KR20220096018A - Cnc 공작기계의 공구 관련 비정상 데이터 탐지 시스템 - Google Patents
Cnc 공작기계의 공구 관련 비정상 데이터 탐지 시스템 Download PDFInfo
- Publication number
- KR20220096018A KR20220096018A KR1020200188121A KR20200188121A KR20220096018A KR 20220096018 A KR20220096018 A KR 20220096018A KR 1020200188121 A KR1020200188121 A KR 1020200188121A KR 20200188121 A KR20200188121 A KR 20200188121A KR 20220096018 A KR20220096018 A KR 20220096018A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- tool
- section
- cnc machine
- learning model
- Prior art date
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0957—Detection of tool breakage
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- 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
- G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
- G05B23/0235—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on a comparison with predetermined threshold or range, e.g. "classical methods", carried out during normal operation; threshold adaptation or choice; when or how to compare with the threshold
-
- 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
- G05B23/0243—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 model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Numerical Control (AREA)
Abstract
본 발명은 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 관한 것으로, 보다 구체적으로 CNC 공작기계에 구비되는 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 있어서, 가동 중인 CNC 공작기계로부터 실시간으로 공구 관련 공정 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집되는 공구 관련 공정 데이터를 저장하고, 하기 모델 관리부에서 생성되는 예측 데이터를 저장하는 데이터 저장부; 상기 데이터 저장부의 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단하여 실제 가공 공정 구간에 대한 공정 데이터를 선별한 후 선별된 실제 가공 공정 구간에 대한 공정 데이터 간의 시작 지점을 동기화하고, 동기화된 공정 데이터의 공정 데이터간 부족 구간을 보완하기 위해 보간법을 적용하여 가공 데이터 셋을 구성하는 데이터 전처리부; 상기 데이터 전처리부로부터 사용자가 설정한 데이터 구간의 가공 데이터 셋을 전송 받아 머신러닝 모델을 학습시킨 후, 학습된 머신러닝 모델을 기반으로 정상 데이터 여부의 판별 기준이 되는 예측 데이터를 생성하고, 직전의 머신러닝 모델을 상기 학습된 머신러닝 모델로 수정 저장하는 모델 관리부; 및 상기 데이터 저장부로부터 전송 받은 예측 데이터와 공구 관련 공정 데이터를 사용자가 동시에 확인할 수 있도록 디스플레이에 시간대별로 표시하며, 사용자가 해당 CNC 공작기계에 적용된 머신러닝 모델을 조회하거나, 데이터 구간을 설정하고, 머신러닝 모델의 학습, 적용 또는 수정을 명령할 수 있도록 되어 있는 사용자 인터페이스부;를 포함하고, 사용자가 상기 사용자 인터페이스부의 디스플레이에 표시되는 공구 관련 공정 데이터의 값이 동 시간대에 표시되는 예측 데이터의 값의 범위를 벗어나는 경우 비정상 데이터로 판별하는 것을 특징으로 한다.
Description
본 발명은 적은 양의 공정 데이터를 기반으로도 CNC 공작기계의 공구 관련 비정상 데이터를 높은 신뢰도 및 정확도로 탐지할 수 있는 시스템에 관한 것이다.
CNC 공작기계의 공구는 지속 사용에 따라 마모, 파손 등 결함이 발생할 수 있으며, 이러한 공구의 결함은 절삭 중인 제품의 불량을 야기할 수 있어 공구에 대한 교체 등의 관리가 필요하다. 통상적으로 CNC 공작기계의 공구 관리는 실험을 통해 산출된 공구별 적정 사용횟수에 근거하여 주기적으로 교체해줌으로써 이루어지는데 이는 CNC 공작기계의 공구의 마모 정도를 실시간으로 계측하는 것이 어렵기 때문이다. 하지만, 이와 같은 관리방법은 실제 공구 사용횟수가 적정 사용횟수보다 적지만 공구에 극심한 마모가 발생한 경우 절삭 작업 중인 제품의 불량을 야기할 수 있으며, 반대로 실제 공구 사용횟수가 적정 사용횟수에 도달했지만 공구의 마모가 거의 없는 경우 불필요한 공구 교체로 생산성을 저하시키고, 공구 관리 비용의 낭비가 발생하는 문제가 있다.
이에 대한 대안으로 CNC 공작기계의 공구 상태의 탐지를 숙련된 작업자가 해당 CNC 공작기계의 가동 상황을 진동, 전력 등의 공정 데이터를 통해 수시로 육안으로 체크하는 것으로 이루어지고 있으나, 아무리 숙련된 작업자로도 사람인 이상 판독 시 실수로 인해 비정상 데이터를 놓치는 상황이 종종 발생하며, 실시간으로 쏟아지는 방대한 공정 데이터에 대해 사람이 육안으로 정확하게 비정상 데이터를 탐지하는 데는 한계가 있고, 비정상 데이터 탐지 과정에 많은 시간이 소요되는 문제가 있다.
이에 실시간으로 쏟아지는 방대한 공정 데이터에 대해 사람이 직접 육안으로 판정하지 않고, 머신러닝 모델을 이용하여 CNC 공작기계의 공구 관련 비정상 데이터를 탐지하는 기술이 시도되고 있으나, 기존의 지도 학습 머신러닝 모델로는 방대한 공정 데이터가 구비되기 어려운 환경에서는 탐지의 정확성 및 신뢰성을 담보할 수 없는 문제가 있다.
또한, 기존의 머신러닝 모델을 이용한 CNC 공작기계의 비정상 데이터 탐지 기술의 경우 모델을 학습시키기 위한 데이터 셋의 시작점 및 종료점이 단순히 공구 코드(tool code) 데이터에만 의존하기 때문에 해당 공구(tool)의 실제 작업 구간과 조금씩 괴리가 있으며, 이로 인해 데이터 셋에 실제 작업 구간과 무관한 노이즈 데이터가 일부 포함되게 되어 머신러닝 모델의 학습 효율성을 저하시키고, 결과적으로 학습된 모델의 정확도 및 신뢰도를 떨어뜨리는 문제를 야기한다.
본 발명은 상기와 같은 문제점을 해결하기 위해 도출 된 것으로, CNC 공작기계에 대한 방대한 공정 데이터를 확보하기 어려운 중소 규모의 공장에서도 머신러닝 모델의 학습 효율성 및 정확도를 높여 신뢰도 높고 정확하게 실시간으로 CNC 공작기계의 공구의 이상 여부를 탐지할 수 있는 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템을 제공하는 것을 그 목적으로 한다.
본 발명이 해결하고자 하는 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며 언급되지 않은 또 다른 기술적과제들은 하기의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 과제를 해결하기 위한 본 발명은 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 관한 것으로, 보다 구체적으로 CNC 공작기계에 구비되는 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 있어서, 가동 중인 CNC 공작기계로부터 실시간으로 공구 관련 공정 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집되는 공구 관련 공정 데이터를 저장하고, 하기 모델 관리부에서 생성되는 예측 데이터를 저장하는 데이터 저장부; 상기 데이터 저장부의 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단하여 실제 가공 공정 구간에 대한 공정 데이터를 선별한 후 선별된 실제 가공 공정 구간에 대한 공정 데이터 간의 시작 지점을 동기화하고, 동기화된 공정 데이터의 공정 데이터간 부족 구간을 보완하기 위해 보간법을 적용하여 가공 데이터 셋을 구성하는 데이터 전처리부; 상기 데이터 전처리부로부터 사용자가 설정한 데이터 구간의 가공 데이터 셋을 전송 받아 머신러닝 모델을 학습시킨 후, 학습된 머신러닝 모델을 기반으로 정상 데이터 여부의 판별 기준이 되는 예측 데이터를 생성하고, 직전의 머신러닝 모델을 상기 학습된 머신러닝 모델로 수정 저장하는 모델 관리부; 및 상기 데이터 저장부로부터 전송 받은 예측 데이터와 공구 관련 공정 데이터를 사용자가 동시에 확인할 수 있도록 디스플레이에 시간대별로 표시하며, 사용자가 해당 CNC 공작기계에 적용된 머신러닝 모델을 조회하거나, 데이터 구간을 설정하고, 머신러닝 모델의 학습, 적용 또는 수정을 명령할 수 있도록 되어 있는 사용자 인터페이스부;를 포함하고, 사용자가 상기 사용자 인터페이스부의 디스플레이에 표시되는 공구 관련 공정 데이터의 값이 동 시간대에 표시되는 예측 데이터의 값의 범위를 벗어나는 경우 비정상 데이터로 판별하는 것을 특징으로 한다.
본 발명에서 상기 데이터 전처리부는 전체 공구 관련 공정 데이터에 대해 공구 코드(tool code) 데이터를 기준으로 해당 공구의 가공 공정 구간을 구분하되, 공구 코드(tool code) 데이터를 기준으로 구분된 데이터 구간의 경계 부근에서 공정 데이터의 값이 급격하게 변하는 구간을 상기 공구 코드(tool code) 데이터를 기준으로 구분된 데이터 구간 내에서 제외시킨 나머지 데이터 구간을 실제 가공 공정이 이루어지는 구간으로 선별하는 것이 바람직하다.
본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 의하면, 머신러닝 모델의 학습을 위한 데이터 셋에 모델 학습의 효율성 및 정확도를 높이기 위한 전 처리 가공이 이루어지기 때문에 CNC 공작기계에 대한 방대한 공정 데이터를 확보하기 어려운 중소 규모의 공장에서도 신뢰도 높고 정확하게 실시간으로 CNC 공작기계의 공구의 이상 여부를 탐지할 수 있는 효과가 있다.
도 1은 본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템의 일예를 도식적으로 도시한 것이다.
도 2는 본 발명의 공구 관련 공정 데이터의 종류를 예시로 나타낸 것이다.
도 3은 본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템의 데이터 전처리부에서 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단한 결과의 예시를 나타낸 것이다.
도 4는 본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템의 데이터 전처리부에서 해당 공구(tool)의 실제 가공 공정 구간의 공정 데이터 간의 시작 지점을 동기화하고, 데이터 부족 구간의 공정 데이터를 통계적 기법으로 내삽하여 가공 데이터 셋을 구성하는 과정을 예시로 나타낸 것이다.
도 2는 본 발명의 공구 관련 공정 데이터의 종류를 예시로 나타낸 것이다.
도 3은 본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템의 데이터 전처리부에서 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단한 결과의 예시를 나타낸 것이다.
도 4는 본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템의 데이터 전처리부에서 해당 공구(tool)의 실제 가공 공정 구간의 공정 데이터 간의 시작 지점을 동기화하고, 데이터 부족 구간의 공정 데이터를 통계적 기법으로 내삽하여 가공 데이터 셋을 구성하는 과정을 예시로 나타낸 것이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세한 설명에서 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
이하에서는 본 발명에 대해 상세히 설명하되, 필요한 경우 발명의 이해를 돕기 위해 도면을 참고하여 설명하도록 한다. 하기 도면 및 도면에 관한 설명은 본 발명의 이해를 돕기 위한 일예에 지나지 않으며, 이에 의해 본 발명의 범위가 제한되는 것은 아니다.
도 1에 도시된 본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 의하면, 본 발명은 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 관한 것으로, 보다 구체적으로 CNC 공작기계에 구비되는 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 있어서, 가동 중인 CNC 공작기계로부터 실시간으로 공구 관련 공정 데이터를 수집하는 데이터 수집부; 상기 데이터 수집부에서 수집되는 공구 관련 공정 데이터를 저장하고, 하기 모델 관리부에서 생성되는 예측 데이터를 저장하는 데이터 저장부; 상기 데이터 저장부의 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단하여 실제 가공 공정 구간에 대한 공정 데이터로 필터링한 후 공정 데이터 간의 시작 지점을 동기화하고, 동기화된 공정 데이터의 공정 데이터간 부족 구간을 보완하기 위해 보간법을 적용하여 가공 데이터 셋을 구성하는 데이터 전처리부; 상기 데이터 전처리부로부터 사용자가 설정한 데이터 구간의 가공 데이터 셋을 전송 받아 머신러닝 모델을 학습시킨 후, 학습된 머신러닝 모델을 기반으로 정상 데이터 여부의 판별 기준이 되는 예측 데이터를 생성하고, 직전의 머신러닝 모델을 상기 학습된 머신러닝 모델로 수정 저장하는 모델 관리부; 및 상기 데이터 저장부로부터 전송 받은 예측 데이터와 공구 관련 공정 데이터를 사용자가 동시에 확인할 수 있도록 디스플레이에 시간대별로 표시하며, 사용자가 해당 CNC 공작기계에 적용된 머신러닝 모델을 조회하거나, 데이터 구간을 설정하고, 머신러닝 모델의 학습, 적용 또는 수정을 명령할 수 있도록 되어 있는 사용자 인터페이스부;를 포함하고, 사용자가 상기 사용자 인터페이스부의 디스플레이에 표시되는 공구 관련 공정 데이터의 값이 동 시간대에 표시되는 예측 데이터의 값의 범위를 벗어나는 경우 비정상 데이터로 판별하는 것을 특징으로 한다.
본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템은 CNC 공작기계의 설비에 장착되는 컴퓨터에 의해 구현되는 것으로서, 실시간으로 수집되는 해당 CNC 공작기계의 공구 관련 공정 데이터를 기반으로 머신러닝 모델을 학습시키고, 학습된 머신러닝 모델을 이용하여 해당 CNC 공작기계로부터 실시간으로 수집되는 공구 관련 공정 데이터의 이상 여부를 판정하고, 이를 통해 해당 CNC 공작기계의 공구의 결함 여부를 사용자가 신속하고 신뢰도 높게 확인할 수 있도록 하는 시스템에 관한 것이다. 상기 머신러닝 모델로는 다양한 공지의 머신러닝 모델이 적용될 수 있다.
본 발명에서 상기 데이터 수집부는 가동 중인 CNC 공작기계로부터 실시간으로 공구 관련 공정 데이터를 수집하는 것으로서, 상기 공구 관련 공정 데이터는 공구의 이상 유무 상태를 나타내는 데이터라면 특별히 제한적인 것은 아니나, 외부 센서 데이터가 아니면서, 전류 데이터와 같이 설비 자체에서 유래되고, 공구의 이상 유무 상태를 시계열적으로 반영할 수 있는 데이터인 것이 바람직하다. 이는 외부 센서 데이터의 경우 주변 환경에 따라 센서의 정확도가 일정하지 않아 데이터의 신뢰도 및 정확도가 떨어지는 문제가 있기 때문이다.
상기 데이터 수집부에서 실시간으로 수집한 공구 관련 공정 데이터는 시계열 데이터로 구성된다. 도 2는 상기 공구 관련 공정 데이터의 종류를 예시로 나타낸 것으로, 공구 관련 공정 데이터는 모터와 관련하여 모터 부하값(load), 모터 스피드(speed) 등이 있고, 스핀들과 관련하여 스핀들 부하값(load), 스핀들 이송송도(feed_rate), 스핀들 스피드(speed) 등이 있으며, 서보(servo)와 관련하여 서보 부하값(load), 서보 전류값(current) 등이 있고, 공구(tool)의 위치(position)와 관련하여 상대 위치(relative), 절대 위치(absolute), 수평 수직 거리(distance) 등이 있다.
본 발명에서 상기 데이터 전처리부는 상기 데이터 저장부의 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단하여 실제 가공 공정 구간에 대한 공정 데이터를 선별한 후 선별된 실제 가공 공정 구간에 대한 공정 데이터 간의 시작 지점을 동기화하고, 동기화된 공정 데이터의 공정 데이터간 부족 구간을 보완하기 위해 보간법을 적용하여 가공 데이터 셋을 구성하는 것으로서, 본 발명은 상기 데이터 전처리부를 통해 수집되는 공구 관련 공정 데이터 중 실제 가공 공정 구간에 대한 공정 데이터를 보다 정밀하고 정확하게 추출할 수 있고, 매 작업 마다 데이터 전송 시 발생할 수 있는 공정 데이터 간의 시간 딜레이를 보정하며, 데이터 전송이 누락되거나 데이터가 부족한 구간의 공정 데이터를 통계적 기법으로 내삽하여 보완함으로써, 머신러닝 모델의 학습 효율성 및 정확도를 더욱 더 높일 수 있으며, 이로 인해 CNC 공작기계에 대한 방대한 공정 데이터를 확보하기 어려운 중소 규모의 공장에서도 신뢰도 높고 정확하게 실시간으로 CNC 공작기계의 공구의 이상 여부를 탐지할 수 있게 된다.
상기 데이터 전처리부에서 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단하는 과정은 우선적으로 전체 공구 관련 공정 데이터에 대해 공구 코드(tool code) 데이터를 기준으로 해당 공구의 가공 공정 구간을 구분하되, 본 발명은 여기에서 더 나아가 상기 공구 코드(tool code) 데이터를 기준으로 구분된 데이터 구간의 경계 부근에서 공구의 위치, 모터의 속도 등의 공정 데이터의 값이 급격하게 변하는 구간(데이터 그래프 상으로 기울기가 급격하게 변하는 구간)을 실제 가공 공정과 무관한 노이즈 구간으로 판별하여, 상기 데이터 값이 급격하게 변하는 구간을 상기 공구 코드(tool code) 데이터를 기준으로 구분된 데이터 구간 내에서 제외시킨 나머지 데이터 구간을 실제 가공 공정이 이루어지는 구간으로 선별하는 것을 특징으로 하며, 종래의 공구 코드(tool code) 데이터에만 의존하여 가공 공정 구간을 특정하던 기술에 비해 보다 정밀하고 정확하게 공구의 가공 공정 구간을 특정할 수 있으며, 이로 인해 머신러닝 모델의 학습 효율성 및 정확도를 향상시킬 수 있다. 도 3은 본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템의 데이터 전처리부에서 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단한 결과의 예시를 나타낸 것으로, 도 3에 의하면 공구 코드 데이터 상에서 공구 코드가 505인 공구에 대한 데이터 구간을 우선적으로 특정하고, 상기 공구 코드가 505인 데이터 구간 내에서 공구 위치(position) 데이터나 모터 속도(speed) 데이터 상으로 데이터 값이 급격하게 변하는 구간(기울기가 급격하게 변하는 구간)을 제외한 나머지 데이터 구간을 505 공구에 의해 실제로 가공 공정이 이루어진 데이터 구간으로 특정하게 된다.
다음으로, 상기 데이터 전처리부에서 해당 공구(tool)의 실제 가공 공정 구간의 공정 데이터 간의 시작 지점을 동기화하고, 공정 데이터 부족 구간의 공정 데이터를 보간법으로 보완하여 가공 데이터 셋을 구성하는 과정은 도 4에 나타난 바와 같다. 도 4에서는 모터 부하값에 대한 공정 데이터 간의 시작 지점을 동기화하는 과정을 예시로 나타낸 것이며, 동일한 공구로 이루어지는 CNC 가공 공정이라도 매 가공 공정 마다 공정 주기가 미세하게 차이가 생기거나, 공정 데이터의 전송에 지연이 발생하는 경우가 생기는 등 여러 가지 변수가 생기기 때문에 실제로 수집되는 원본 공정 데이터는 데이터의 시작 지점이 다양하게 분포하는 부정확한 데이터를 수집하게 되므로, 결과적으로 CNC 공작기계의 공구 상태에 대한 간접 계측 결과의 신뢰도 및 정확도를 저하시키기 때문에 공정 데이터 간의 시작 지점에 대한 동기화 과정이 필요하다.
또한, 상기 보간법(interpolation)은 내삽법이라고도 하며, 측정된 일부 데이터 값들 이용하여 데이터 값들 사이의 실제로는 측정되지 않은 데이터 값을 추정하는 방법으로서, 1차 보간법(선형 보간법), 2차 보간법, 다항식 보간법 등이 적용될 수 있다. 도 4에서는 예시로 2차 다항식 보간법이 적용되어 가상 데이터 셋(점선으로 표시된 그래프)을 구성하였다. 본 발명은 보간법을 이용하여 머신러닝 모델 학습을 위한 가상 데이터 셋을 구성함으로써, CNC 공작기계에 대한 방대한 공정 데이터를 확보하기 어려운 중소 규모의 공장에서도 방대한 양의 공정 데이터를 확보한 것과 흡사한 수준으로 머신러닝 모델을 학습시킬 수 있어, 학습된 머신러닝 모델의 예측 신뢰도 및 정확도를 향상시킬 수 있다.
본 발명에서 상기 모델 관리부는 사용자의 설정에 따라 상기 데이터 전처리부로부터 사용자가 설정한 데이터 구간의 가공 데이터 셋을 전송 받아 머신러닝 모델을 학습시킨 후, 학습된 머신러닝 모델을 기반으로 정상 데이터 여부의 판별 기준이 되는 예측 데이터를 생성하고, 직전의 머신러닝 모델을 상기 학습된 머신러닝 모델로 수정 저장하는 역할을 하는 것으로서, 공장 내부의 CNC 공작기계 별로 머신러닝 모델을 적용, 수정, 삭제 등 관리한다.
본 발명에서 상기 사용자 인터페이스부는 상기 데이터 저장부로부터 전송 받은 예측 데이터 및 공구 관련 공정 데이터를 사용자가 동시에 확인할 수 있도록 디스플레이에 시간대별로 표시하며, 사용자가 해당 CNC 공작기계에 적용된 머신러닝 모델을 조회하거나, 데이터 구간을 설정하고, 머신러닝 모델의 학습ㅇ적용ㅇ수정을 명령할 수 있도록 되어 있는 것으로서, 사용자가 상기 사용자 인터페이스부의 디스플레이에 표시되는 공구 관련 공정 데이터의 값이 동 시간대에 표시되는 예측 데이터의 값의 범위를 벗어나는 경우 비정상 데이터로 판별하는 것을 특징으로 한다.
본 발명에 따른 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 의하면, 머신러닝 모델의 학습을 위한 데이터 셋에 모델 학습의 효율성 및 정확도를 높이기 위한 전 처리 가공이 이루어지기 때문에 CNC 공작기계에 대한 방대한 공정 데이터를 확보하기 어려운 중소 규모의 공장에서도 신뢰도 높고 정확하게 실시간으로 CNC 공작기계의 공구의 이상 여부를 탐지할 수 있는 이점이 있다.
이상에 설명한 바와 같이, 본 발명이 속하는 기술 분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 본 발명의 범위는 상기의 상세한 설명보다는 후술할 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
Claims (2)
- CNC 공작기계에 구비되는 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템에 있어서,
가동 중인 CNC 공작기계로부터 실시간으로 공구 관련 공정 데이터를 수집하는 데이터 수집부;
상기 데이터 수집부에서 수집되는 공구 관련 공정 데이터를 저장하고, 하기 모델 관리부에서 생성되는 예측 데이터를 저장하는 데이터 저장부;
상기 데이터 저장부의 공구 관련 공정 데이터를 기반으로 실제 가공 공정 구간의 시작점 및 종료점을 판단하여 실제 가공 공정 구간에 대한 공정 데이터를 선별한 후 선별된 실제 가공 공정 구간에 대한 공정 데이터 간의 시작 지점을 동기화하고, 동기화된 공정 데이터의 공정 데이터간 부족 구간을 보완하기 위해 보간법을 적용하여 가공 데이터 셋을 구성하는 데이터 전처리부;
상기 데이터 전처리부로부터 사용자가 설정한 데이터 구간의 가공 데이터 셋을 전송 받아 머신러닝 모델을 학습시킨 후, 학습된 머신러닝 모델을 기반으로 정상 데이터 여부의 판별 기준이 되는 예측 데이터를 생성하고, 직전의 머신러닝 모델을 상기 학습된 머신러닝 모델로 수정 저장하는 모델 관리부; 및
상기 데이터 저장부로부터 전송 받은 예측 데이터와 공구 관련 공정 데이터를 사용자가 동시에 확인할 수 있도록 디스플레이에 시간대별로 표시하며, 사용자가 해당 CNC 공작기계에 적용된 머신러닝 모델을 조회하거나, 데이터 구간을 설정하고, 머신러닝 모델의 학습, 적용 또는 수정을 명령할 수 있도록 되어 있는 사용자 인터페이스부;를 포함하고,
사용자가 상기 사용자 인터페이스부의 디스플레이에 표시되는 공구 관련 공정 데이터의 값이 동 시간대에 표시되는 예측 데이터의 값의 범위를 벗어나는 경우 비정상 데이터로 판별하는 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템.
- 제 1항에 있어서,
상기 데이터 전처리부는 전체 공구 관련 공정 데이터에 대해 공구 코드(tool code) 데이터를 기준으로 해당 공구의 가공 공정 구간을 구분하되, 공구 코드(tool code) 데이터를 기준으로 구분된 데이터 구간의 경계 부근에서 공정 데이터의 값이 급격하게 변하는 구간을 상기 공구 코드(tool code) 데이터를 기준으로 구분된 데이터 구간 내에서 제외시킨 나머지 데이터 구간을 실제 가공 공정이 이루어지는 구간으로 선별하는 것을 특징으로 하는 CNC 공작기계의 공구 관련 비정상 데이터 탐지 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200188121A KR20220096018A (ko) | 2020-12-30 | 2020-12-30 | Cnc 공작기계의 공구 관련 비정상 데이터 탐지 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200188121A KR20220096018A (ko) | 2020-12-30 | 2020-12-30 | Cnc 공작기계의 공구 관련 비정상 데이터 탐지 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220096018A true KR20220096018A (ko) | 2022-07-07 |
Family
ID=82397680
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200188121A KR20220096018A (ko) | 2020-12-30 | 2020-12-30 | Cnc 공작기계의 공구 관련 비정상 데이터 탐지 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220096018A (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6178591B1 (en) | 1999-04-27 | 2001-01-30 | Jules L. Dussourd | Dust free and noise improved vacuum cleaner module |
| KR100579083B1 (ko) | 2002-12-30 | 2006-05-12 | 두산인프라코어 주식회사 | 공작기계의 공구 이상 검출장치 및 검출방법 |
-
2020
- 2020-12-30 KR KR1020200188121A patent/KR20220096018A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6178591B1 (en) | 1999-04-27 | 2001-01-30 | Jules L. Dussourd | Dust free and noise improved vacuum cleaner module |
| KR100579083B1 (ko) | 2002-12-30 | 2006-05-12 | 두산인프라코어 주식회사 | 공작기계의 공구 이상 검출장치 및 검출방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6426667B2 (ja) | 工作機械の工具の異常検知装置及び方法 | |
| JP5710391B2 (ja) | 工作機械の加工異常検知装置及び加工異常検知方法 | |
| US20040143360A1 (en) | Electronic fingerprints for machine control and production machines | |
| CN108241343A (zh) | 一种智能工厂管理平台系统 | |
| JP2008097363A (ja) | 異常診断方法及びその装置 | |
| JP6933630B2 (ja) | 処理時間監視装置 | |
| CN110543147B (zh) | 分析装置、分析方法及记录了分析程序的计算机可读介质 | |
| KR102353574B1 (ko) | Cnc 공작기계의 공구 관련 비정상 데이터 탐지 시스템 | |
| CN109240253B (zh) | 一种在线设备诊断及预防性维护方法及系统 | |
| JP7166839B2 (ja) | ヘルスモニタリングシステム | |
| WO2022039101A1 (ja) | 情報処理装置、コンピュータが実行可能な方法、コンピュータが読み取り可能な記憶媒体 | |
| EP3807731B1 (en) | Workpiece surface quality issues detection | |
| KR20220096018A (ko) | Cnc 공작기계의 공구 관련 비정상 데이터 탐지 시스템 | |
| Yuan et al. | Online overall equipment effectiveness (OEE) improvement using data analytics techniques for CNC machines | |
| KR20220085827A (ko) | 예측 시스템, 정보 처리 장치 및 기록 매체 | |
| KR101896291B1 (ko) | 공작 기계의 가공경로 보정방법 | |
| US8346383B2 (en) | Method for determining the machining quality of components, particularly for metal cutting by NC machines | |
| JP2008226112A (ja) | 数値制御装置 | |
| KR101575910B1 (ko) | 오차 자동 보정 기능을 가진 수치 제어 시스템 및 이를 이용한 오차 자동 보정 방법 | |
| CN110376977A (zh) | 一种循环周期的计算方法、系统、装置和存储介质 | |
| KR20200023883A (ko) | Cnc 공작기계의 공구 마모 간접 계측방법 | |
| US20230211448A1 (en) | Method for checking at least one subregion of a component and checking device for checking at least one subregion of a component | |
| KR20200132313A (ko) | 수치제어 공작기계 진단 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
| WO2023089773A1 (ja) | 異常診断装置、異常診断システム、及び記憶媒体 | |
| US20230264314A1 (en) | Method of monitoring machine processes in workplace processing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |