TW201716178A - 加工設備的健康評估方法與健康評估裝置 - Google Patents
加工設備的健康評估方法與健康評估裝置 Download PDFInfo
- Publication number
- TW201716178A TW201716178A TW104136681A TW104136681A TW201716178A TW 201716178 A TW201716178 A TW 201716178A TW 104136681 A TW104136681 A TW 104136681A TW 104136681 A TW104136681 A TW 104136681A TW 201716178 A TW201716178 A TW 201716178A
- Authority
- TW
- Taiwan
- Prior art keywords
- health
- sensing data
- conversion model
- conversion
- virtual
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
Abstract
本發明揭露一種加工設備的健康評估方法,適用於對至少一工件進行加工的加工設備,所述健康評估方法包括下列步驟:在加工設備的運作階段中,擷取第一感測資料,第一感測資料關聯於加工設備。將第一感測資料代入第一轉換模型中,藉以取得虛擬工件品質。將虛擬工件品質代入第二轉換模型中,藉以取得第一虛擬設備健康指標。
Description
本發明係關於一種加工設備的健康評估方法與健康評估裝置。
在習知的方法中,若欲針對加工設備來取得設備健康指標,其過程十分不易。一來是,設備健康指標(如刀具磨耗的程度)需在加工設備處於停止加工的離線模式中,才能取得(例如將刀具取下後精密測量)。在對工件進行加工的運作模式中,通常並無法立即得知加工設備的設備健康指標。
再來,也因為在設備健康指標相關聯的實際數據(Ground Truth)取得不易的情況下,其地面實況數據的資料量過少,亦有可能讓用以估測的設備健康指標的相關模型誤差過大。舉例來說,根據實驗結果,在地面實況數據的資料量為N/2時所建立的設備健康指標的相關轉換模型,相對於地面實況數據的資料量為N時所建立的設備健康指標的相關轉換模型,其前者的誤差可能增加了55%。
本發明藉由感測資料與多個轉換模型,來直接估測加工設備的虛擬設備健康指標,藉以避免實際設備健康指標之取得不易,以及排除設備健康指標之相關轉換模型誤差過大。
本發明提供一種加工設備的健康評估方法,適用於對至少一工件進行加工的加工設備,所述健康評估方法包括下列步驟:在加工設備的運作階段中,擷取第一感測資料,第一感測資料關聯於加工設備。將第一感測資料代入第一轉換模型中,藉以取得虛擬工件品質。將虛擬工件品質代入第二轉換模型中,藉以取得第一虛擬設備健康指標。
在本發明一實施例中,第一轉換模型係根據第二感測資料與對應之多個第一實際工件品質所建立,第二感測資料關聯於加工設備。
在本發明另一實施例中,第二轉換模型係根據多個第二實際工件品質與對應之實際設備健康指標所建立。
在本發明另一實施例中,第二轉換模型係在加工設備的離線階段中所建立。
在本發明另一實施例中,所述健康評估方法更包括下列步驟:比對第一虛擬設備健康指標與第二虛擬設備健康指標,藉以判斷是否更新第一轉換模型。當判定更新第一轉換模型時,則根據第三感測資料與對應的多個第三實際工件品質,來更新第一轉換模型,第三感測資料關聯於加工設備。
在本發明另一實施例中,所述健康評估方法更包括下列步驟:將第一感測資料代入第三轉換模型中,藉以取得第二虛擬設備健康指標。
在本發明另一實施例中,所述健康評估方法包括下列步驟:計算第一虛擬設備健康指標與第二虛擬設備健康指標的重疊比例,與對應重疊比例的效能信心值。判斷效能信心值是否大於第一門檻值。當效能信心值不大於第一門檻值時,則判斷第一轉換模型的預測誤差是否大於第二門檻值。當第一轉換模型的預測誤差大於第二門檻值時,則更新第一轉換模型。
在本發明另一實施例中,所述健康評估方法包括下列步驟:當第一轉換模型的預測誤差不大於第二門檻值時,則更新第三轉換模型。
在本發明另一實施例中,所述健康評估方法包括下列步驟:於操作介面中接收選擇指示,來選擇多個預設演算法其中至少一。對應被選擇的至少一預設演算法來產生混合演算法,其中第一轉換模型關聯於混合演算法。將第一感測資料代入混合演算法中,藉以取得虛擬工件品質。
在本發明另一實施例中,所述健康評估方法包括下列步驟:將歷史感測資料代入混合演算法,以取得對應的預期誤差與預估計算時間。顯示預期誤差與預估計算時間於操作介面中。
在本發明另一實施例中,所述健康評估方法包括下列步驟:判斷預期誤差與預估計算時間是否符合系統規格。當預期誤差與預估計算時間不符合系統規格時,則重新接收選擇指示。
本發明提供一種加工設備的健康評估裝置,適用於對至少一工件進行加工的加工設備,所述健康評估裝置包括:感測資料擷取模組、第一轉換模組、第二轉換模組、第三轉換模組以及感測資料擷取模組。第一轉換模組耦接感測資料擷取模組,第二轉換模組耦接第一轉換模組,更新判斷模組耦接第一轉換模組、第二轉換模組以及第三轉換模組。感測資料擷取模組用以在加工設備的運作階段中,擷取第一感測資料,第一感測資料關聯於加工設備。第一轉換模組用以將第一感測資料代入第一轉換模型中,藉以取得虛擬工件品質。第二轉換模組用以將虛擬工件品質代入第二轉換模型中,藉以取得第一虛擬設備健康指標。第三轉換模組用以將該第一感測資料代入第三轉換模型中,藉以取得該第二虛擬設備健康指標。更新判斷模組用以比對第一虛擬設備健康指標與第二虛擬設備健康指標,藉以判斷是否更新第一轉換模型,以及當判定更新該第一轉換模型時,則指示第一轉換模組根據第三感測資料與對應的多個第三實際工件品質,來更新該第一轉換模型,第三感測資料關聯於該加工設備。
如上所述,在本發明一實施例中,可藉由在加工設備的運作階段中擷取第一感測資料,並可先後透過事先所建立之第一轉換模型與第二轉換模型的轉換,而取得第一虛擬設備健康指標。如此一來,可快速地估測加工設備的設備健康指標。在本發明另一實施例中,第一感測資料亦可代入第三轉換模型中而取得第二虛擬設備健康指標。此第二虛擬設備健康指標可用以來比對第一虛擬設備健康指標,藉以判斷是否根據第三感測資料與對應的多個第三實際工件品質來更新第一轉換模型。如此一來,可提升設備健康指標之相關轉換模型的精準度。
以上關於本發明內容及以下關於實施方式之說明係用以示範與闡明本發明之精神與原理,並提供對本發明之申請專利範圍更進一步之解釋。
以下在實施方式中敘述本發明之詳細特徵,其內容足以使任何熟習相關技藝者瞭解本發明之技術內容並據以實施,且依據本說明書所揭露之內容、申請專利範圍及圖式,任何熟習相關技藝者可輕易地理解本發明相關之目的及優點。以下實施例係進一步說明本發明之諸面向,但非以任何面向限制本發明之範疇。
第1圖為根據本發明之一實施例的加工設備的健康評估裝置10的方塊圖。如第1圖所示,健康評估裝置10包括感測資料擷取模組100、第一轉換模組110、第二轉換模組120。第一轉換模組110耦接感測資料擷取模組100,第二轉換模組120耦接第一轉換模組110。所述健康評估裝置10適用於對至少一工件進行加工的加工設備。例如,加工設備可具有削刀,用以對某承軸工件的外環進行車削。
在本發明實施例中,感測資料擷取模組100可以是各種感測器,用以擷取各類型的加工相關資料。舉例來說,像是加工裝置於進刀到退刀之間和加工期間,所形成的震動訊號、高頻聲音訊號、應變力資料等等。其感測器的種類與所擷取之資料,在此皆不加以限制。第一轉換模組110以及第二轉換模組120可以是各種晶片或者是微處理器,在此亦不加以限制。
第2圖為根據本發明之一實施例的加工設備的健康評估裝置方法的流程圖。如第2圖所示,本發明實施例之加工設備的健康評估裝置方法包括步驟S210~S230。下列請同時參照第1圖與第2圖。
在步驟S210中,感測資料擷取模組100用以在加工設備的運作階段中,擷取第一感測資料。第一感測資料關聯於加工設備。
在步驟S220中,第一轉換模組110用以將第一感測資料代入第一轉換模型中,藉以取得虛擬工件品質。
在本發明實施例中,第一轉換模型係根據第二感測資料與對應之多個第一實際工件品質所建立。第二感測資料可以是在加工設備之前一個運作階段中,由感測資料擷取模組100所擷取。因此第二感測資料可較早於第一感測資料而被擷取。第一實際工件品質可以是藉由精度尺寸儀器來對被加工後的工件進行檢測,或者是參考其工件的維修紀錄表,所獲得的品質指數,例如是某承軸工件的外環內徑、外環密封溝徑、外環密封入口徑、密封槽深度等等。而第一轉換模型是以第二感測資料作為轉換模型的自變數,多個第一實際工件品質作為轉換模型的應變數,藉以所建立的。因此第一轉換模型可關聯於一「感測資料-工件品質」之轉換公式。
由於此第一轉換模型實際上乃是根據第二感測資料與對應之多個第一實際工件品質所建立,因此將第一感測資料代入第一轉換模型後,所獲得的是「虛擬」的工件品質,代表此乃工件品質的推估值。
應注意到的是,由於實際工件品質需要於加工之後來另行精密地測量,因此需要一段較長的時間才能取得。相較之下,上述之虛擬工件品質僅需將第一感測資料代入第一轉換模型即可取得,因此所需時間可大幅減少。
在步驟S230中,第二轉換模組120用以將虛擬工件品質代入第二轉換模型中,藉以取得第一虛擬設備健康指標。在本發明實施例中,第二轉換模型係根據多個第二實際工件品質與對應之實際設備健康指標所建立。
多個第二實際工件品質的來源如同上述之第一實際工件品質。第二實際工件品質與第一實際工件品質可以相同亦可以不同,在此不加以限制。實際設備健康指標可以是藉由電子顯微鏡檢測加工設備,所得知的加工設備的實際刀具磨耗程度。。然而實際設備健康指標亦可透過其他的方式取得,在此不加以限制。應注意到的是,實際設備健康指標通常是在加工設備停止加工的離線模式下才能取得。也就是說,第二轉換模型通常係在加工設備的停止加工的離線階段中所建立。然而,在本發明另一實施例中,第二轉換模型亦可透過其他方法而在加工設備之加工的運作階段中建立,在此不加以限制。
此外,在本發明實施例中,在根據多個第二實際工件品質與對應之實際設備健康指標來建立第二轉換模型時,可利用逐段迴歸模型(Piecewise regression model)的建立方式。舉例來說,在第二實際工件品質與對應之實際設備健康指標的曲線中,於允許的公差範圍內,可增加轉折點來將曲線分段,藉以減少第二轉換模型之整體評估的誤差。
第二轉換模型是以多個第二實際工件品質作為轉換模型的自變數,以實際設備健康指標作為轉換模型的應變數,藉以所建立的。因此第二轉換模型可關聯於一「工件品質-設備健康」之轉換公式。
由於此第二轉換模型實際上乃是根據第二實際工件品質與對應之實際設備健康指標所建立,因此將上述所獲得之虛擬工件品質代入第二轉換模型後,所獲得的是「虛擬」設備健康指標,代表此乃設備健康的估測值。
如上所述,在上述實施例中,可於運作階段中擷取第一感測資料,再透過事先所建立的第一轉換模型與第二轉換模型,便能快速地取得此加工設備的第一虛擬設備健康指標。
第3圖為根據本發明之另一實施例的加工設備的健康評估裝置30的方塊圖。所述健康評估裝置30適用於對至少一工件進行加工的加工設備。如第3圖所示,健康評估裝置30包括感測資料擷取模組300、第一轉換模組310、第二轉換模組320、第三轉換模組330、更新判斷模組340。第一轉換模組310耦接感測資料擷取模組300,第二轉換模組320耦接第一轉換模組310,更新判斷模組340耦接第一轉換模組310、第二轉換模組320與第三轉換模組330。
感測資料擷取模組300可以是各種感測器,用以擷取各類型的加工相關資料。第一轉換模組310、第二轉換模組320、第三轉換模組330以及更新判斷模組340可以是各種晶片或者是微處理器,在此亦不加以限制。
第4圖為根據本發明之另一實施例的加工設備的健康評估裝置方法的流程圖。如第4圖所示,本發明實施例之加工設備的健康評估裝置方法包括步驟S410~S490。下列請同時參照第3圖與第4圖。
在步驟S410中,感測資料擷取模組300如同上述之感測資料擷取模組100可取得第一感測資料。
在步驟S420中,第一轉換模組310可執行如上述之第一轉換模組110的功能來取得虛擬工件品質。
在步驟S430中,第二轉換模組320可執行如上述之第二轉換模組120的功能,來取得第一虛擬設備健康指標。後續將會說明第一轉換模組310與第二轉換模組320進一步執行的功能。
在步驟S440中,第三轉換模組330用以將第一感測資料代入第三轉換模型中,藉以取得第二虛擬設備健康指標。舉例來說,第三轉換模組330可運用狀態基準維護(Condition Based Maintenance,CBM)或者是其他的相關技術,來取得第二虛擬設備健康指標。換句話說,第三轉換模型乃是關聯於一「感測資料-設備健康」之轉換公式。
更新判斷模組340可用以比對第一虛擬設備健康指標與第二虛擬設備健康指標,藉以判斷是否更新第一轉換模型,以及當判定更新第一轉換模型時,則指示第一轉換模組根據第三感測資料與對應的多個第三實際工件品質,來更新第一轉換模型。後續將對此加以詳述,如下之步驟S450~S490。
在步驟S450中,更新判斷模組340更進一步計算第一虛擬設備健康指標與第二虛擬設備健康指標的重疊比例,與對應重疊比例的效能信心值。
在步驟S460中,更新判斷模組340判斷效能信心值是否大於一第一門檻值。舉例來說,第一虛擬設備健康指標與第二虛擬設備健康指標可以分別是一數據分布。當兩者的數據分布於圖表中彼此重疊比例越高,則可代表(第一轉換模組310與第二轉換模組320所執行的)步驟S410~S430與(第三轉換模組330所執行的)步驟S410~S440之兩流程的預測結果差不多,因此可評估有較高的效能信心值(效能信心值大於第一門檻值)。當兩者的數據分布於圖表中彼此重疊比例越低,則可代表兩流程其中之一可能已有所誤差,需要重新被校正或更新,因此可評估有較低的效能信心值(效能信心值不大於第一門檻值)。
在步驟S470中,當更新判斷模組340判定效能信心值不大於第一門檻值時,則近一步判斷第一轉換模型的一預測誤差是否大於一第二門檻值。如上所述,當步驟S410~S430與步驟S410~S440之兩流程的預測結果相差太多(效能信心值不大於第一門檻值)時,則更新判斷模組340可先評斷第一轉換模型的預測誤差是仍在可接受的範圍內。應注意到的是,雖然在步驟S410~S430的流程中同時牽涉到第一轉換模組310與第二轉換模組320,然而於實務上第二轉換模型並不容易產生誤差,因此需要被校正或更新的通常是第一轉換模型。
在步驟S480中,當更新判斷模組340判定第一轉換模型的預測誤差大於第二門檻值時,則指示第一轉換模組310根據第三感測資料與對應的多個第三實際工件品質,來更新第一轉換模型。當更新判斷模組340可評斷第一轉換模型的預測誤差已不在可接受的範圍內,則需再對第一轉換模型進行更新。此外,由於相較初始建立第一轉換模型時,加工設備可能已運作了好一段時間,因此資料庫可儲存有(相較於第二感測資料)資料量更大的第三感測資料,以及也已有更多被加工完畢的工件被量測,因此資料庫可儲存有(相較於第一實際工件品質)資料量更大的第三實際工件品質,藉以在第一轉換模組310接收更新判斷模組340的更新指示後,可用於更新第一轉換模型。
在步驟S490中,當更新判斷模組340判定第一轉換模型的預測誤差不大於第二門檻值時,則指示第三轉換模組330更新第三轉換模型。同樣地,當步驟S410~S440之流程需要重新被校正或更新時,則可更新第三轉換模型。其中有關更新第三轉換模型可以有各種不同的作法,再此不加以贅述。
第5圖為根據本發明之又另一實施例的加工設備的健康評估裝置方法的流程圖。在本發明實施例中,上述之第一轉換模組310所執行的步驟S420,可更包括步驟S421~S425,用以產生改良式的第一轉換模型。後續將對此加以詳述。
在步驟S421中,第一轉換模組310更進一步於一操作介面中接收一選擇指示,來選擇多個預設演算法其中至少一。
在步驟S422中,第一轉換模組310更進一步對應被選擇的至少一預設演算法來產生一混合演算法,其中第一轉換模型關聯於混合演算法。
在步驟S423中,第一轉換模組310更進一步將歷史感測資料代入混合演算法中,以取得對應混合演算法的一預期誤差與一預估計算時間,並顯示此預期誤差與預估計算時間。應注意到的是,由於在此第一轉換模組310是以歷史感測資料來做估算,因而此步驟可以是在加工設備停止加工的一離線模式下所進行。
在步驟S424中,第一轉換模組310更進一步判斷此預期誤差與預估計算時間是否符合一系統規格。當第一轉換模組310判定此預期誤差與預估計算時間不符合系統規格時,則回到步驟S421,來重新接收選擇指示。在本發明另一實施例中,第一轉換模組310亦可將歷史感測資料代入所有的預設演算法中,來顯示各預設演算法所對應的預期誤差與預估計算時間,藉以讓使用者在一開始發送選擇指示時,或者是在重新發送選擇指示時,可以有所參考。
在步驟S425中,當第一轉換模組310判定此預期誤差與預估計算時間符合系統規格時,則將第一感測資料代入混合演算法中,藉以取得虛擬工件品質。
綜上所述,在本發明一實施例中,可藉由在加工設備的運作階段中擷取第一感測資料,並可先後透過事先所建立之第一轉換模型與第二轉換模型的轉換,而取得第一虛擬設備健康指標。如此一來,可快速地估測加工設備的設備健康指標。在本發明另一實施例中,第一感測資料亦可代入第三轉換模型中而取得第二虛擬設備健康指標。此第二虛擬設備健康指標可用以來比對第一虛擬設備健康指標,藉以判斷是否根據第三感測資料與對應的多個第三實際工件品質來更新第一轉換模型。在本發明又另一實施例中,使用者可於操作介面中選擇至少一預設演算法來產生關聯於第一轉換模型的混合演算法。如此一來,可提升設備健康指標之相關轉換模型的估測速度與精準度。
雖然本發明以前述之實施例揭露如上,然其並非用以限定本發明。在不脫離本發明之精神和範圍內,所為之更動與潤飾,均屬本發明之專利保護範圍。關於本發明所界定之保護範圍請參考所附之申請專利範圍。
10、30‧‧‧設備評估裝置
100、300‧‧‧感測資料擷取模組
110、310‧‧‧第一轉換模組
120、320‧‧‧第二轉換模組
330‧‧‧第三轉換模組
340‧‧‧更新判斷模組
S210~S230‧‧‧健康評估裝置方法的步驟
S410~S490、S421~S425‧‧‧健康評估裝置方法的步驟
100、300‧‧‧感測資料擷取模組
110、310‧‧‧第一轉換模組
120、320‧‧‧第二轉換模組
330‧‧‧第三轉換模組
340‧‧‧更新判斷模組
S210~S230‧‧‧健康評估裝置方法的步驟
S410~S490、S421~S425‧‧‧健康評估裝置方法的步驟
第1圖為根據本發明之一實施例的加工設備的健康評估裝置的方塊圖。 第2圖為根據本發明之一實施例的加工設備的健康評估裝置方法的流程圖。 第3圖為根據本發明之另一實施例的加工設備的健康評估裝置的方塊圖。 第4圖為根據本發明之另一實施例的加工設備的健康評估裝置方法的流程圖。 第5圖為根據本發明之又另一實施例的加工設備的健康評估裝置方法的流程圖。
S410~S490‧‧‧健康評估裝置方法的步驟
Claims (22)
- 一種加工設備的健康評估方法,適用於對至少一工件進行加工的一加工設備,所述健康評估方法包括:在該加工設備的一運作階段中,擷取一第一感測資料,該第一感測資料關聯於該加工設備;將該第一感測資料代入一第一轉換模型中,藉以取得一虛擬工件品質;以及將該虛擬工件品質代入一第二轉換模型中,藉以取得一第一虛擬設備健康指標。
- 如請求項1所述的健康評估方法,其中該第一轉換模型係根據一第二感測資料與對應之多個第一實際工件品質所建立,該第二感測資料關聯於該加工設備。
- 如請求項2所述的健康評估方法,其中該第二轉換模型係根據多個第二實際工件品質與對應之一實際設備健康指標所建立。
- 如請求項3所述的健康評估方法,其中該第二轉換模型係在該加工設備的一離線階段中所建立。
- 如請求項1所述的健康評估方法,更包括:比對該第一虛擬設備健康指標與一第二虛擬設備健康指標,藉以判斷是否更新該第一轉換模型;以及當判定更新該第一轉換模型時,則根據一第三感測資料與對應的多個第三實際工件品質,來更新該第一轉換模型,該第三感測資料關聯於該加工設備。
- 如請求項5所述的健康評估方法,更包括:將該第一感測資料代入一第三轉換模型中,藉以取得該第二虛擬設備健康指標。
- 如請求項6所述的健康評估方法,其中於比對該第一虛擬設備健康指標與該第二虛擬設備健康指標,藉以判斷是否更新該第一轉換模型的步驟中,包括:計算該第一虛擬設備健康指標與該第二虛擬設備健康指標的一重疊比例,與對應該重疊比例的一效能信心值;判斷該效能信心值是否大於一第一門檻值;當該效能信心值不大於該第一門檻值時,則判斷該第一轉換模型的一預測誤差是否大於一第二門檻值;以及當該第一轉換模型的該預測誤差大於該第二門檻值時,則更新該第一轉換模型。
- 如請求項7所述的健康評估方法,其中於當該效能信心值不大於該第一門檻值時,則判斷該第一轉換模型的該預測誤差是否大於一第二門檻值的步驟之後,更包括:當該第一轉換模型的該預測誤差不大於該第二門檻值時,則更新該第三轉換模型。
- 如請求項1述的健康評估方法,於將該第一感測資料代入該第一轉換模型中,藉以取得該虛擬工件品質的步驟中,包括:於一操作介面中接收一選擇指示,來選擇多個預設演算法其中至少一;對應被選擇的該至少一預設演算法來產生一混合演算法,其中該第一轉換模型關聯於該混合演算法;以及將該第一感測資料代入該混合演算法中,藉以取得該虛擬工件品質。
- 如請求項9述的健康評估方法,於將該第一感測資料代入該混合演算法中,藉以取得該虛擬工件品質的步驟中,包括:將一歷史感測資料代入該混合演算法,以取得對應的一預期誤差與一預估計算時間;以及顯示該預期誤差與該預估計算時間於該操作介面中。
- 如請求項10所述的健康評估方法,其中於將該第一感測資料代入該混合演算法中,藉以取得該虛擬工件品質的步驟中,更包括:判斷該預期誤差與該預估計算時間是否符合一系統規格;以及當該預期誤差與該預估計算時間不符合該系統規格時,則重新接收該選擇指示。
- 一種加工設備的健康評估裝置,適用於對至少一工件進行加工的一加工設備,所述健康評估裝置包括:一感測資料擷取模組,用以在該加工設備的一運作階段中,擷取一第一感測資料,該第一感測資料關聯於該加工設備;一第一轉換模組,耦接該感測資料擷取模組,用以將該第一感測資料代入一第一轉換模型中,藉以取得一虛擬工件品質;以及一第二轉換模組,耦接該第一轉換模組,用以將該虛擬工件品質代入一第二轉換模型中,藉以取得一第一虛擬設備健康指標。
- 如請求項12所述的健康評估裝置,其中該第一轉換模型係根據一第二感測資料與對應之多個第一實際工件品質所建立,該第二感測資料關聯於該加工設備。
- 如請求項13所述的健康評估裝置,其中該第二轉換模型係根據多個第二實際工件品質與對應之一實際設備健康指標所建立。
- 如請求項14所述的健康評估裝置,其中該第二轉換模型係在該加工設備的一離線階段中所建立。
- 如請求項12所述的健康評估裝置,更包括一更新判斷模組,耦接該第一轉換模組、該第二轉換模組,用以比對該第一虛擬設備健康指標與一第二虛擬設備健康指標,藉以判斷是否更新該第一轉換模型,以及當判定更新該第一轉換模型時,則指示該第一轉換模組來根據一第三感測資料與對應的多個第三實際工件品質,來更新該第一轉換模型,該第三感測資料關聯於該加工設備。
- 如請求項16所述的健康評估裝置,更包括一第三轉換模組,耦接該更新判斷模組,用以將該第一感測資料代入一第三轉換模型中,藉以取得該第二虛擬設備健康指標。
- 如請求項17所述的健康評估裝置,其中該更新判斷模組更進一步計算該第一虛擬設備健康指標與該第二虛擬設備健康指標的一重疊比例,與對應該重疊比例的一效能信心值,並判斷該效能信心值是否大於一第一門檻值,當該效能信心值不大於該第一門檻值時,則判斷該第一轉換模型的一預測誤差是否大於一第二門檻值,以及當該第一轉換模型的該預測誤差大於該第二門檻值時,則指示該第一轉換模組更新該第一轉換模型。
- 如請求項18所述的健康評估裝置,其中該更新判斷模組更進一步當該第一轉換模型的該預測誤差不大於該第二門檻值時,則指示該第三轉換模組更新該第三轉換模型。
- 如請求項12所述的健康評估裝置,其中該第一轉換模組更進一步於一操作介面中接收一選擇指示,來選擇多個預設演算法其中至少一,並對應被選擇的該至少一預設演算法來產生一混合演算法,以及將該第一感測資料代入該混合演算法中,藉以取得該虛擬工件品質,其中該第一轉換模型關聯於該混合演算法。
- 如請求項20所述的健康評估裝置,其中該第一轉換模組更進一步將一歷史感測資料代入該混合演算法中,以取得對應的一預期誤差與一預估計算時間,以及顯示該預期誤差與該預估計算時間於該操作介面中。
- 如請求項21所述的健康評估裝置,其中該第一轉換模組更進一步判斷該預估計算時間是否符合一系統規格,以及當該預期誤差與該預估計算時間不符合該系統規格時,則重新接收該選擇指示。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104136681A TWI594835B (zh) | 2015-11-06 | 2015-11-06 | 加工設備的健康評估方法與健康評估裝置 |
CN201510917089.2A CN106682251B (zh) | 2015-11-06 | 2015-12-10 | 加工设备的健康评估方法与健康评估装置 |
US14/983,191 US10515725B2 (en) | 2015-11-06 | 2015-12-29 | Health assessment method and health assessment device for workpiece processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW104136681A TWI594835B (zh) | 2015-11-06 | 2015-11-06 | 加工設備的健康評估方法與健康評估裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201716178A true TW201716178A (zh) | 2017-05-16 |
TWI594835B TWI594835B (zh) | 2017-08-11 |
Family
ID=58663500
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104136681A TWI594835B (zh) | 2015-11-06 | 2015-11-06 | 加工設備的健康評估方法與健康評估裝置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10515725B2 (zh) |
CN (1) | CN106682251B (zh) |
TW (1) | TWI594835B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI670138B (zh) * | 2018-11-22 | 2019-09-01 | 國立臺灣科技大學 | 應用於自動加工機的刀具磨耗預測方法 |
US10579026B2 (en) | 2016-11-29 | 2020-03-03 | Industrial Technology Research Institute | Building a workpiece quality prediction model |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI632441B (zh) | 2017-01-20 | 2018-08-11 | 財團法人工業技術研究院 | 機台的預診斷方法及預診斷裝置 |
US11976419B2 (en) * | 2021-03-31 | 2024-05-07 | Schneider Electric Systems Usa, Inc. | Health assessment of a mechanical system |
CN113822580A (zh) * | 2021-09-24 | 2021-12-21 | 华润电力技术研究院有限公司 | 一种设备工况评估方法以及相关设备 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6975913B2 (en) * | 2001-07-13 | 2005-12-13 | Siemens Aktiengesellschaft | Database system and method for industrial automation services |
JP4031627B2 (ja) * | 2001-10-02 | 2008-01-09 | 株式会社森精機製作所 | 工作機械の性能評価装置及びこれを備えた性能評価システム |
US7359759B2 (en) | 2005-10-31 | 2008-04-15 | Taiwan Semiconductor Manufacturing Company | Method and system for virtual metrology in semiconductor manufacturing |
US7974723B2 (en) | 2008-03-06 | 2011-07-05 | Applied Materials, Inc. | Yield prediction feedback for controlling an equipment engineering system |
CN101598754B (zh) * | 2008-06-05 | 2011-09-21 | 郑芳田 | 自动虚拟计量的系统及方法 |
TWI400619B (zh) * | 2008-11-26 | 2013-07-01 | Univ Nat Cheng Kung | 偵測產品品質超規與評估產品實際量測值的方法 |
CN101738991B (zh) * | 2008-11-26 | 2014-09-10 | 国立成功大学 | 检测产品品质超规与评估产品实际测量值的方法 |
US8295966B2 (en) | 2009-06-30 | 2012-10-23 | Lam Research Corporation | Methods and apparatus to predict etch rate uniformity for qualification of a plasma chamber |
CN101804580A (zh) * | 2010-03-29 | 2010-08-18 | 华中科技大学 | 一种大型数控机床工艺可靠性的评估方法 |
CN102254788B (zh) | 2010-05-19 | 2014-08-20 | 国立成功大学 | 具有虚拟测量功能的制造执行系统与制造系统 |
JP5808605B2 (ja) | 2011-08-17 | 2015-11-10 | 株式会社日立製作所 | 異常検知・診断方法、および異常検知・診断システム |
CN102521454B (zh) * | 2011-12-14 | 2014-07-02 | 北京数码大方科技股份有限公司 | 加工工艺数据的评估方法及装置 |
CN103206932A (zh) * | 2012-01-11 | 2013-07-17 | 财团法人精密机械研究发展中心 | 五轴工具机械的几何误差评估方法 |
JP2013215809A (ja) * | 2012-04-04 | 2013-10-24 | Hitachi Ltd | 切削加工システム及び方法 |
TWI463334B (zh) | 2012-07-20 | 2014-12-01 | Univ Nat Cheng Kung | 標的裝置的基底預測保養方法與其電腦程式產品 |
US20140336791A1 (en) | 2013-05-09 | 2014-11-13 | Rockwell Automation Technologies, Inc. | Predictive maintenance for industrial products using big data |
CN104657526B (zh) * | 2013-11-21 | 2017-09-29 | 郑芳田 | 工具机的加工品质的预测方法 |
-
2015
- 2015-11-06 TW TW104136681A patent/TWI594835B/zh active
- 2015-12-10 CN CN201510917089.2A patent/CN106682251B/zh active Active
- 2015-12-29 US US14/983,191 patent/US10515725B2/en active Active
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10579026B2 (en) | 2016-11-29 | 2020-03-03 | Industrial Technology Research Institute | Building a workpiece quality prediction model |
TWI670138B (zh) * | 2018-11-22 | 2019-09-01 | 國立臺灣科技大學 | 應用於自動加工機的刀具磨耗預測方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106682251B (zh) | 2021-01-01 |
US10515725B2 (en) | 2019-12-24 |
TWI594835B (zh) | 2017-08-11 |
CN106682251A (zh) | 2017-05-17 |
US20170132387A1 (en) | 2017-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI594835B (zh) | 加工設備的健康評估方法與健康評估裝置 | |
RU2576588C2 (ru) | Обнаружение ухудшения характеристик датчика, реализованное в передатчике | |
US11465643B2 (en) | Obstacle recognition device and obstacle recognition method | |
TWI504478B (zh) | Monitoring System of Ball Screw Pre - pressure and Its Monitoring Method | |
CN109115257B (zh) | 传感器特性曲线的修正方法、装置、设备及存储介质 | |
IN2015DE00209A (zh) | ||
JP5425027B2 (ja) | ランダムノイズ信号の検出及びフィルタリング方法 | |
CN109839900B (zh) | 数值控制装置 | |
US20120130682A1 (en) | Real-time detection system and the method thereof | |
JP5958392B2 (ja) | 時系列計測信号のノイズ低減装置 | |
JP2015100080A5 (zh) | ||
EP3670109A3 (en) | Method and apparatus for controlling behavior of service robot | |
JP6841980B2 (ja) | 装置診断装置、プラズマ処理装置及び装置診断方法 | |
WO2019243114A3 (en) | Method and computer system for determining polymeric product properties | |
JP5891138B2 (ja) | 導圧管の詰まり診断装置および詰まり診断方法 | |
JP2016139274A (ja) | 不具合診断方法及び不具合診断システム | |
TWI609737B (zh) | 偵測工具機的線性滑軌預壓值變化的方法 | |
JP2016136111A5 (ja) | 形状エラー判定装置、判定結果画像生成装置、及び形状エラー判定方法 | |
US20210356948A1 (en) | Workpiece surface quality issues detection | |
JP7020565B2 (ja) | 工程管理装置および工程管理方法および工程管理プログラム | |
TW202019614A (zh) | 刀具壽命估測裝置及方法 | |
KR101473580B1 (ko) | 절삭 가공 장치의 상태 진단 방법 | |
JP2009278820A (ja) | モータ駆動装置 | |
US10620164B2 (en) | Diagnostic device and diagnostic method | |
JP2017111018A (ja) | 異常検出装置、及び異常検出方法 |