KR20230059950A - Integrated estimation model for cutting force and tool wear - Google Patents

Integrated estimation model for cutting force and tool wear Download PDF

Info

Publication number
KR20230059950A
KR20230059950A KR1020210143926A KR20210143926A KR20230059950A KR 20230059950 A KR20230059950 A KR 20230059950A KR 1020210143926 A KR1020210143926 A KR 1020210143926A KR 20210143926 A KR20210143926 A KR 20210143926A KR 20230059950 A KR20230059950 A KR 20230059950A
Authority
KR
South Korea
Prior art keywords
data
information
cutting force
tool
estimation model
Prior art date
Application number
KR1020210143926A
Other languages
Korean (ko)
Inventor
구정인
남은석
박경희
Original Assignee
한국생산기술연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국생산기술연구원 filed Critical 한국생산기술연구원
Priority to KR1020210143926A priority Critical patent/KR20230059950A/en
Publication of KR20230059950A publication Critical patent/KR20230059950A/en

Links

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
    • G05B19/18—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
    • 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
    • B23Q17/0995—Tool life 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
    • 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
    • G05B19/401—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 control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
    • 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
    • G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
    • G05B19/4145—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller characterised by using same processor to execute programmable controller and numerical controller function [CNC] and PC controlled NC [PCNC]

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Machine Tool Sensing Apparatuses (AREA)

Abstract

The present invention relates to an integrated estimation model for cutting force and tool wear. A method for estimating the cutting force and tool wear of a cutting machine of the present invention includes the steps of: (a) generating a cutting force estimation model; (b) calculating the cumulative impact amount by integrating the cutting force per unit time; and (c) generating a learned tool wear estimation model.

Description

절삭력 및 공구 마모도 통합 추정 모델{Integrated estimation model for cutting force and tool wear}Integrated estimation model for cutting force and tool wear}

본 발명은 절삭력 및 공구 마모도 통합 추정 모델에 관한 것이다.The present invention relates to an integrated estimation model for cutting force and tool wear.

다양한 산업현장에 사용되는 절삭가공은 장비, 소재, 공정 및 절삭공구 특성에 영향을 많이 받기 때문에 공정 최적화 및 이상상태 사전대응을 판단하는 것은 중요하다.Since the cutting process used in various industrial sites is greatly affected by the characteristics of equipment, materials, processes, and cutting tools, it is important to optimize the process and determine the preemptive response to abnormal conditions.

절삭력은 공구마모, 표면조도, 공작기계 이상진단 등의 예측/진단에 기초적인 정보를 제공하는 바, 공정을 최적화하고 사전대응을 위해 절삭가공 공정에서 절삭력을 예측하는 것은 매우 중요한 문제이다.Cutting force provides basic information for prediction/diagnosis of tool wear, surface roughness, machine tool abnormality diagnosis, etc. Therefore, it is very important to predict cutting force in the cutting process to optimize the process and respond in advance.

또한, 절삭가공에서 공구는 시간에 따라 마모되는데, 공구와 피삭재는 서로 접촉하며 절삭되는 바 공구의 마모된 정도는 피삭재의 절삭 품질에 직접적인 영향을 끼친다. 이에 따라, 공구의 마모도를 추정하고, 공구의 수명 및 잔여 시간을 예측하는 것은 절삭가공의 품질 및 생산성을 증가시키는데 있어 매우 중요하다.In addition, in the cutting process, the tool is worn over time, and the tool and the workpiece contact each other, and the degree of wear of the cutting bar tool directly affects the cutting quality of the workpiece. Accordingly, estimating the degree of wear of the tool and predicting the tool life and remaining time are very important in increasing the quality and productivity of the cutting process.

종래에는, 이러한 절삭력과 공구의 마모도를 각각 추정하고자, 각각의 절삭력 추정 모델과 공구 마모도 추정 모델을 학습하는 것에 대한 인식은 있었다. 다만, 절삭력을 추정 모델과 공구 마모도 추정 모델을 학습하기 위해, 별도의 학습 데이터를 구비하여 모델 생성에 필요한 데이터를 구비하는데 시간이 많이 소비되었고, 이에 따른 모델 생성 속도가 느려지는 문제가 있었다.Conventionally, in order to estimate the cutting force and the wear degree of the tool, respectively, there has been a perception of learning each of the cutting force estimation model and the tool wear estimation model. However, in order to learn the cutting force estimation model and the tool wear estimation model, it takes a lot of time to prepare data necessary for model generation by providing separate learning data, resulting in a problem in that the model generation speed is slowed down.

예를 들어, 일본등록특허공보 제6898079호는 공작 기계 및 그 제어 방법에 관한 것으로, 절삭력의 특정 값 이상일 때 공구의 이상(파손)을 판단하는 것에 대한 인식은 있으나, 절삭력과 공구마모도 각각을 추정할 수 있는 모델을 생성 하고, 이 과정에서 절삭력 추정모델에서 사용된 출력 데이터를 공구마모도 추정 모델에 이용하는 것에 대한 인식은 없다.For example, Japanese Patent Registration No. 6898079 relates to a machine tool and its control method, and although there is recognition for determining the abnormality (breakage) of a tool when the cutting force exceeds a specific value, the cutting force and tool wear are estimated respectively. In this process, there is no awareness of using the output data used in the cutting force estimation model for the tool wear estimation model.

다른 예를 들어, 한국등록특허공보 제10-1638623호는 CNC 프로그램을 이용하여 절삭력과 공구마모도를 모두 추정하 는 것에 대한 인식은 있으나, 절삭력과 공구마모도 각각을 추정할 수 있는 모델을 생성하고, 이 과정에서 절삭력 추정모델에서 사용된 출력 데이터를 공구마모 도 추정모델에 이용하는 것에 대한 인식은 없다.As another example, Korea Patent Publication No. 10-1638623 recognizes estimating both cutting force and tool wear using a CNC program, but creates a model capable of estimating both cutting force and tool wear, In this process, there is no awareness of using the output data used in the cutting force estimation model for the tool wear estimation model.

다른 예를 들어, 한국등록특허공보 제10-2139382호는 생성된 프로그램을 이용하여, 절삭력과 공구마모도를 모두 추정하는 것에 대한 인식은 있으나, 절삭력과 공구마모도 각각을 추정할 수 있는 모델을 생성하고, 이 과정에서 절삭력 추정모델에서 사용된 출력 데이터를 공구마모도 추정모델에 이용하는 것에 대한 인식은 없다.For another example, Korean Patent Registration No. 10-2139382 has recognition for estimating both cutting force and tool wear using a generated program, but creates a model capable of estimating both cutting force and tool wear, However, in this process, there is no awareness of using the output data used in the cutting force estimation model for the tool wear estimation model.

(특허문헌 1) 일본등록특허공보 제6898079호 (Patent Document 1) Japanese Patent Registration No. 6898079

(특허문헌 2) 한국등록특허공보 제10-1638623호(Patent Document 2) Korean Patent Registration No. 10-1638623

(특허문헌 3) 한국등록특허공보 제10-2139382호(Patent Document 3) Korean Patent Registration No. 10-2139382

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것이다. The present invention has been made to solve the above problems.

구체적으로, 본 발명은 하나의 학습 데이터를 이용하여 절삭력 추정 모델과 공구 마모도 추정 모델을 생성하기 위함이다.Specifically, the present invention is to generate a cutting force estimation model and a tool wear estimation model using one learning data.

또한, 본 발명은 하나의 학습 데이터를 이용하여 절삭력과 공구마모도를 모두 추정할 수 있는 통합 추정 모델을 생성하기 위함이다.In addition, the present invention is to create an integrated estimation model capable of estimating both cutting force and tool wear using one training data.

상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예는, 스핀들에 장착되는 다수의 공구날을 포함하는 하나 이상의 절삭 공구를 포함하고 다수의 축으로 구동되어 피삭재를 절삭하는 절삭 가공 기기의 절삭력과 공구마모도를 추정하기 위한 방법으로서, (a) 데이터 전처리부(100)에 절삭력 학습 데이터가 입력되고, 모델링부(200)가 상기 절삭력 학습 데이터를 이용하여 학습된 절삭력 추정 모델을 생성하는 단계;(b) 상기 절삭력 추정 모델에 제1 입력 데이터를 입력하여 시간에 따른 절삭력이 출력되고, 연산부(300)가 단위 시간마다의 절삭력을 적분하여 누적 충격량을 연산하는 단계; 및 (c) 상기 모델링부(200)가 상기 절삭력 추정 모델을 이용하여 연산된 누적 충격량과 상기 절삭력 학습 데이터를 더 이용하여 학습된 공구마모도 추정 모델을 생성하는 단계; 를 포함하고, 상기 절삭력 학습 데이터는, 공정 변수 데이터(10)와 모니터링 데이터(20)를 포함하고, 상기 공정 변수 데이터(10)는 절삭 공구 정보(13) 및 가공실험 정보(14)를 포함하고, 상기 절삭 공구 정보(13)는 공구날 수(number of tooth)에 대한 정보를 포함하고, 상기 가공실험 정보(14)는 미리 설정된 스핀들 RPM 설정값에 대한 정보를 포함하고, 상기 모니터링 데이터(20)는 CNC 정보(21), 공구 동력계 정보(22), 센서 정보(23) 및 마모도 정보(24)를 포함하고, 상기 CNC 정보(21)는 측정되는 스핀들 RPM에 대한 정보를 포함하고, 상기 공구 공구 동력계 정보(22)는 절삭력에 대한 정보를 포함하고, 상기 (a)단계에서, (a1) 상기 데이터 전처리부(100)에 상기 절삭력 학습 데이터가 입력되는 단계; (a2) 상기 데이터 전처리부(100)가 상기 입력된 절삭력 학습 데이터에서, 상기 공정 변수 데이터(10), 상기 CNC 정보(21) 및 상기 센서 정보(23)를 제1 입력 데이터로 하고, 상기 공구 동력계 정보(22)가 포함하는 절삭력 측정 정보를 제1 출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 및 (a3) 상기 모델링부(200)가 상기 (a2) 단계에서의 제1 입력 데이터와 상기 제1 출력 데이터를 이용하여 학습된 상기 절삭력 추정 모델을 생성하는 단계;를 포함하고, 상기 (b) 단계에서 입력되는 상기 제1 입력 데이터는, 공정 변수 데이터(10), CNC 정보(21), 및 센서 정보(23)를 포함하고, 상기 (c)단계에서, (c1) 상기 데이터 전처리부(100)에 상기 누적 충격량이 더 입력되는 단계; (c2) 상기 데이터 전처리부(100)가 상기 입력된 절삭력 학습 데이터에서, 상기 공정 변수 데이터(10)와 상기 CNC 정보(21), 상기 센서 정보(23) 및 상기 누적 충격량을 제2 입력 데이터로 하고, 상기 마모도 정보(24)를 제2출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 및 (c3) 상기 모델링부(200)가 상기 (c2) 단계에서의 제2 입력 데이터와 상기 제2 출력 데이터를 이용하여 학습된 상기 공구마모도 추정 모델을 생성하는 단계;를 포함하는 방법을 제공한다.One embodiment of the present invention for solving the above problems is the cutting force of a cutting machine including one or more cutting tools including a plurality of tool blades mounted on a spindle and driven by a plurality of axes to cut a workpiece As a method for estimating tool wear, (a) cutting force learning data is input to the data preprocessing unit 100, and the modeling unit 200 generates a learned cutting force estimation model using the cutting force learning data; ( b) inputting first input data to the cutting force estimation model, outputting the cutting force according to time, and integrating the cutting force per unit time by the calculator 300 to calculate an accumulated impact amount; and (c) generating, by the modeling unit 200, a tool wear estimation model learned by further using the accumulated impact calculated using the cutting force estimation model and the cutting force learning data; The cutting force learning data includes process variable data 10 and monitoring data 20, and the process variable data 10 includes cutting tool information 13 and machining experiment information 14, , The cutting tool information 13 includes information on the number of teeth, the machining experiment information 14 includes information on a preset spindle RPM setting value, and the monitoring data 20 ) includes CNC information 21, tool dynamometer information 22, sensor information 23, and wear information 24, and the CNC information 21 includes information about the measured spindle RPM, and the tool The tool dynamometer information 22 includes information on cutting force, and in step (a), (a1) inputting the cutting force learning data to the data pre-processor 100; (a2) The data pre-processing unit 100 sets the process variable data 10, the CNC information 21, and the sensor information 23 as first input data in the input cutting force learning data, and the tool Labeling the cutting force measurement information included in the dynamometer information 22 as first output data and transmitting it to the modeling unit 200; and (a3) generating, by the modeling unit 200, the learning cutting force estimation model using the first input data and the first output data in step (a2), wherein (b) The first input data input in step includes process variable data 10, CNC information 21, and sensor information 23, and in step (c), (c1) the data pre-processing unit 100 Step of further inputting the cumulative impact amount to ); (c2) The data preprocessor 100 converts the process variable data 10, the CNC information 21, the sensor information 23, and the cumulative impact amount from the input cutting force learning data into second input data. and labeling the wear degree information 24 as second output data and transmitting it to the modeling unit 200; and (c3) generating, by the modeling unit 200, the tool wear estimation model learned using the second input data and the second output data in step (c2). .

일 실시예에 있어서, 스핀들에 장착되는 다수의 공구날을 포함하는 하나 이상의 절삭 공구를 포함하고 다수의 축으로 구동되어 피삭재를 절삭하는 절삭 가공 기기의 절삭력과 공구마모도를 추정하기 위한 방법으로서, (d) 모델링부(200)가 통합 학습 데이터를 Multi-Task Learning(MTL)하여 통합 추정 모델을 생성하는 단계;를 포함하고, 상기 통합 학습 데이터는, 공정 변수 데이터(10)와 모니터링 데이터(20)를 포함하고, 상기 공정 변수 데이터(10)는 절삭 공구 정보(13) 및 가공실험 정보(14)를 포함하고, 상기 절삭 공구 정보(13)는 공구날 수(number of tooth)에 대한 정보를 포함하고, 상기 가공실험 정보(14)는 미리 설정된 스핀들 RPM 설정값에 대한 정보를 포함하고, 상기 모니터링 데이터(20)는 CNC 정보(21), 공구 동력계 정보(22), 센서 정보(23) 및 마모도 정보(24)를 포함하고, 상기 CNC 정보(21)는 측정되는 스핀들 RPM에 대한 정보를 포함하고, 상기 공구 동력계 정보(22)는 측정되는 절삭력 측정 정보를 포함하고, 상기 (d)단계는, (d1) 데이터 전처리부(100)에 상기 통합 학습 데이터가 입력되는 단계; (d2) 상기 데이터 전처리부(100)가 상기 입력된 통합 학습 데이터에서, 상기 공정 변수 데이터(10), 상기 CNC 정보(21), 및 상기 센서 정보(23)를 제3 입력 데이터로 하고, 상기 공구 동력계 정보(22)가 포함하는 절삭력 측정 정보와 상기 마모도 정보(24)를 제3 출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 및 (d3) 상기 모델링부(200)가 상기 제3 입력 데이터와 상기 제3 출력 데이터를 이용하여 학습된 상기 통합 추정 모델을 생성하는 단계;를 포함하는 방법을 제공한다.In one embodiment, as a method for estimating the cutting force and tool wear of a cutting machine that includes one or more cutting tools including a plurality of tool blades mounted on a spindle and driven by a plurality of axes to cut a workpiece, ( d) generating an integrated estimation model by multi-task learning (MTL) on the integrated learning data by the modeling unit 200, wherein the integrated learning data includes process variable data 10 and monitoring data 20 The process variable data 10 includes cutting tool information 13 and machining experiment information 14, and the cutting tool information 13 includes information on the number of teeth. The machining experiment information 14 includes information on a preset spindle RPM setting value, and the monitoring data 20 includes CNC information 21, tool dynamometer information 22, sensor information 23, and wear information 24, the CNC information 21 includes information on the measured spindle RPM, the tool dynamometer information 22 includes the measured cutting force measurement information, and the step (d) includes, (d1) inputting the integrated learning data to the data pre-processing unit 100; (d2) The data pre-processing unit 100 sets the process variable data 10, the CNC information 21, and the sensor information 23 as third input data in the input integrated learning data, Labeling the cutting force measurement information and the wear information 24 included in the tool dynamometer information 22 as third output data and transmitting the labeling to the modeling unit 200; and (d3) generating, by the modeling unit 200, the integrated estimation model learned by using the third input data and the third output data.

일 실시예에 있어서, 상기 공정 변수 데이터(10)는, 피삭재의 소재 정보를 포함하는 피삭재 정보(11), 절삭 가공 기기의 종류인 기기 종류를 포함하는 기기 정보(12)를 더 포함하고, 상기 모니터링 데이터(20)는, 상기 CNC정보(21)는 상기 절삭 가공 기기의 기기 동작 시간, 스핀들의 각 축의 위치, 스핀들의 각 축과 스핀들에 걸리는 부하, 및 스핀들 RPM에 대한 정보를 더 포함하고, 상기 센서 정보(23)는 상기 절삭 가공 기기에서 측정되는 스핀들의 각 축 및 스핀들의 3상 전류 및 전압, 스핀들의 X, Y방향 가속도 및 소음에 대한 정보를 더 포함할 수 있다.In one embodiment, the process variable data 10 further includes workpiece information 11 including material information of the workpiece and machine information 12 including a machine type that is a type of cutting machine, In the monitoring data 20, the CNC information 21 further includes information about the machine operation time of the cutting machine, the position of each axis of the spindle, the load applied to each axis and the spindle of the spindle, and spindle RPM, The sensor information 23 may further include information on each axis of the spindle, three-phase current and voltage of the spindle, acceleration in X and Y directions of the spindle, and noise measured by the cutting machine.

일 실시예에 있어서, 상기 절삭력 학습데이터는 시간에 따른 절삭력 시뮬레이션 데이터를 포함하는 기저장된 시뮬레이션 데이터(30)를 더 포함하고, 상기 (a2)단계는, (a21) 상기 데이터 전처리부(100)가 상기 모니터링 데이터(20)가 포함하는 상기 절삭력 측정 정보와 상기 시뮬레이션 데이터(30)가 포함하는 상기 절삭력 시뮬레이션 데이터를 동기화하여 절삭력 동기화 정보를 생성하고, 상기 공정 변수 데이터(10), 상기 모니터링 데이터(20) 및 상기 절삭력 동기화 정보를 포함하는 통합 데이터 셋을 생성하는 단계; 및 (a22) 상기 데이터 전처리부(100)가 상기 통합 데이터 셋에서 변수 선택(feature selection)하여 변수 선택된 절삭력 데이터를 생성하고, 상기 공정 변수 데이터(10), 상기 CNC 정보(21) 및 상기 센서 정보(23)를 상기 제1 입력 데이터로 하고, 상기 변수 선택된 절삭력 데이터를 상기 제1 출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 를 포함할 수 있다.In one embodiment, the cutting force learning data further includes pre-stored simulation data 30 including cutting force simulation data according to time, and in step (a2), (a21) the data preprocessor 100 Cutting force synchronization information is generated by synchronizing the cutting force measurement information included in the monitoring data 20 and the cutting force simulation data included in the simulation data 30, and the process variable data 10 and the monitoring data 20 ) and generating an integrated data set including the cutting force synchronization information; and (a22) the data pre-processing unit 100 performs feature selection from the integrated data set to generate variable-selected cutting force data, and the process variable data 10, the CNC information 21 and the sensor information (23) as the first input data, labeling the variable-selected cutting force data as the first output data, and transmitting the data to the modeling unit 200; can include

일 실시예에 있어서, 상기 기저장된 시뮬레이션 데이터(30)는 시간에 따른 마모 시뮬레이션 데이터를 더 포함하고, 상기 (c2)단계는, (c21) 상기 데이터 전처리부(100)가 상기 모니터링 데이터(20)가 포함하는 상기 마모도 정보(24)와 상기 시뮬레이션 데이터(30)가 포함하는 상기 마모 시뮬레이션 데이터를 동기화하여 마모 동기화 정보를 생성하고, 상기 공정 변수 데이터(10), 상기 모니터링 데이터(20) 및 상기 마모 동기화 정보를 포함하는 통합 데이터 셋을 생성하는 단계; 및 (c22) 상기 데이터 전처리부(100)가 상기 통합 데이터 셋에서 변수 선택(feature selection)하고, 변수 선택된 마모도 데이터를 생성하고, 상기 공정 변수 데이터(10), 상기 CNC 정보(21), 상기 센서 정보(23) 및 상기 누적 충격량를 상기 제2 입력 데이터로 하고, 상기 변수 선택된 마모도 데이터를 상기 제2 출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 를 포함할 수 있다.In one embodiment, the pre-stored simulation data 30 further includes wear simulation data according to time, and in the step (c2), (c21) the data pre-processing unit 100 monitors the data 20 Synchronizing the wear simulation data included in the wear information 24 and the simulation data 30 to generate wear synchronization information, and the process variable data 10, the monitoring data 20 and the wear generating an integrated data set including synchronization information; and (c22) the data preprocessing unit 100 performs feature selection in the integrated data set, generates variable-selected wear data, and processes the process variable data 10, the CNC information 21, and the sensor information 23 and the cumulative impact amount as the second input data, labeling the variable-selected abrasion data as the second output data, and transmitting the data to the modeling unit 200; can include

일 실시예에 있어서, 공구 마모도 추정 모델에 따라 공구 마모도를 추정하는 방법으로서, (e) 상기 절삭력 추정 모델에 공정 변수 데이터(10), CNC 정보(21), 및 센서 정보(23)가 입력되고, 상기 절삭력 추정 모델에서 시간에 따른 절삭력을 출력하는 단계; (f) 상기 연산부(300)가 상기 절삭력 추정 모델에서 출력된 상기 시간에 따른 절삭력을, 단위시간마다 적분하여 누적 충격량을 연산하는 단계; 및 (g) 상기 연산된 상기 누적 충격량과 상기 (e)단계에서 상기 절삭력 추정 모델에 입력된 상기 공정 변수 데이터(10), 상기 CNC정보(21, 및 상기 센서 정보(23)가 상기 공구 마모도 추정 모델에 입력되어, 상기 공구 마모도 추정 모델에서 공구 마모도를 출력하는 단계;를 포함할 수 있다.In one embodiment, as a method of estimating tool wear according to a tool wear estimation model, (e) process variable data 10, CNC information 21, and sensor information 23 are input to the cutting force estimation model, , outputting the cutting force according to time in the cutting force estimation model; (f) calculating, by the calculation unit 300, an accumulated impact amount by integrating the cutting force according to time output from the cutting force estimation model for each unit time; and (g) the calculated cumulative impact and the process variable data 10, the CNC information 21, and the sensor information 23 input to the cutting force estimation model in step (e) are used to estimate the tool wear degree. It may include; inputting the tool wear to the model and outputting the tool wear in the tool wear estimation model.

본 발명에 따라, 다음과 같은 효과가 달성된다. According to the present invention, the following effects are achieved.

본 발명은 하나의 학습 데이터를 이용하여 절삭력 추정 모델과 공구 마모도 추정 모델을 생성할 수 있다. 구체적으로 절삭력 추정 모델을 먼저 생성하고, 절삭력 추정 모델에서 출력되는 절삭력 값을 적분한 누적 충격량과, 절삭력 추정 모델을 생성하는데 사용한 학습 데이터를 공구 마모도 추정 모델의 생성에 함께 사용할 수 있다. 이에 따라, 공구 마모도 추정 모델의 생성 속도를 증가시키고, 모델의 정확성을 증대시킬 수 있다.According to the present invention, a cutting force estimation model and a tool wear estimation model may be generated using one learning data. Specifically, a cutting force estimation model is first generated, and the cumulative impact amount obtained by integrating the cutting force value output from the cutting force estimation model and the learning data used to generate the cutting force estimation model may be used together to generate the tool wear estimation model. Accordingly, it is possible to increase the generation speed of the tool wear estimation model and increase the accuracy of the model.

또한, 본 발명은 하나의 학습 데이터를 이용하여 절삭력과 공구마모도를 모두 추정할 수 있는 통합 추정 모델을 생성할 수 있다. In addition, the present invention can generate an integrated estimation model capable of estimating both cutting force and tool wear using one learning data.

도 1은 본 발명의 제1 실시예에 따라 절삭력 추정 모델과 공구마모도 추정 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 2는 제 1실시예와 제2 실시예에서 사용되는 데이터를 설명하기 위한 도면이다.
도 3은 제1 실시예에서 생성된 절삭력 추정 모델에서 출력된 누적 충격량을 설명하기 위한 도면이다.
도 4 및 도 5는 본 발명의 제2 실시예에 따라 통합 추정 모델을 생성하는 방법을 설명하기 위한 도면이다.
도 6은 제1 실시예에서 절삭력 추정 모델 생성 시, 시뮬레이션 데이터를 더이용하여 절삭력 추정 모델을 고도화하는 것을 설명하기 위한 도면이다.1 is a diagram for explaining a method of generating a cutting force estimation model and a tool wear estimation model according to a first embodiment of the present invention.
2 is a diagram for explaining data used in the first and second embodiments.
3 is a diagram for explaining the cumulative impact amount output from the cutting force estimation model generated in the first embodiment.
4 and 5 are diagrams for explaining a method of generating an integrated estimation model according to a second embodiment of the present invention.
FIG. 6 is a diagram for explaining the advancement of the cutting force estimation model by further using simulation data when generating the cutting force estimation model in the first embodiment.

몇몇 경우, 본 발명의 개념이 모호해지는 것을 피하기 위하여 공지의 구조 및 장치는 생략되거나, 각 구조 및 장치의 핵심기능을 중심으로 한 블록도 형식으로 도시될 수 있다.In some cases, in order to avoid obscuring the concept of the present invention, well-known structures and devices may be omitted or may be shown in block diagram form centering on core functions of each structure and device.

또한, 본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.In addition, in describing the embodiments of the present invention, if it is determined that a detailed description of a known function or configuration may unnecessarily obscure the subject matter of the present invention, the detailed description will be omitted. In addition, terms to be described later are terms defined in consideration of functions in the embodiment of the present invention, which may vary according to the intention or custom of a user or operator. Therefore, the definition should be made based on the contents throughout this specification.

도 1을 참조하여, 제1 실시예에서 절삭력 추정 모델과 공구마모도 추정 모델을 생성하는 방법을 설명한다.Referring to FIG. 1, a method of generating a cutting force estimation model and a tool wear estimation model in the first embodiment will be described.

본 발명에 따른 방법은, 데이터 전처리부(100), 모델링부(200) 및 연산부(300)를 포함한다.The method according to the present invention includes a data pre-processing unit 100, a modeling unit 200 and a calculation unit 300.

데이터 전처리부(100)에 절삭력 학습 데이터가 입력된다.Cutting force learning data is input to the data pre-processing unit 100 .

데이터 전처리부(100)가 입력된 절삭력 학습 데이터에서, 공정 변수 데이터(10), CNC 정보(21) 및 센서 정보(23)를 제1 입력 데이터로 하고, 공구 동력계 정보(22)가 포함하는 절삭력 측정 정보를 제1 출력 데이터로 라벨링하여, 모델링부(200)로 전송한다.In the cutting force learning data input to the data preprocessor 100, process variable data 10, CNC information 21, and sensor information 23 are used as first input data, and the cutting force included in the tool dynamometer information 22 The measurement information is labeled as first output data and transmitted to the modeling unit 200 .

모델링부(200)가 제1 입력 데이터와 제1 출력 데이터를 이용하여 학습된 절삭력 추정 모델을 생성한다.The modeling unit 200 generates a learned cutting force estimation model using the first input data and the first output data.

이 때, 모델링부(200)가 절삭력 학습 데이터를 학습하는 방법은 특정한 종류의 학습 방법에 제한되는 것은 아니나, 지도학습을 이용한 방법일 수 있다.At this time, the method for the modeling unit 200 to learn the cutting force learning data is not limited to a specific type of learning method, but may be a method using supervised learning.

이 때, 모델링부(200)가 절삭력 학습 데이터를 이용하여 절삭력 추정 모델을 생성하는 방법에 대한 자세한 설명은 후술하기로 한다.At this time, a detailed description of how the modeling unit 200 generates a cutting force estimation model using the cutting force learning data will be described later.

절삭력 학습 데이터는 공정 변수 데이터(10)와 모니터링 데이터(20)를 포함한다.The cutting force learning data includes process variable data 10 and monitoring data 20 .

이하, 도 2를 참조하여 공정 변수 데이터(10)와 모니터링 데이터(20)에 대해 설명한다.Hereinafter, process variable data 10 and monitoring data 20 will be described with reference to FIG. 2 .

공정 변수 데이터(10)는 절삭 가공에서 사용되는 공정 변수를 포함하는 데이터로, 공정에 영향을 주는 변수를 모두 포함하며, 미리 설정된다.The process variable data 10 is data including process variables used in cutting, includes all variables affecting the process, and is set in advance.

공정 변수 데이터(10)는 피삭재 정보(11), 기기 정보(12), 공구 정보(13) 및 가공 실험 정보(14)를 포함한다.The process variable data 10 includes workpiece information 11 , machine information 12 , tool information 13 , and machining experiment information 14 .

피삭재 정보(11)는 절삭 가공에서 절삭되는 피삭재에 대한 정보를 포함한다. The workpiece information 11 includes information on a workpiece to be cut in cutting.

피삭재 정보(11)는 피삭재의 소재에 대한 정보인 소재의 종류, 물성에 대한 정보를 포함할 수 있으나, 이에 제한되는 것은 아니다.The workpiece information 11 may include information on the type and physical properties of the workpiece, which is information on the workpiece material, but is not limited thereto.

기기 정보(12)는 절삭 가공 기기에서 절삭하는 다수의 기기 또는 기계에 대한 정보를 포함한다. The device information 12 includes information on a plurality of devices or machines that are cut in the cutting device.

기기 정보(12)는 절삭 가공 기기에서 사용되는 기기 또는 기계의 종류에 대한 정보를 포함할 수 있으나, 이에 제한되는 것은 아니다. The device information 12 may include information on the type of device or machine used in the cutting device, but is not limited thereto.

공구 정보(13)는 절삭 가공에서 절삭하는데 사용되는 공구에 대한 정보를 포함한다. The tool information 13 includes information about a tool used for cutting in cutting.

공구 정보(13)는 공구날 수(number of tooth)에 대한 정보를 포함한다. 절삭 가공에서는 공구날 수에 따라, 피삭재의 절삭 정도 및 절삭력이 달라진다. The tool information 13 includes information on the number of teeth. In cutting processing, the cutting degree and cutting force of a workpiece vary according to the number of tool blades.

가공 실험 정보(14)는 패스 순서(pass sequence), 스핀들 RPM 설정값, 스핀들 이송 속도, 절삭 폭 및 절입 깊이에 대한 정보를 포함한다.The machining experiment information 14 includes information on a pass sequence, a spindle RPM setting value, a spindle feed speed, a cutting width, and a cutting depth.

이 때, 스핀들 이송 속도는 분당 스핀들의 이동 거리를 의미한다.At this time, the spindle feed rate means the moving distance of the spindle per minute.

또한, 가공 실험 정보(14)는 이송 방향에 대한 정보를 더 포함할 수 있다.In addition, the machining experiment information 14 may further include information on the transfer direction.

모니터링 데이터(20)는 절삭 가공 기기에서 추출되는 데이터로, 해당 기기에서 모니터링되는 데이터이다.The monitoring data 20 is data extracted from a cutting machine, and is data monitored by the machine.

이 때, 모니터링 데이터(20)가 포함하는 각각의 정보는 다수의 정보를 포함할 수 있음은 물론이다.At this time, of course, each piece of information included in the monitoring data 20 may include a plurality of pieces of information.

모니터링 데이터(20)는 CNC 정보(21), 공구 동력계 정보(22), 센서 정보(23),마모도 정보(24)를 포함한다.The monitoring data 20 includes CNC information 21, tool dynamometer information 22, sensor information 23, and wear information 24.

CNC 정보(21)는 CNC장치에 부착된 기기 자체에서 측정되는 정보에 관한 것이다.The CNC information 21 relates to information measured by the device itself attached to the CNC device.

CNC 정보(21)는 기기가 동작되는 시간, 각 축의 위치, 각 축의 부하, 기기에 장착된 스핀들 RPM(mm/rev), 스핀들 부하에 대한 정보를 포함한다.The CNC information 21 includes information about the operating time of the machine, the position of each axis, the load of each axis, the RPM (mm/rev) of the spindle mounted on the machine, and the spindle load.

이 때, 각 축의 위치와 각 축의 부하는 X축, Y축, Z축에 대한 이송 테이블의 위치 정보 및 부하 정보를 포함할 수 있으나 이에 제한되는 것은 아니다.At this time, the position of each axis and the load of each axis may include position information and load information of the transfer table for the X, Y, and Z axes, but are not limited thereto.

공구 동력계 정보(22)는 기기에서 모니터링되는 절삭력 측정 정보를 포함한다.The tool dynamometer information 22 includes cutting force measurement information monitored by the machine.

이 때, 절삭력 측정 정보는 X축, Y축, Z축에 대한 절삭력으로 X축 절삭력, Y축 절삭력, Z축 절삭력에 관한 정보를 포함할 수 있다. 이 때, Y축 절삭력은 주절삭력을 의미할 수 있다.In this case, the cutting force measurement information may include information about the X-axis cutting force, the Y-axis cutting force, and the Z-axis cutting force as cutting forces for the X-axis, Y-axis, and Z-axis. In this case, the Y-axis cutting force may mean the main cutting force.

이 때, 절삭력 측정 정보는 스핀들에 체결된 공구의 절삭력을 의미하는 것이나, 이에 제한되는 것은 아니다.센서 정보(23)는 기기에 부착된 센서에 측정되는 정보를 포함한다.In this case, the cutting force measurement information refers to the cutting force of the tool fastened to the spindle, but is not limited thereto. The sensor information 23 includes information measured by a sensor attached to the device.

센서 정보(23)는 각 축 및 스핀들의 전압, 각 축 및 스핀들의 전류, 가속도 및 소음에 대한 정보를 포함한다.The sensor information 23 includes information on voltage of each axis and spindle, current of each axis and spindle, acceleration, and noise.

이 때, 각 축 및 스핀들의 전압과 전류는 각 축 및 스핀들을 구동하기 위한 이송 테이블과 스핀들의 모터에서 각각 측정하는 값을 의미한다.At this time, the voltage and current of each axis and spindle mean values respectively measured by the transfer table for driving each axis and spindle and the motor of the spindle.

이 때, 각 축 및 스핀들의 전압과 전류에 대한 정보는 에서 3상전압과 전류를 의미하나 이에 제한되는 것은 아니다.At this time, information on the voltage and current of each axis and spindle means three-phase voltage and current in , but is not limited thereto.

이 때, 가속도에 대한 정보는 스핀들의 X축 및 Y축 방향에서 측정되는 가속도에 대한 정보를 포함한다.At this time, the information about the acceleration includes information about the acceleration measured in the X-axis and Y-axis directions of the spindle.

이 때, 소음에 대한 정보는 절삭 가공 기기에 소음 측정기와 같은 장치가 설치되어 수집되는 정보로서, 절삭 공구 및 가공 중 발생되는 소음을 비롯하여 기기에서 발생되는 소음에 대한 정보를 포함할 수 있다.In this case, the information on noise is information collected by installing a device such as a noise meter in the cutting machine, and may include information on noise generated from the cutting tool and the machine, including noise generated during processing.

마모도 정보(24)는 기기에서 모니터링되는 공구 마모도 값을 포함한다.The wear information 24 includes tool wear values monitored by the machine.

마모도 값은 가공장비 내 측정장비(기상측정장치)로부터 측정되거나, 공구를 따로 기기에서 분리하여 정밀 측정될 수 있다.The wear value can be measured from a measuring device (meteorological measuring device) in the processing equipment, or can be precisely measured by separating the tool from the machine separately.

이 때, 마모도 정보(24)를 측정하는 방법은 특정한 방법에 제한되는 것은 아니다.At this time, the method of measuring the wear degree information 24 is not limited to a specific method.

절삭력 추정 모델에 제1 입력 데이터를 입력하면, 시간에 따른 절삭력이 출력된다.When the first input data is input to the cutting force estimation model, the cutting force over time is output.

연산부(300)은 단위 시간마다의 절삭력을 적분하여 누적 충격량을 연산한다.The calculation unit 300 calculates the cumulative impact amount by integrating the cutting force per unit time.

도 3은 절삭력 추정 모델에서 출력된 시간에 따른 절삭력을 도시하며, 이를 각 시간에서 절삭력 값을 적분한다.3 shows the cutting force according to time output from the cutting force estimation model, and the cutting force value is integrated at each time.

연산부(300)가 누적 충격량을 연산하는 것은 후술하는 공구 마모도 추정 모델을 학습할 때 사용하기 위한 것으로, 공구의 마모는 열과 힘의 누적에 의해 공구가 파손되는 현상인 바, 특정 기간에서의 절삭력 값들을 적분한 누적 충격량을 공구 마모도 추정 모델의 학습에 이용할 수 있다.The calculation unit 300 calculates the cumulative impact amount for use when learning a tool wear estimation model, which will be described later. Wear of a tool is a phenomenon in which a tool is damaged due to accumulation of heat and force, and thus, a cutting force value in a specific period. The cumulative impact amount obtained by integrating these can be used for learning the tool wear estimation model.

본 발명에서는 절삭력 추정 모델을 생성하고, 절삭력 추정 모델을 생성하는데 사용한 절삭력 학습데이터와 생성된 절삭력 추정 모델에서 출력되는 누적 충격량을 이용하여 마모도 추정 모델을 생성하는데 사용한다.In the present invention, a cutting force estimation model is generated, and the cutting force learning data used to generate the cutting force estimation model and the accumulated impact output from the generated cutting force estimation model are used to generate the wear estimation model.

이에 따라, 절삭력 추정 모델을 생성하고 별도의 데이터가 구비될 필요없이 절삭력 추정 모델을 생성할 때 사용된 제1 입력 데이터와, 절삭력 추정 모델에서 출력된 제1 출력 데이터를 이용하여 공구 마모도 추정 모델을 생성할 수 있어, 공구 마모도 추정 모델의 생성 속도를 증대시킬 수 있다.Accordingly, the tool wear estimation model is calculated using the first input data used when generating the cutting force estimation model and the first output data output from the cutting force estimation model without the need for separate data to generate the cutting force estimation model. Therefore, the speed of generating the tool wear estimation model can be increased.

또한, 절삭력 추정 모델에서 출력된 제1 출력 데이터인 절삭력을 적분한 누적 충격량을 이용하는 바, 공구 마모도 추정 모델의 정확도를 더욱 증대시킬 수 있다.In addition, since the cumulative impact amount obtained by integrating the cutting force, which is the first output data output from the cutting force estimation model, is used, the accuracy of the tool wear estimation model can be further increased.

데이터 전처리부(100)에 절삭력 학습 데이터와 누적 충격량이 입력된다.The cutting force learning data and the cumulative impact amount are input to the data pre-processing unit 100 .

데이터 전처리부(100)가 입력된 절삭력 학습 데이터에서, 공정 변수 데이터(10), CNC 정보(21), 센서 정보(23) 및 누적 충격량을 제2 입력 데이터로 하고, 마모도 정보(24)를 제2 출력 데이터로 라벨링하여, 제2 입력 데이터와 제2 출력 데이터를 모델링부(200)로 전송한다.In the cutting force learning data input by the data pre-processing unit 100, process variable data 10, CNC information 21, sensor information 23, and cumulative impact amount are used as second input data, and wear information 24 is Labeled as 2 output data, the second input data and the second output data are transmitted to the modeling unit 200 .

모델링부(200)가 제2 입력 데이터와 제2 출력 데이터를 이용하여 학습된 절삭력 추정 모델을 생성한다.The modeling unit 200 generates a learned cutting force estimation model using the second input data and the second output data.

모델링부(200)가 절삭력 추정 모델에서 연산된 누적 충격량과 절삭력 학습 데이터를 이용하여 학습된 공구마모도 추정 모델을 생성한다.The modeling unit 200 generates a tool wear estimation model learned by using the accumulated impact calculated from the cutting force estimation model and the cutting force learning data.

공구마모도 추정 모델에서, 공정 변수 데이터(10)와, CNC 정보(21), 센서 정보(23) 및 누적 충격량을 입력 데이터로 입력하면. 해당 조건에서의 공구 마모도가 출력될 수 있다.In the tool wear estimation model, if process variable data (10), CNC information (21), sensor information (23), and accumulated impact are input as input data. Tool wear in the corresponding condition may be output.

이에 따른 공구마모도 추정 모델을 이용하여, 공구 마모도를 출력하는 방법을 보다 자세히 설명하면 다음과 같다.A method of outputting the tool wear degree using the tool wear estimation model according to this will be described in more detail below.

절삭력 추정 모델에 공정 변수 데이터(10)와 CNC 정보(21) 및 센서 정보(23)가 입력되고, 절삭력 추정 모델에서 시간에 따른 절삭력을 출력한다. Process variable data 10, CNC information 21, and sensor information 23 are input to the cutting force estimation model, and the cutting force according to time is output from the cutting force estimation model.

연산부(300)가 절삭력 추정 모델에서 출력된 시간에 따른 절삭력을, 단위시간마다의 절삭력을 적분하여 누적 충격량을 연산한다.The calculation unit 300 calculates the cumulative impact amount by integrating the cutting force according to time output from the cutting force estimation model and the cutting force per unit time.

연산된 누적 충격량과 상기 절삭력 추정 모델에 입력된 공정 변수 데이터(10), CNC정보(21) 및 센서 정보(23)가 공구 마모도 추정 모델에 입력되어, 공구 마모도 추정 모델에서 공구 마모도가 출력될 수 있다.The calculated cumulative impact and the process variable data 10, CNC information 21, and sensor information 23 input to the cutting force estimation model are input to the tool wear estimation model, and tool wear can be output from the tool wear estimation model. there is.

도 4를 참조하여, 통합 추정 모델을 생성하는 방법을 설명한다.Referring to FIG. 4, a method of generating an integrated estimation model will be described.

모델링부(200)가 통합 학습 데이터를 Multi-Task Learning(MTL)하여 통합 추정 모델을 생성한다.The modeling unit 200 multi-task learning (MTL) the integrated learning data to generate an integrated estimation model.

통합 학습 데이터는, 공정 변수 데이터(10)와 모니터링 데이터(20)를 포함한다.The integrated learning data includes process variable data 10 and monitoring data 20 .

공정 변수 데이터(10)와 모니터링 데이터(20)는 전술한 바와 동일한 바, 이에 대한 구체적인 설명은 생략한다.Since the process variable data 10 and the monitoring data 20 are the same as those described above, a detailed description thereof will be omitted.

데이터 전처리부(100)에 통합 학습 데이터가 입력된다. Integrated learning data is input to the data pre-processing unit 100 .

데이터 전처리부(100)가 입력된 통합 학습 데이터에서, 공정 변수 데이터(10)와 CNC 정보(21), 센서 정보(23)를 제3 입력 데이터로 하고, 공구 동력계 정보(22)가 포함하는 절삭력 측정 정보와 마모도 정보(24)를 제3 출력 데이터로 라벨링하여, 모델링부(200)로 전송한다.In the integrated learning data input to the data preprocessor 100, process variable data 10, CNC information 21, and sensor information 23 are used as third input data, and the cutting force included in the tool dynamometer information 22 The measurement information and the wear information 24 are labeled as third output data and transmitted to the modeling unit 200 .

모델링부(200)가 제3 입력 데이터와 제3 출력 데이터를 이용하여 학습된 통합 추정 모델을 생성한다.The modeling unit 200 generates a learned integrated estimation model using the third input data and the third output data.

이 때, 모델링부(200)가 절삭력 학습 데이터를 학습하는 방법은 특정한 종류의 학습 방법에 제한되는 것은 아니나, Multi-Task Learning(MTL)를 이용한 방법일 수 있다.At this time, the method of learning the cutting force learning data by the modeling unit 200 is not limited to a specific type of learning method, but may be a method using Multi-Task Learning (MTL).

이에 따라, 생성된 통합 추정 모델을 통해, 공정 변수 데이터(10)와 CNC 정보(21) 및 센서 정보(23)를 입력 데이터로 입력하면. 해당 조건에서의 절삭력과 공구 마모도가 출력될 수 있다.Accordingly, when process variable data 10, CNC information 21, and sensor information 23 are input as input data through the generated integrated estimation model. Cutting force and tool wear in the corresponding conditions can be output.

도 5 및 도6를 참조하여, 시뮬레이션 데이터(30)를 더 포함하여 모델을 생성하는 것에 대해 설명한다.Referring to FIGS. 5 and 6, generating a model by further including simulation data 30 will be described.

절삭력 학습데이터는 시뮬레이션 데이터(30)를 더 포함한다.Cutting force learning data further includes simulation data (30).

시뮬레이션 데이터(30)는 기존의 시뮬레이션을 통하여 미리 수집된 데이터를 의미한다.The simulation data 30 means data previously collected through existing simulations.

시뮬레이션 데이터(30)는 공정 변수를 입력하여 시뮬레이션한 데이터로 시간에 따른 절삭력 시뮬레이션 데이터를 포함한다.The simulation data 30 is simulated data by inputting process variables, and includes cutting force simulation data according to time.

이 때, 절삭력 시뮬레이션 데이터는 주기를 갖는 값일 수 있으나 이에 제한되는 것은 아니다.At this time, the cutting force simulation data may be a value having a period, but is not limited thereto.

이 때, 절삭력 시뮬레이션 데이터는 전술한 가공 실험 정보(14)인 스핀들 RPM 설정값, 스핀들 이송 속도, 절삭 폭 및 절입 깊이에 대한 정보와 동일한 조건에서에서 시뮬레이션한 공구 1회전에 따른 각 축별 절삭력을 포함한다.At this time, the cutting force simulation data includes the cutting force for each axis according to one rotation of the tool simulated under the same conditions as the information on the spindle RPM setting value, spindle feed speed, cutting width and cutting depth, which are the above-mentioned machining experiment information (14). do.

시뮬레이션 데이터(30)를 절삭력 추정 모델을 생성하는데 이용할 수 있다.The simulation data 30 can be used to create a cutting force estimation model.

데이터 전처리부(100)가 모니터링 데이터(20)가 포함하는 절삭력 측정 정보와 시뮬레이션 데이터(30)가 포함하는 절삭력 시뮬레이션 데이터를 동기화하여 절삭력 동기화 정보를 생성한다.The data pre-processing unit 100 synchronizes cutting force measurement information included in the monitoring data 20 and cutting force simulation data included in the simulation data 30 to generate cutting force synchronization information.

이에 따라, 모니터링 데이터(20)가 포함하는 절삭력 측정 정보와 절삭력 시뮬레이션 데이터를 동기화하여 보다 정확하게 절삭력 추정 모델을 모델링할 수 있다.Accordingly, the cutting force estimation model may be more accurately modeled by synchronizing cutting force measurement information and cutting force simulation data included in the monitoring data 20 .

이후, 데이터 전처리부(100)가 공정 변수 데이터(10), 모니터링 데이터(20) 및 절삭력 동기화 정보를 포함하는 통합 데이터 셋을 생성한다. Thereafter, the data pre-processing unit 100 generates an integrated data set including process variable data 10, monitoring data 20, and cutting force synchronization information.

데이터 전처리부(100)가 통합 데이터 셋에서 변수 선택(feature selection)하여 변수 선택된 절삭력 데이터를 생성하고, 공정 변수 데이터(10)와 CNC 정보(21), 센서 정보(23)를 제1 입력 데이터로 하고, 변수 선택된 절삭력 데이터를 제1 출력 데이터로 라벨링하여, 제1 입력 데이터와 제1 출력 데이터를 모델링부(200)로 전송한다.The data pre-processing unit 100 selects variables from the integrated data set (feature selection) to generate variable-selected cutting force data, process variable data 10, CNC information 21, and sensor information 23 as first input data Then, variable-selected cutting force data is labeled as first output data, and the first input data and the first output data are transmitted to the modeling unit 200 .

이후, 모델링부(200)는 전송된 제1 입력 데이터와 제1 출력 데이터를 이용하여 절삭력 추정 모델을 생성할 수 있다.Thereafter, the modeling unit 200 may generate a cutting force estimation model using the transmitted first input data and first output data.

또한, 시뮬레이션 데이터(30)를 절삭력 추정 모델을 생성하는데 이용할 수 있다.In addition, the simulation data 30 can be used to generate a cutting force estimation model.

이 때, 시뮬레이션 데이터(30)는 마모 시뮬레이션 데이터를 더 포함할 수 있다.At this time, the simulation data 30 may further include wear simulation data.

마모 시뮬레이션 데이터는 주기를 갖는 값일 수 있으나 이에 제한되는 것은 아니다.Wear simulation data may be a value having a cycle, but is not limited thereto.

이 때, 마모 시뮬레이션 데이터는 전술한 가공 실험 정보(14)인 스핀들 RPM 설정값, 스핀들 이송 속도, 절삭 폭 및 절입 깊이에 대한 정보와 동일한 조건에서에서 시뮬레이션한 공구의 마모량을 포함한다.At this time, the wear simulation data includes the amount of wear of the tool simulated under the same conditions as the information on the spindle RPM setting value, spindle feed speed, cutting width, and depth of cut, which are the aforementioned machining experiment information 14 .

데이터 전처리부(100)가 모니터링 데이터(20)가 포함하는 마모도 정보(24)와 시뮬레이션 데이터(30)가 포함하는 마모 시뮬레이션 데이터를 동기화하여 마모 동기화 정보를 생성한다.The data pre-processing unit 100 synchronizes the wear information 24 included in the monitoring data 20 and the wear simulation data included in the simulation data 30 to generate wear synchronization information.

데이터 전처리부(100)는 공정 변수 데이터(10), 모니터링 데이터(20) 및 마모 동기화 정보를 포함하는 통합 데이터 셋을 생성한다.The data pre-processing unit 100 creates an integrated data set including process variable data 10, monitoring data 20, and wear synchronization information.

데이터 전처리부(100)가 통합 데이터 셋에서 변수 선택(feature selection)하고, 변수 선택된 마모도 데이터를 생성한다. The data pre-processing unit 100 performs feature selection in the integrated data set and generates wear degree data selected by the feature.

데이터 전처리부(100)는 공정 변수 데이터(10)와 CNC 정보(21), 센서 정보(23) 및 누적 충격량을 제2 입력 데이터로 하고, 변수 선택된 마모도 데이터를 제2 출력 데이터로 라벨링하여, 모델링부(200)로 전송한다.The data pre-processing unit 100 takes the process variable data 10, CNC information 21, sensor information 23, and accumulated impact as second input data, and labels the variable-selected abrasion data as second output data, modeling Send to unit 200.

이후, 모델링부(200)는 전송된 제2 입력 데이터와 제2 출력 데이터를 이용하여 공구 마모도 추정 모델을 생성할 수 있다.Thereafter, the modeling unit 200 may generate a tool wear estimation model using the transmitted second input data and second output data.

이상, 본 명세서에는 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 도면에 도시한 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당업자라면 본 발명의 실시예로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 보호범위는 특허청구범위에 의해서 정해져야 할 것이다.In the above, the present specification has been described with reference to the embodiments shown in the drawings so that those skilled in the art can easily understand and reproduce the present invention, but this is only exemplary, and those skilled in the art can make various modifications and equivalents from the embodiments of the present invention. It will be appreciated that embodiments are possible. Therefore, the scope of protection of the present invention should be defined by the claims.

10: 공정 변수 데이터
11: 피삭재 정보
12: 기기 정보
13: 절삭 공구 정보
14: 가공실험 정보
20: 모니터링 데이터
21: CNC 정보
22: 공구 공구 동력계 정보
23: 센서 정보
30: 시뮬레이션 데이터
100: 데이터 전처리부
200: 모델링부
300: 연산부10: Process variable data
11: Workpiece information
12: Device Information
13: Cutting tool information
14: Machining experiment information
20: monitoring data
21: CNC Information
22: Tool tool dynamometer information
23: sensor information
30: simulation data
100: data pre-processing unit
200: modeling unit
300: calculation unit

Claims (6)

스핀들에 장착되는 다수의 공구날을 포함하는 하나 이상의 절삭 공구를 포함하고 다수의 축으로 구동되어 피삭재를 절삭하는 절삭 가공 기기의 절삭력과 공구마모도를 추정하기 위한 방법으로서,
(a) 데이터 전처리부(100)에 절삭력 학습 데이터가 입력되고, 모델링부(200)가 상기 절삭력 학습 데이터를 이용하여 학습된 절삭력 추정 모델을 생성하는 단계;
(b) 상기 절삭력 추정 모델에 제1 입력 데이터를 입력하여 시간에 따른 절삭력이 출력되고, 연산부(300)가 단위 시간마다의 절삭력을 적분하여 누적 충격량을 연산하는 단계; 및
(c) 상기 모델링부(200)가 상기 절삭력 추정 모델을 이용하여 연산된 누적 충격량과 상기 절삭력 학습 데이터를 더 이용하여 학습된 공구마모도 추정 모델을 생성하는 단계; 를 포함하고,
상기 절삭력 학습 데이터는, 공정 변수 데이터(10)와 모니터링 데이터(20)를 포함하고,
상기 공정 변수 데이터(10)는 절삭 공구 정보(13) 및 가공실험 정보(14)를 포함하고, 상기 절삭 공구 정보(13)는 공구날 수(number of tooth)에 대한 정보를 포함하고, 상기 가공실험 정보(14)는 미리 설정된 스핀들 RPM 설정값에 대한 정보를 포함하고,
상기 모니터링 데이터(20)는 CNC 정보(21), 공구 동력계 정보(22), 센서 정보(23) 및 마모도 정보(24)를 포함하고, 상기 CNC 정보(21)는 측정되는 스핀들 RPM에 대한 정보를 포함하고, 상기 공구 공구 동력계 정보(22)는 절삭력에 대한 정보를 포함하고,
상기 (a)단계에서,
(a1) 상기 데이터 전처리부(100)에 상기 절삭력 학습 데이터가 입력되는 단계;
(a2) 상기 데이터 전처리부(100)가 상기 입력된 절삭력 학습 데이터에서, 상기 공정 변수 데이터(10), 상기 CNC 정보(21) 및 상기 센서 정보(23)를 제1 입력 데이터로 하고, 상기 공구 동력계 정보(22)가 포함하는 절삭력 측정 정보를 제1 출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 및
(a3) 상기 모델링부(200)가 상기 (a2) 단계에서의 제1 입력 데이터와 상기 제1 출력 데이터를 이용하여 학습된 상기 절삭력 추정 모델을 생성하는 단계;를 포함하고,
상기 (b) 단계에서 입력되는 상기 제1 입력 데이터는, 공정 변수 데이터(10), CNC 정보(21), 및 센서 정보(23)를 포함하고,
상기 (c)단계에서,
(c1) 상기 데이터 전처리부(100)에 상기 누적 충격량이 더 입력되는 단계;
(c2) 상기 데이터 전처리부(100)가 상기 입력된 절삭력 학습 데이터에서, 상기 공정 변수 데이터(10)와 상기 CNC 정보(21), 상기 센서 정보(23) 및 상기 누적 충격량을 제2 입력 데이터로 하고, 상기 마모도 정보(24)를 제2출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 및
(c3) 상기 모델링부(200)가 상기 (c2) 단계에서의 제2 입력 데이터와 상기 제2 출력 데이터를 이용하여 학습된 상기 공구마모도 추정 모델을 생성하는 단계;를 포함하는,
방법.
As a method for estimating the cutting force and tool wear of a cutting machine including one or more cutting tools including a plurality of tool blades mounted on a spindle and driven by a plurality of axes to cut a workpiece,
(a) inputting cutting force learning data to the data pre-processing unit 100, and generating, by the modeling unit 200, a learned cutting force estimation model using the cutting force learning data;
(b) inputting first input data to the cutting force estimation model, outputting the cutting force according to time, and integrating the cutting force per unit time by the calculator 300 to calculate an accumulated impact amount; and
(c) generating, by the modeling unit 200, a tool wear estimation model learned by further using the accumulated impact calculated using the cutting force estimation model and the cutting force learning data; including,
The cutting force learning data includes process variable data 10 and monitoring data 20,
The process variable data 10 includes cutting tool information 13 and machining experiment information 14, the cutting tool information 13 includes information on the number of teeth, and the machining The experiment information 14 includes information on a preset spindle RPM setting value,
The monitoring data 20 includes CNC information 21, tool dynamometer information 22, sensor information 23, and wear information 24, and the CNC information 21 includes information about the measured spindle RPM. Including, the tool tool dynamometer information 22 includes information on cutting force,
In step (a),
(a1) inputting the cutting force learning data to the data pre-processing unit 100;
(a2) The data pre-processing unit 100 sets the process variable data 10, the CNC information 21, and the sensor information 23 as first input data in the input cutting force learning data, and the tool Labeling the cutting force measurement information included in the dynamometer information 22 as first output data and transmitting it to the modeling unit 200; and
(a3) generating, by the modeling unit 200, the learned cutting force estimation model using the first input data and the first output data in step (a2);
The first input data input in step (b) includes process variable data 10, CNC information 21, and sensor information 23,
In step (c),
(c1) further inputting the cumulative impulse to the data pre-processing unit 100;
(c2) The data pre-processing unit 100 converts the process variable data 10, the CNC information 21, the sensor information 23, and the cumulative impact amount from the input cutting force learning data into second input data. and labeling the wear degree information 24 as second output data and transmitting it to the modeling unit 200; and
(c3) generating, by the modeling unit 200, the tool wear estimation model learned using the second input data and the second output data in step (c2);
method.
 스핀들에 장착되는 다수의 공구날을 포함하는 하나 이상의 절삭 공구를 포함하고 다수의 축으로 구동되어 피삭재를 절삭하는 절삭 가공 기기의 절삭력과 공구마모도를 추정하기 위한 방법으로서,
(d) 모델링부(200)가 통합 학습 데이터를 Multi-Task Learning(MTL)하여 통합 추정 모델을 생성하는 단계;를 포함하고,
상기 통합 학습 데이터는, 공정 변수 데이터(10)와 모니터링 데이터(20)를 포함하고,
상기 공정 변수 데이터(10)는 절삭 공구 정보(13) 및 가공실험 정보(14)를 포함하고, 상기 절삭 공구 정보(13)는 공구날 수(number of tooth)에 대한 정보를 포함하고, 상기 가공실험 정보(14)는 미리 설정된 스핀들 RPM 설정값에 대한 정보를 포함하고,
상기 모니터링 데이터(20)는 CNC 정보(21), 공구 동력계 정보(22), 센서 정보(23) 및 마모도 정보(24)를 포함하고, 상기 CNC 정보(21)는 측정되는 스핀들 RPM에 대한 정보를 포함하고, 상기 공구 동력계 정보(22)는 측정되는 절삭력 측정 정보를 포함하고,
상기 (d)단계는,
(d1) 데이터 전처리부(100)에 상기 통합 학습 데이터가 입력되는 단계;
(d2) 상기 데이터 전처리부(100)가 상기 입력된 통합 학습 데이터에서, 상기 공정 변수 데이터(10), 상기 CNC 정보(21), 및 상기 센서 정보(23)를 제3 입력 데이터로 하고, 상기 공구 동력계 정보(22)가 포함하는 절삭력 측정 정보와 상기 마모도 정보(24)를 제3 출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 및
(d3) 상기 모델링부(200)가 상기 제3 입력 데이터와 상기 제3 출력 데이터를 이용하여 학습된 상기 통합 추정 모델을 생성하는 단계;를 포함하는,
방법.
As a method for estimating the cutting force and tool wear of a cutting machine including one or more cutting tools including a plurality of tool blades mounted on a spindle and driven by a plurality of axes to cut a workpiece,
(d) generating, by the modeling unit 200, an integrated estimation model by Multi-Task Learning (MTL) on the integrated learning data;
The integrated learning data includes process variable data 10 and monitoring data 20,
The process variable data 10 includes cutting tool information 13 and machining experiment information 14, the cutting tool information 13 includes information on the number of teeth, and the machining The experiment information 14 includes information on a preset spindle RPM setting value,
The monitoring data 20 includes CNC information 21, tool dynamometer information 22, sensor information 23, and wear information 24, and the CNC information 21 includes information about the measured spindle RPM. And, the tool dynamometer information 22 includes measured cutting force measurement information,
In step (d),
(d1) inputting the integrated learning data to the data pre-processing unit 100;
(d2) The data pre-processing unit 100 sets the process variable data 10, the CNC information 21, and the sensor information 23 as third input data in the input integrated learning data, Labeling the cutting force measurement information and the wear information 24 included in the tool dynamometer information 22 as third output data and transmitting the labeling to the modeling unit 200; and
(d3) generating, by the modeling unit 200, the integrated estimation model learned using the third input data and the third output data;
method.
 제1항 또는 제2항에 있어서,
상기 공정 변수 데이터(10)는,
피삭재의 소재 정보를 포함하는 피삭재 정보(11), 절삭 가공 기기의 종류인 기기 종류를 포함하는 기기 정보(12)를 더 포함하고,
상기 모니터링 데이터(20)는,
상기 CNC정보(21)는 상기 절삭 가공 기기의 기기 동작 시간, 스핀들의 각 축의 위치, 스핀들의 각 축과 스핀들에 걸리는 부하, 및 스핀들 RPM에 대한 정보를 더 포함하고,
상기 센서 정보(23)는 상기 절삭 가공 기기에서 측정되는 스핀들의 각 축 및 스핀들의 3상 전류 및 전압, 스핀들의 X, Y방향 가속도 및 소음에 대한 정보를 더 포함하는,
방법.
According to claim 1 or 2,
The process variable data 10,
It further includes workpiece information 11 including material information of the workpiece and device information 12 including a device type that is a type of cutting device,
The monitoring data 20,
The CNC information 21 further includes information about the machine operating time of the cutting machine, the position of each axis of the spindle, the load applied to each axis and spindle of the spindle, and spindle RPM,
The sensor information 23 further includes information on each axis of the spindle and the three-phase current and voltage of the spindle, acceleration in the X and Y directions of the spindle, and noise measured by the cutting machine,
method.
 제1항에 있어서,
상기 절삭력 학습데이터는 시간에 따른 절삭력 시뮬레이션 데이터를 포함하는 기저장된 시뮬레이션 데이터(30)를 더 포함하고,
상기 (a2)단계는,
(a21) 상기 데이터 전처리부(100)가 상기 모니터링 데이터(20)가 포함하는 상기 절삭력 측정 정보와 상기 시뮬레이션 데이터(30)가 포함하는 상기 절삭력 시뮬레이션 데이터를 동기화하여 절삭력 동기화 정보를 생성하고, 상기 공정 변수 데이터(10), 상기 모니터링 데이터(20) 및 상기 절삭력 동기화 정보를 포함하는 통합 데이터 셋을 생성하는 단계; 및
(a22) 상기 데이터 전처리부(100)가 상기 통합 데이터 셋에서 변수 선택(feature selection)하여 변수 선택된 절삭력 데이터를 생성하고, 상기 공정 변수 데이터(10), 상기 CNC 정보(21) 및 상기 센서 정보(23)를 상기 제1 입력 데이터로 하고, 상기 변수 선택된 절삭력 데이터를 상기 제1 출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 를 포함하는,
방법.
According to claim 1,
The cutting force learning data further includes pre-stored simulation data 30 including cutting force simulation data over time,
In step (a2),
(a21) The data pre-processor 100 synchronizes the cutting force measurement information included in the monitoring data 20 and the cutting force simulation data included in the simulation data 30 to generate cutting force synchronization information, and the process generating an integrated data set including the variable data 10, the monitoring data 20, and the cutting force synchronization information; and
(a22) The data pre-processing unit 100 performs feature selection from the integrated data set to generate variable-selected cutting force data, and the process variable data 10, the CNC information 21 and the sensor information ( 23) as the first input data, labeling the variable-selected cutting force data as the first output data, and transmitting the data to the modeling unit 200; including,
method.
 제4항에 있어서,
상기 기저장된 시뮬레이션 데이터(30)는 시간에 따른 마모 시뮬레이션 데이터를 더 포함하고,
상기 (c2)단계는,
(c21) 상기 데이터 전처리부(100)가 상기 모니터링 데이터(20)가 포함하는 상기 마모도 정보(24)와 상기 시뮬레이션 데이터(30)가 포함하는 상기 마모 시뮬레이션 데이터를 동기화하여 마모 동기화 정보를 생성하고, 상기 공정 변수 데이터(10), 상기 모니터링 데이터(20) 및 상기 마모 동기화 정보를 포함하는 통합 데이터 셋을 생성하는 단계; 및
(c22) 상기 데이터 전처리부(100)가 상기 통합 데이터 셋에서 변수 선택(feature selection)하고, 변수 선택된 마모도 데이터를 생성하고, 상기 공정 변수 데이터(10), 상기 CNC 정보(21), 상기 센서 정보(23) 및 상기 누적 충격량를 상기 제2 입력 데이터로 하고, 상기 변수 선택된 마모도 데이터를 상기 제2 출력 데이터로 라벨링하여, 상기 모델링부(200)로 전송하는 단계; 를 포함하는,
방법.
According to claim 4,
The pre-stored simulation data 30 further includes wear simulation data over time,
In step (c2),
(c21) The data pre-processor 100 synchronizes the wear information 24 included in the monitoring data 20 and the wear simulation data included in the simulation data 30 to generate wear synchronization information, generating an integrated data set including the process variable data 10, the monitoring data 20, and the wear synchronization information; and
(c22) The data pre-processing unit 100 selects variables from the integrated data set (feature selection), generates variable-selected wear data, and the process variable data 10, the CNC information 21, and the sensor information (23) and labeling the accumulated impact amount as the second input data, labeling the variable-selected abrasion data as the second output data, and transmitting the data to the modeling unit 200; including,
method.
 제1항에 따른 공구 마모도 추정 모델에 따라 공구 마모도를 추정하는 방법으로서,
(e) 상기 절삭력 추정 모델에 공정 변수 데이터(10), CNC 정보(21), 및 센서 정보(23)가 입력되고, 상기 절삭력 추정 모델에서 시간에 따른 절삭력을 출력하는 단계;
(f) 상기 연산부(300)가 상기 절삭력 추정 모델에서 출력된 상기 시간에 따른 절삭력을, 단위시간마다 적분하여 누적 충격량을 연산하는 단계;및
(g) 상기 연산된 상기 누적 충격량과 상기 (e)단계에서 상기 절삭력 추정 모델에 입력된 상기 공정 변수 데이터(10), 상기 CNC정보(21, 및 상기 센서 정보(23)가 상기 공구 마모도 추정 모델에 입력되어, 상기 공구 마모도 추정 모델에서 공구 마모도를 출력하는 단계;를 포함하는,
방법.
A method for estimating tool wear according to the tool wear estimation model according to claim 1,
(e) inputting process variable data 10, CNC information 21, and sensor information 23 to the cutting force estimation model, and outputting the cutting force over time from the cutting force estimation model;
(f) calculating, by the calculator 300, a cumulative impact amount by integrating the cutting force according to time output from the cutting force estimation model for each unit time; and
(g) The calculated cumulative impact amount and the process variable data 10, the CNC information 21, and the sensor information 23 input to the cutting force estimation model in the step (e) are the tool wear estimation model Including, outputting the tool wear degree in the tool wear estimation model by being input to
method.
KR1020210143926A 2021-10-26 2021-10-26 Integrated estimation model for cutting force and tool wear KR20230059950A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210143926A KR20230059950A (en) 2021-10-26 2021-10-26 Integrated estimation model for cutting force and tool wear

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210143926A KR20230059950A (en) 2021-10-26 2021-10-26 Integrated estimation model for cutting force and tool wear

Publications (1)

Publication Number Publication Date
KR20230059950A true KR20230059950A (en) 2023-05-04

Family

ID=86379695

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210143926A KR20230059950A (en) 2021-10-26 2021-10-26 Integrated estimation model for cutting force and tool wear

Country Status (1)

Country Link
KR (1) KR20230059950A (en)

Similar Documents

Publication Publication Date Title
CN108227634B (en) Machine learning device, CNC device, and machine learning method
JP6426667B2 (en) Apparatus for detecting abnormality of tool of machine tool and method
US6845340B2 (en) System and method for machining data management
EP2916187B1 (en) Improved database for chatter predictions
US20160299492A1 (en) Machine tool management system
JP6469065B2 (en) Machine learning device and machining time prediction device
JP2018103284A (en) Tool life estimation device
Brecher et al. Use of NC kernel data for surface roughness monitoring in milling operations
JP6940542B2 (en) Grip force adjustment device and grip force adjustment system
JP2023510463A (en) Methods for monitoring and/or predicting machining processes and/or machining results
KR20190043038A (en) Signal Processing Method For Adaptive Vibration Control Of Machine Tools
CN105938352B (en) The numerical control device for avoiding main shaft from overheating
KR102491716B1 (en) Machining environment estimation device
KR102429376B1 (en) Method for predicting available remaining time of cutting tool
WO2022043516A1 (en) System and method for instantaneous performance management of a machine tool
KR101626458B1 (en) Apparatus for detecting malfunction of tool for machine tool
KR102144420B1 (en) Monitoring system for cutting system using intelligent cutting simulation and Monitoring method using thereof
JP2021057030A (en) Control system
CZ308664B6 (en) Machine tools diagnostic system
KR20230059950A (en) Integrated estimation model for cutting force and tool wear
KR102370446B1 (en) Machining prediction model generation method to estimate cutting force of cutting machine
KR20230054554A (en) Construction Method of tool wear estimation model based on change rate in tool wear
KR20180054354A (en) Adaptive Control Method For Vibration Of Machine Tool
US20040093191A1 (en) System and method for performing modal analysis of at least one remote structure
KR102585246B1 (en) Method of diagnosing process abnormality using virtual processing

Legal Events

Date Code Title Description
E902 Notification of reason for refusal