、其检测方法及刀具磨耗补偿方法 | |
| JP6426667B2 (ja) | 工作機械の工具の異常検知装置及び方法 | |
| US20200356069A1 (en) | Machine tool management system | |
| JP2012254499A (ja) | 工作機械の加工異常検知装置及び加工異常検知方法 | |
| Weiss et al. | Developing a hierarchical decomposition methodology to increase manufacturing process and equipment health awareness | |
| CN113126563A (zh) | 数控机床数据管理系统及方法 | |
| Pavanaskar et al. | Machine specific energy consumption analysis for CNC-milling toolpaths | |
| Kang et al. | An integrated energy data analytics approach for machine tools | |
| WO2022043516A1 (en) | System and method for instantaneous performance management of a machine tool | |
| Sicard et al. | Predictive maintenance and condition monitoring in machine tools: An IoT approach | |
| Liu et al. | A generalized method for the inherent energy performance modeling of machine tools | |
| KR102323555B1 (ko) | 공작 기계의 소비 에너지 분석 방법 및 시스템 | |
| US20200371500A1 (en) | Anomaly detection device, anomaly detection server and anomaly detection method | |
| CN117313009A (zh) | 一种基于加工中心设备数据的预防故障方法 | |
| Uhlmann et al. | Monitoring of slowly progressing deterioration of computer numerical control machine axes | |
| Wirtz et al. | Design and optimization of energy-efficient milling processes using a geometric physically-based process simulation system | |
| KR102263430B1 (ko) | 공작 기계의 툴 모델 소비 에너지 분석 방법 및 시스템 | |
| Choi et al. | Development of fault diagnosis models based on predicting energy consumption of a machine tool spindle | |
| Chan et al. | Improving machining accuracy of complex precision turning-milling machine tools | |
| Vichare et al. | Through life machine tool capability modelling | |
| CN116880359B (zh) | 一种可信数控系统的测试方法及系统 | |
| Sawangsri et al. | Concept and development of IoT-based e-maintenance platform for demonstrated system | |
| US20220253037A1 (en) | Monitoring apparatus for the identification of anomalies and degradation paths in a machine tool |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |