WO2024157352A1 - 診断装置 - Google Patents

診断装置 Download PDF

Info

Publication number
WO2024157352A1
WO2024157352A1 PCT/JP2023/002080 JP2023002080W WO2024157352A1 WO 2024157352 A1 WO2024157352 A1 WO 2024157352A1 JP 2023002080 W JP2023002080 W JP 2023002080W WO 2024157352 A1 WO2024157352 A1 WO 2024157352A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
diagnosis
abnormality
diagnostic
data
Prior art date
Legal status (The legal status 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 status listed.)
Ceased
Application number
PCT/JP2023/002080
Other languages
English (en)
French (fr)
Other versions
WO2024157352A9 (ja
Inventor
蓮成 胡
和宏 佐藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
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 Fanuc Corp filed Critical Fanuc Corp
Priority to PCT/JP2023/002080 priority Critical patent/WO2024157352A1/ja
Priority to DE112023004367.1T priority patent/DE112023004367T5/de
Priority to JP2024572567A priority patent/JPWO2024157352A1/ja
Priority to CN202380091587.9A priority patent/CN120548465A/zh
Publication of WO2024157352A1 publication Critical patent/WO2024157352A1/ja
Publication of WO2024157352A9 publication Critical patent/WO2024157352A9/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G01M99/008—Subject matter not provided for in other groups of this subclass by doing functionality tests

Definitions

  • This disclosure relates to a diagnostic device that diagnoses abnormalities.
  • Patent Document 1 There is a known technology that diagnoses signs of abnormalities occurring in industrial machinery by collecting and analyzing a large amount of physical quantity data such as current and vibration (for example, Patent Document 1).
  • the diagnostic device disclosed herein includes a first acquisition unit that acquires first status data indicating the status of the diagnostic target, a continuous diagnosis unit that diagnoses an abnormality in the diagnostic target based on the first status data acquired by the first acquisition unit, a second acquisition unit that acquires second status data different from the first status data based on the diagnosis result by the continuous diagnosis unit, and an emergency diagnosis unit that diagnoses the cause of the abnormality that has occurred in the diagnostic target based on the second status data acquired by the second acquisition unit.
  • FIG. 1 illustrates an example of a system including a diagnostic device.
  • 1 is a block diagram showing an example of a hardware configuration of an industrial machine
  • FIG. 2 is a block diagram showing an example of a hardware configuration of a diagnostic device.
  • FIG. 2 is a block diagram showing an example of the functions of the diagnostic device.
  • FIG. 11 is a diagram showing an example of a diagnosis result. 13 is an example of a display screen that displays information generated by a trigger generating unit. 13 is an example of a reception screen.
  • FIG. 2 is a block diagram showing an example of the functions of the diagnostic device.
  • FIG. 1 is a diagram for explaining clustering.
  • based on XX means “based on at least XX,” and includes cases where it is based on other elements in addition to XX. Furthermore, “based on XX” is not limited to cases where XX is used directly, but also includes cases where it is based on XX that has been calculated or processed. "XX” is any element (for example, any information).
  • First Embodiment 1 is a diagram showing an example of a system including a diagnostic device.
  • the system includes, for example, an industrial machine 1 and a diagnostic device 10.
  • the industrial machine 1 is a machine that operates at an industrial site.
  • the industrial machine 1 is, for example, a machine tool, an injection molding machine, a laser processing machine, a three-dimensional printer, or a robot.
  • the industrial machine 1 is controlled by a control device 2.
  • the diagnostic device 10 is a device that diagnoses abnormalities in the industrial machine 1.
  • the diagnostic device 10 is connected to the control device 2 via a wired or wireless connection.
  • the diagnostic device 10 may be implemented in the control device 2.
  • FIG. 2 is a block diagram showing an example of the hardware configuration of the industrial machine 1.
  • the industrial machine 1 includes a control device 2, an input/output device 3, a servo amplifier 4, a servo motor 5, a spindle amplifier 6, a spindle motor 7, an auxiliary device 8, and a sensor 9.
  • the control device 2 is, for example, a numerical control device that controls the industrial machine 1.
  • the control device 2 includes, for example, a hardware processor 201, a bus 202, a ROM (Read Only Memory) 203, a RAM (Random Access Memory) 204, and a non-volatile memory 205.
  • the hardware processor 201 is a processor that controls the entire control device 2 in accordance with a system program.
  • the hardware processor 201 reads out the system program stored in the ROM 203 via the bus 202.
  • the hardware processor 201 is, for example, a CPU (Central Processing Unit) or an electronic circuit.
  • the bus 202 is a communication path that connects each piece of hardware in the control device 2 to each other. Each piece of hardware in the control device 2 exchanges data via the bus 202.
  • ROM 203 is a storage device that stores system programs and the like. ROM 203 is a computer-readable storage medium.
  • RAM 204 is a storage device that temporarily stores various data. RAM 204 functions as a working area for the hardware processor 201 to process various data.
  • the non-volatile memory 205 is a storage device that retains data even when the control device 2 is powered off.
  • the non-volatile memory 205 stores, for example, the operating program of the industrial machine 1.
  • the non-volatile memory 205 is a computer-readable storage medium.
  • the non-volatile memory 205 is, for example, a battery-backed memory or an SSD (Solid State Drive).
  • the control device 2 further includes a first interface 206, an axis control circuit 207, a spindle control circuit 208, a PLC (Programmable Logic Controller) 209, an I/O unit 210, a second interface 211, and a third interface 212.
  • a PLC Programmable Logic Controller
  • the first interface 206 connects the bus 202 and the input/output device 3.
  • the first interface 206 sends, for example, various data processed by the hardware processor 201 to the input/output device 3.
  • the input/output device 3 receives various data via the first interface 206 and displays the various data on a display.
  • the input/output device 3 also receives input of various data and sends the various data via the first interface 206 to, for example, the hardware processor 201.
  • the input/output device 3 is, for example, a touch panel.
  • the input/output device 3 is, for example, a capacitive touch panel.
  • the touch panel is not limited to a capacitive touch panel, and may be a touch panel of another type.
  • the input/output device 3 is installed in an operation panel (not shown) in which the control device 2 is stored.
  • the axis control circuit 207 is a circuit for controlling the servo motor 5.
  • the axis control circuit 207 receives control commands from the hardware processor 201 and sends various commands to the servo amplifier 4 for driving the servo motor 5.
  • the axis control circuit 207 sends, for example, a torque command for controlling the torque of the servo motor 5 to the servo amplifier 4.
  • the servo amplifier 4 receives commands from the axis control circuit 207 and supplies current to the servo motor 5.
  • the servo motors 5 are driven by receiving a current supply from the servo amplifier 4.
  • the servo motors 5 are provided for each control axis of the industrial machine 1. If the industrial machine 1 is a machine tool having five axes, the servo motors 5 include, for example, an X-axis servo motor, a Y-axis servo motor, a Z-axis servo motor, an A-axis servo motor, and a C-axis servo motor.
  • the axis control circuit 207 and the servo amplifier 4 are provided for each servo motor 5.
  • the servo motor 5 is connected to, for example, a ball screw that drives the tool post.
  • the structure of the industrial machine 1, such as the tool post moves along a specified control axis.
  • the servo motor 5 has a built-in encoder (not shown) that detects the position and feed speed of the control axis. Position feedback information and speed feedback information indicating the position of the control axis and the feed speed of the control axis detected by the encoder, respectively, are fed back to the axis control circuit 207. In this way, the axis control circuit 207 performs feedback control of each control axis.
  • the spindle control circuit 208 is a circuit for controlling the spindle motor 7.
  • the spindle control circuit 208 receives a control command from the hardware processor 201 and sends a command to the spindle amplifier 6 to drive the spindle motor 7.
  • the spindle control circuit 208 sends, for example, a spindle speed command to the spindle amplifier 6 to control the rotation speed of the spindle motor 7.
  • the spindle amplifier 6 receives commands from the spindle control circuit 208 and supplies current to the spindle motor 7.
  • the spindle motor 7 is driven by a current supplied from the spindle amplifier 6.
  • the spindle motor 7 is connected to the main shaft and rotates the main shaft.
  • the PLC 209 is a device that executes a ladder program to control the auxiliary device 8.
  • the PLC 209 sends commands to the auxiliary device 8 via the I/O unit 210.
  • the I/O unit 210 is an interface that connects the PLC 209 and the auxiliary device 8.
  • the I/O unit 210 sends commands received from the PLC 209 to the auxiliary device 8.
  • the auxiliary device 8 is installed in the industrial machine 1 and performs auxiliary operations in the industrial machine 1.
  • the auxiliary device 8 operates based on commands received from the I/O unit 210.
  • the auxiliary device 8 may be a device installed in the periphery of the industrial machine 1.
  • the auxiliary device 8 is, for example, a tool changer, a cutting fluid injection device, or an opening/closing door drive device.
  • the second interface 211 connects the bus 202 and the sensor 9.
  • the second interface 211 sends, for example, information acquired by the sensor 9 to the hardware processor 201 via the bus 202.
  • Sensors 9 are installed in various parts of the industrial machine 1 to detect various physical quantities. Examples of sensors 9 include a temperature sensor, an acceleration sensor, an ammeter, and a liquid level meter.
  • the third interface 212 connects the bus 202 and the diagnostic device 10.
  • the third interface 212 sends, for example, information processed by the hardware processor 201 to the diagnostic device 10 via the bus 202.
  • FIG. 3 is a block diagram showing an example of the hardware configuration of the diagnostic device 10.
  • the diagnostic device 10 includes, for example, a hardware processor 101, a bus 102, a ROM 103, a RAM 104, a non-volatile memory 105, a first interface 106, and a second interface 107.
  • the hardware processor 101 is a processor that controls the entire diagnostic device 10 in accordance with a system program.
  • the hardware processor 101 reads the system program stored in the ROM 103 via the bus 102.
  • the hardware processor 101 is, for example, a CPU or an electronic circuit.
  • the bus 102 is a communication path that connects each piece of hardware in the diagnostic device 10 to each other. Each piece of hardware in the diagnostic device 10 exchanges data via the bus 102.
  • ROM 103 is a storage device that stores system programs and the like. ROM 103 is a computer-readable storage medium.
  • RAM 104 is a storage device that temporarily stores various data. RAM 104 functions as a working area for the hardware processor 101 to process various data.
  • the non-volatile memory 105 is a storage device that retains data even when the power to the diagnostic device 10 is turned off.
  • the non-volatile memory 105 is a computer-readable storage medium.
  • the non-volatile memory 105 is composed of, for example, a battery-backed memory or an SSD.
  • the first interface 106 connects the bus 102 and the input/output device 11.
  • the first interface 106 sends, for example, various data processed by the hardware processor 101 to the input/output device 11.
  • the input/output device 11 receives various data via the first interface 106 and displays the various data on a display.
  • the input/output device 11 also receives input of various data and sends the various data to, for example, the hardware processor 101 via the first interface 106.
  • the input/output device 11 is, for example, a touch panel.
  • the second interface 107 connects the bus 102 and the control device 2.
  • the second interface 107 for example, receives various data from the control device 2 and sends it to the hardware processor 101.
  • FIG. 4 is a block diagram showing an example of the functions of the diagnostic device 10.
  • the diagnostic device 10 includes, for example, a first acquisition unit 111, a first data storage unit 112, a continuous diagnosis unit 113, a first history storage unit 114, a trigger generation unit 115, a result output unit 116, a reception unit 117, a second acquisition unit 118, a second data storage unit 119, an emergency diagnosis unit 120, and a second history storage unit 121.
  • the first acquisition unit 111, the constant diagnosis unit 113, the trigger generation unit 115, the result output unit 116, the reception unit 117, the second acquisition unit 118, and the emergency diagnosis unit 120 are realized, for example, by the hardware processor 101 performing calculations using the system program stored in the ROM 103 and various data stored in the non-volatile memory 105.
  • the first data storage unit 112, the first history storage unit 114, the second data storage unit 119, and the second history storage unit 121 are realized, for example, by storing various information in the RAM 104 or the non-volatile memory 105.
  • the first acquisition unit 111 acquires first status data indicating the status of the diagnosis target.
  • the diagnosis target is, for example, the devices and parts that constitute the industrial machine 1.
  • the devices and parts that constitute the industrial machine 1 are, for example, bearings, servo motors 5, spindle motors 7, linear guides, tools, and spindles.
  • the diagnosis target may also be a compressor, motor, etc. of equipment installed in a factory.
  • the first acquisition unit 111 acquires the first status data at a predetermined cycle while the diagnosis target is in operation.
  • the period during which the diagnosis target is in operation is, for example, a period during which the industrial machine 1 is operating based on an operation program.
  • the specified period is, for example, the control period of the diagnostic device 10.
  • the first acquisition unit 111 may change the period for acquiring the first status data.
  • the first acquisition unit 111 may acquire the first status data based on information specifying the period accepted by the acceptance unit 117, which will be described later.
  • the first acquisition unit 111 may acquire the first status data at a period specified by the operator.
  • the first state data is, for example, data indicating a torque command, as well as a current value, vibration, temperature, sound, elastic wave, speed, and rotation speed.
  • the data includes signals.
  • the first acquisition unit 111 acquires, for example, a torque command that specifies the torque of the spindle motor 7.
  • the first acquisition unit 111 acquires the first status data from the sensor 9 installed in the diagnosis target or from the control device 2.
  • the first data storage unit 112 stores the first status data acquired by the first acquisition unit 111.
  • the first data storage unit 112 stores the first status data in association with time information indicating the time when the first status data was acquired.
  • the first status data stored in the first data storage unit 112 is time-series data.
  • the data stored in the first data storage unit 112 is time-series data of a value specifying the torque of the spindle motor 7.
  • the continuous diagnosis unit 113 diagnoses an abnormality in the diagnosis target based on the first status data stored in the first data storage unit 112. In other words, the continuous diagnosis unit 113 diagnoses an abnormality in the diagnosis target based on the first status data acquired by the first acquisition unit 111.
  • the continuous diagnosis unit 113 diagnoses whether an abnormality has occurred in the diagnosis target.
  • the continuous diagnosis unit 113 diagnoses the abnormality of the diagnosis target using a predetermined abnormality detection model.
  • the anomaly detection model is, for example, a model that diagnoses that an abnormality has occurred in the diagnosis target when the value of the first state data exceeds a preset threshold. There may be multiple thresholds set in the anomaly detection model.
  • the anomaly detection model may be set with a first threshold, a second threshold greater than the first threshold, and a third threshold greater than the second threshold. In this case, the anomaly detection model calculates the degree of anomaly.
  • the degree of abnormality is "0.” In this case, no abnormality has occurred in the object to be diagnosed. If the value of the first status data is greater than the first threshold and equal to or less than the second threshold, the degree of abnormality is "1.” In this case, an abnormality of low importance has occurred in the object to be diagnosed.
  • the degree of abnormality is "2." In this case, an abnormality of medium importance has occurred in the object to be diagnosed. If the value of the first status data exceeds the third threshold value, the degree of abnormality is "3.” In this case, an abnormality of high importance has occurred in the object to be diagnosed.
  • FIG. 5 is a diagram showing an example of a diagnosis result by the continuous diagnosis unit 113.
  • the value of the first status data is equal to or less than the first threshold value. Therefore, the continuous diagnosis unit 113 determines that the diagnosis target is operating normally.
  • the value of the first status data exceeds the first threshold value and is equal to or less than the second threshold value. In this case, the continuous diagnosis unit 113 determines that an abnormality with an abnormality level of "1" has occurred in the object to be diagnosed. Further, in period T4, the value of the first status data exceeds the second threshold value. In this case, the continuous diagnosis unit 113 determines that an abnormality with an abnormality level of "2" has occurred in the object to be diagnosed.
  • the continuous diagnosis unit 113 may diagnose an abnormality in the diagnosis target using an anomaly detection model selected from a plurality of anomaly detection models that calculate the degree of anomaly.
  • the anomaly detection model is an anomaly detection model among the plurality of anomaly detection models that most appropriately calculates the degree of anomaly occurring in the diagnosis target.
  • the difference between the degree of abnormality in normal times and the degree of abnormality in abnormal times calculated by the anomaly detection model used by the continuous diagnosis unit 113 is greater than the difference between the degree of abnormality in normal times and the degree of abnormality in abnormal times calculated by other anomaly detection models among the multiple anomaly detection models.
  • the anomaly detection model is selected from a number of anomaly detection models depending on the components constituting the diagnosis target, the structure of the industrial machine 1 in which the diagnosis target is installed, the setting state of the industrial machine 1, the operating program that operates the industrial machine 1, and the environment in which the diagnosis target is installed.
  • the setting state of the industrial machine 1 is, for example, the preload of the bearings.
  • the setting state of the industrial machine 1 also includes the setting state of the parameters set in the control device 2.
  • the environment in which the diagnosis target is installed is, for example, the temperature in the factory in which the industrial machine 1 is installed. Now, we return to the explanation of FIG. 4.
  • the first history storage unit 114 stores the diagnosis results by the continuous diagnosis unit 113.
  • the diagnosis results are, for example, information indicating whether or not an abnormality has occurred in the diagnosis target.
  • the diagnosis results may include information indicating the degree of abnormality.
  • the diagnosis results may include information indicating the time when the abnormality occurred.
  • the trigger generation unit 115 generates a trigger based on the diagnosis result stored in the first history storage unit 114.
  • the trigger generation unit 115 generates a trigger in response to the first history storage unit 114 storing a diagnosis result indicating that an abnormality has occurred in the diagnosis target.
  • the trigger is information or a signal that causes the second acquisition unit 118 to acquire second status data that is different from the first status data.
  • the information generated by the trigger generation unit 115 is, for example, information for prompting the operator to perform a diagnostic operation.
  • the information prompting the operator to perform a diagnostic operation is, for example, displayed on a display device.
  • FIG. 6 is an example of a display screen that displays information generated by the trigger generation unit 115.
  • the display screen displays a character string saying, "An abnormality has occurred. Please perform a diagnostic operation.”
  • an "OK" button is displayed below this character string.
  • the operator executes a diagnostic operation. For example, if the first status data is a torque command for the spindle motor 7 and the constant diagnosis unit 113 diagnoses that an abnormality has occurred in the diagnostic target, the operator executes a diagnostic operation for the spindle.
  • the diagnostic operation is, for example, measuring the runout of the spindle.
  • the runout of the spindle is measured, for example, by measuring the distance between a tool holder attached to the spindle and an eddy current displacement sensor while rotating the spindle.
  • the runout of the spindle may also be measured by placing a dial gauge against the tool holder attached to the spindle.
  • the diagnostic operation may be measuring vibrations of the diagnostic object.
  • the vibrations of the diagnostic object may be, for example, vibrations that occur when the diagnostic object is subjected to a frequency sweep operation, and vibrations that occur when the diagnostic object is excited.
  • the second state data may be vibration data acquired when the diagnostic object is subjected to a frequency sweep operation, or vibration data acquired when the diagnostic object is excited.
  • the frequency sweep operation refers to vibrating a motor such as the servo motor 5 or spindle motor 7 using an input signal input to the motor.
  • the frequency sweep operation refers, for example, to gradually increasing the frequency of the input signal to the motor.
  • the object to be diagnosed is vibrated, for example, when an impact is applied to the object to be diagnosed using an impulse hammer or the like.
  • the result output unit 116 outputs the diagnosis result by the continuous diagnosis unit 113.
  • the result output unit 116 causes the diagnosis result indicating that the diagnosis target is operating normally to be displayed, for example, on a display device.
  • the result output unit 116 displays the diagnosis result indicating that an abnormality has occurred in the diagnosis target, for example, on a display device.
  • the display device is, for example, the input/output device 11.
  • the result output unit 116 may output an electronic file in which the diagnosis result is recorded, for example, to an external server (not shown).
  • the reception unit 117 receives input of the results of the diagnostic operation by the operator. For example, the reception unit 117 displays a reception screen on a display device and receives input of the results of the diagnostic operation from the reception screen.
  • FIG. 7 is an example of a reception screen.
  • the reception screen includes, for example, an area for receiving input of the measured value of the runout of the spindle, and an area for receiving input of the measured value of the vibration of the spindle.
  • the reception unit 117 receives the input of the results of the diagnostic operation.
  • the second acquisition unit 118 acquires second status data different from the first status data based on the diagnosis result by the continuous diagnosis unit 113.
  • the second status data is, for example, information indicating the result of a diagnostic operation by an operator accepted by the acceptance unit 117.
  • the second acquisition unit 118 acquires information indicating the result of the diagnostic operation performed based on the trigger.
  • the second acquisition unit 118 acquires, for example, information indicating the runout of the spindle and information indicating the vibration of the spindle.
  • the second status data is not limited to information accepted by the acceptance unit 117.
  • the second status data may be data detected by the sensor 9. In this case, the second acquisition unit 118 starts acquiring the second status data at a predetermined cycle in response to the generation of a trigger by the trigger generation unit 115.
  • the data detected by the sensor 9 is, for example, data indicating a torque command, a current value, a vibration, a temperature, a sound, an elastic wave, a speed, and a rotation speed.
  • the data includes a signal.
  • the second state data may be data obtained from the control device 2.
  • the second acquisition unit 118 may, for example, acquire information indicating the electrical resistance between the workpiece and the tool during cutting from the sensor 9. It is known that the electrical resistance between the tool and the workpiece decreases as the tool wear progresses. Therefore, by the second acquisition unit 118 acquiring information indicating the electrical resistance between the tool and the workpiece, the emergency diagnosis unit 120, which will be described later, can diagnose the wear of the tool based on the information indicating this electrical resistance.
  • the second acquisition unit 118 may also acquire, for example, the temperature of the bearing from the sensor 9. It is known that the temperature of the bearing rises when the bearing is damaged. Therefore, by the second acquisition unit 118 acquiring the temperature of the bearing, the emergency diagnosis unit 120, which will be described later, can diagnose damage to the bearing based on this temperature.
  • the second data storage unit 119 stores the second status data acquired by the second acquisition unit 118. In other words, the second data storage unit 119 stores the information accepted by the acceptance unit 117.
  • the second data storage unit 119 also stores data detected by the sensor 9.
  • the second data storage unit 119 stores the second status data in association with time information indicating the time when the second status data was acquired.
  • the second status data stored in the second data storage unit 119 may be time-series data.
  • the emergency diagnosis unit 120 diagnoses the cause of the abnormality that has occurred in the diagnosis target based on the second status data acquired by the second acquisition unit 118. In other words, the emergency diagnosis unit 120 diagnoses the cause of the abnormality that has occurred in the diagnosis target based on the second status data stored in the second data storage unit 119.
  • the emergency diagnosis unit 120 uses a predetermined diagnosis model to diagnose the cause of an abnormality that has occurred in the diagnosis target.
  • the cause of the abnormality is, for example, the location where the abnormality occurred and the state of the abnormality.
  • the emergency diagnosis unit 120 diagnoses that an abnormality has occurred in a bearing, a motor, or a tool as the cause of the abnormality.
  • the emergency diagnosis unit 120 also diagnoses that wear, loss, or breakage has occurred, for example.
  • the emergency diagnosis unit 120 also diagnoses that a part has reached the end of its life.
  • the diagnostic model is, for example, a model that indicates the correlation between the second status data and the cause of an abnormality that has occurred in the diagnostic target.
  • the diagnostic model is generated by performing machine learning using the second status data and information indicating the cause of the abnormality as training data.
  • the diagnostic model outputs information indicating that damage has occurred to the spindle bearings, for example, when the measured value of the spindle runout is equal to or greater than ⁇ 1 [mm] and less than ⁇ 2 [mm], and vibrations in a specific frequency band appear with the rotation of the spindle.
  • the emergency diagnosis unit 120 diagnoses that damage has occurred to the spindle bearings.
  • the vibrations in the specific frequency band are, for example, vibrations that include sideband waves of a wave that indicates the rotation frequency of the spindle.
  • the diagnostic model outputs information indicating that a foreign object has become caught between the spindle and the tool holder, for example, when the measured value of the spindle runout is equal to or greater than ⁇ 2 [mm] and vibrations in a specific frequency band appear as the spindle rotates.
  • the emergency diagnosis unit 120 diagnoses that a foreign object has become caught between the spindle and the tool holder.
  • the vibrations in the specific frequency band are, for example, vibrations that indicate the rotational frequency of the spindle.
  • the emergency diagnosis unit 120 may diagnose the cause of the abnormality that has occurred in the diagnosis target based on the correlation between the multiple types of data. For example, if there is a correlation between the rotation speed of the servo motor 5 under normal conditions and the frequency component of the vibration of the servo motor 5 under normal conditions, the correlation between the rotation speed of the servo motor 5 and the frequency component of the vibration under abnormal conditions is different from the correlation under normal conditions. Therefore, the emergency diagnosis unit 120 diagnoses the cause of the abnormality in the diagnosis target based on the fact that the correlation between the rotation speed of the servo motor 5 and the frequency component of the vibration is different from the correlation between the rotation speed of the servo motor 5 and the frequency component of the vibration under normal conditions.
  • the second history storage unit 121 stores a history of cause information indicating the cause of an abnormality in the diagnosis target diagnosed by the emergency diagnosis unit 120.
  • the cause information is stored in association with the second status data and the acquisition time of the second status data.
  • the emergency diagnosis unit 120 may diagnose the cause of an abnormality that has occurred in the diagnosis target based on the cause information recorded in the second history storage unit 121. That is, the emergency diagnosis unit 120 determines whether the past second state data stored in the second history storage unit 121 matches the second state data stored in the second data storage unit 119. If they match, the emergency diagnosis unit 120 diagnoses that an abnormality indicated by the cause information stored in association with the second state data in the second history storage unit 121 has occurred in the diagnosis target.
  • the emergency diagnosis unit 120 may diagnose that an abnormality indicated by the cause information stored in association with the second status data has occurred in the diagnosis target.
  • the result output unit 116 outputs the diagnosis result by the emergency diagnosis unit 120.
  • the result output unit 116 displays the diagnosis result, for example, on a display device.
  • FIG. 8 is a diagram showing an example of a diagnosis result displayed on the display device.
  • the result output unit 116 displays the character string "High possibility of spindle bearing abnormality" indicating the diagnosis result on the display screen.
  • the result output unit 116 may display the diagnosis result by the emergency diagnosis unit 120 together with the diagnosis result by the constant diagnosis unit 113 on the display device.
  • the result output unit 116 may output an electronic file in which the diagnosis result is recorded to, for example, an external server (not shown).
  • FIG. 9 is a flowchart showing an example of the flow of processing executed by the diagnostic device 10.
  • the first acquisition unit 111 acquires the first state data (step SA1).
  • the first data storage unit 112 stores the first state data acquired by the first acquisition unit 111 (step SA2).
  • the continuous diagnosis unit 113 diagnoses an abnormality in the diagnosis target based on the first status data stored in the first data storage unit 112 (step SA3).
  • step SA4 If no abnormality has occurred in the diagnosis target (No in step SA4), the first acquisition unit 111 continues acquiring the first status data (step SA1).
  • the first history storage unit 114 stores the diagnosis result by the continuous diagnosis unit 113 (step SA5).
  • the trigger generation unit 115 When the diagnosis result is stored in the first history storage unit 114, the trigger generation unit 115 generates a trigger and the result output unit 116 outputs the diagnosis result (step SA6).
  • step SA7 When the trigger generation unit 115 generates a trigger, a diagnostic operation is performed by an operator, and the reception unit 117 receives input of the results of the diagnostic operation (step SA7).
  • the second acquisition unit 118 acquires the second status data (step SA8).
  • the second status data is information indicating the result of the diagnostic operation accepted by the acceptance unit 117.
  • the second data storage unit 119 stores the second status data acquired by the second acquisition unit 118 (step SA9).
  • the emergency diagnosis unit 120 diagnoses the cause of the abnormality that has occurred in the diagnosis target based on the second status data stored in the second data storage unit 119 (step SA10).
  • the second history storage unit 121 stores information indicating the cause of the abnormality diagnosed by the emergency diagnosis unit 120 (step SA11).
  • the result output unit 116 outputs information indicating the cause of the abnormality stored in the second history storage unit 121 (step SA12), and the process ends.
  • Second Embodiment 10 is a block diagram showing an example of functions of the diagnostic device 10 of the second embodiment.
  • functions different from those of the first embodiment will be mainly described, and descriptions of functions that are the same as those of the first embodiment may be omitted.
  • the diagnostic device 10 of this embodiment differs from the diagnostic device 10 of the first embodiment mainly in that the continuous diagnostic unit 113 includes a first diagnostic unit 113A and a second diagnostic unit 113B.
  • the continuous diagnosis unit 113 includes a first diagnosis unit 113A and a second diagnosis unit 113B.
  • the first diagnosis unit 113A diagnoses whether or not an abnormality has occurred in the diagnosis target based on the first state data.
  • the first diagnosis unit 113A diagnoses whether or not an abnormality has occurred in the diagnosis target using a predetermined abnormality detection model.
  • the anomaly detection model is, for example, a model that diagnoses that an anomaly has occurred when the value of the first state data exceeds a preset threshold value.
  • the second diagnosis unit 113B diagnoses the type of abnormality that has occurred in the diagnosis target based on the first status data.
  • the second diagnosis unit 113B diagnoses the type of abnormality by clustering the first status data.
  • FIG. 11 is a diagram for explaining clustering.
  • Each black circle shown in FIG. 11 is analysis data obtained by analyzing the first state data.
  • the analysis data is, for example, multidimensional data obtained by frequency analysis of the first state data.
  • the second diagnostic unit 113B groups the analysis data using a clustering method such as the k-means method. For example, the second diagnostic unit 113B groups the analysis data into a first group G1, a second group G2, and a third group G3.
  • Each group is labeled with information indicating an anomaly. For example, if analysis data of the first status data acquired when a known anomaly occurred is included in a certain group, the group is presumed to be a collection of analysis data of the first status data acquired when the known anomaly occurred. In other words, the group is labeled with information indicating the known anomaly.
  • the analytical data D1 is data obtained by analyzing the first status data acquired when the diagnostic target is operating normally.
  • the other analytical data included in the first group is data obtained by analyzing the first status data acquired when the diagnostic target is operating normally. Therefore, the first group is labeled with information indicating that the diagnostic target is normal.
  • analytical data D2 is data obtained by analyzing the first condition data acquired when the diagnostic object is operating in a worn state.
  • the other analytical data included in the second group is data obtained by analyzing the first condition data acquired when the diagnostic object is operating in a worn state. Therefore, the second group is labeled with information indicating that the diagnostic object is worn.
  • analytical data D3 is data obtained by analyzing the first state data acquired when the diagnostic object is operating in a damaged state.
  • the other analytical data included in the third group is data obtained by analyzing the first state data acquired when the diagnostic object is operating in a damaged state. Therefore, the third group is labeled with information indicating that the diagnostic object is damaged.
  • the second diagnostic unit 113B determines to which group the analysis data obtained by analyzing the first status data belongs. For example, if the analysis data belongs to the first group G1, the second diagnostic unit 113B diagnoses that the diagnostic target is operating normally.
  • the second diagnostic unit 113B diagnoses that the diagnostic object is operating in a worn-out state. In other words, the second diagnostic unit 113B diagnoses that the type of abnormality that has occurred in the diagnostic object is wear.
  • the second diagnostic unit 113B diagnoses that the diagnostic object is operating in a damaged state. In other words, the second diagnostic unit 113B diagnoses that the type of abnormality that has occurred in the diagnostic object is damage.
  • the second diagnosis unit 113B diagnoses that an unknown abnormality has occurred in the diagnosis target.
  • FIG. 12 is a diagram showing an example of a diagnosis result by the continuous diagnosis unit 113.
  • the first diagnosis unit 113A determines that the diagnosis target is operating normally when the value of the first status data is equal to or less than a predetermined threshold value. Furthermore, the first diagnosis unit 113A diagnoses that an abnormality has occurred in the diagnosis target when the value of the first status data exceeds the predetermined threshold value. In other words, the first diagnosis unit 113A diagnoses that an abnormality has occurred in the diagnosis target in periods T2 and T4.
  • the second diagnostic unit 113B diagnoses the type of abnormality that has occurred in the diagnostic object based on the analysis data obtained by analyzing the first condition data. For example, the second diagnostic unit 113B diagnoses that the diagnostic object is worn out in the period T2. The second diagnostic unit 113B also diagnoses that the diagnostic object is damaged in the period T4.
  • the first history storage unit 114 stores the diagnosis results by the continuous diagnosis unit 113.
  • the trigger generation unit 115 generates a trigger based on the diagnosis results stored in the first history storage unit 114.
  • the trigger generation unit 115 generates a trigger in response to the first history storage unit 114 storing a diagnosis result indicating that an abnormality has occurred in the diagnosis target.
  • FIG. 13 is an example of a display screen that displays information generated by the trigger generation unit 115.
  • the display screen displays a character string stating, "An unknown abnormality has occurred. Please perform a diagnostic operation.”
  • an "OK" button is displayed below this character string.
  • the operator When the information generated by the trigger generation unit 115 is displayed on the display screen, the operator performs a diagnostic operation.
  • the result output unit 116 outputs the diagnosis result by the continuous diagnosis unit 113. Note that the functions of the reception unit 117, the second acquisition unit 118, the second data storage unit 119, the emergency diagnosis unit 120, and the second history storage unit 121 are the same as those in the first embodiment.
  • the reception unit 117 may receive information specifying the type of first status data.
  • the operator can specify the type of first status data to be used for diagnosis in the continuous diagnosis unit 113.
  • the reception unit 117 may also receive information specifying an anomaly detection model.
  • multiple anomaly detection models may be stored in a storage unit (not shown) in advance.
  • the first diagnosis unit 113A may diagnose an anomaly in the diagnosis target using the specified anomaly detection model.
  • the second acquisition unit 118 may acquire the diagnosis result by the continuous diagnosis unit 113. That is, the second acquisition unit 118 may acquire the diagnosis result stored in the first history storage unit 114. In this case, the emergency diagnosis unit 120 diagnoses the cause of the abnormality that has occurred in the diagnosis target based on the diagnosis result by the continuous diagnosis unit 113 and the second status data.
  • the second acquisition unit 118 may determine the type of second condition data to acquire depending on the diagnosis result by the continuous diagnosis unit 113. For example, the second acquisition unit 118 may acquire either information indicating spindle runout or information indicating spindle vibration depending on whether the diagnosis result is wear or damage.
  • the diagnostic device 10 includes a first acquisition unit 111 that acquires first status data indicating the status of the diagnostic object, a continuous diagnosis unit 113 that diagnoses an abnormality in the diagnostic object based on the first status data acquired by the first acquisition unit 111, a second acquisition unit 118 that acquires second status data different from the first status data based on the diagnosis result by the continuous diagnosis unit 113, and an emergency diagnosis unit 120 that diagnoses the cause of an abnormality that has occurred in the diagnostic object based on the second status data acquired by the second acquisition unit 118.
  • the diagnostic device 10 can diagnose the diagnosis target based on the first status data that can be acquired at any time while the diagnosis target is operating. In other words, when diagnosing the diagnosis target, the diagnostic device 10 does not affect the operation of the diagnosis target.
  • the second acquisition unit 118 acquires the second status data only when the continuous diagnosis unit 113 determines that it is necessary. In other words, the second acquisition unit 118 acquires the second status data at an appropriate timing. Therefore, the diagnosis device 10 can reduce costs associated with abnormality diagnosis.
  • the diagnostic device 10 diagnoses the diagnostic target based on the second state data, not just the first state data. Therefore, the diagnostic device 10 can ensure the reliability of the diagnostic results.
  • the continuous diagnosis unit 113 also diagnoses the abnormality of the diagnosis target using an anomaly detection model selected from a plurality of anomaly detection models that calculate the degree of anomaly, and the difference between the degree of anomaly in normal times and the degree of anomaly in abnormal times calculated by the anomaly detection model is greater than the difference between the degree of anomaly in normal times and the degree of anomaly in abnormal times calculated by each of the other anomaly detection models among the plurality of anomaly detection models. Therefore, the continuous diagnosis unit 113 can appropriately diagnose the abnormality of the diagnosis target.
  • the anomaly detection model is selected from a number of anomaly detection models depending on the components constituting the diagnosis target, the structure of the industrial machine 1 in which the diagnosis target is installed, the setting state of the industrial machine 1, the operating program that operates the industrial machine 1, and the environment in which the diagnosis target is installed.
  • the anomaly detection model is the optimal model for detecting anomalies. This allows the continuous diagnosis unit 113 to appropriately diagnose anomalies in the diagnosis target.
  • the diagnostic device 10 further includes a reception unit 117 that receives at least one of information specifying the type of first state data and information specifying the type of anomaly detection model. Therefore, the diagnostic device 10 can appropriately diagnose the cause of an anomaly that has occurred in the diagnostic target based on the first state data and the anomaly detection model that are suitable for the diagnostic target.
  • the first acquisition unit 111 also changes the cycle for acquiring the first status data. Therefore, the operator can set the cycle to match the processing capacity of the diagnostic device 10.
  • the second state data is vibration data acquired when the diagnosis target is subjected to a frequency sweep operation, or vibration data acquired when the diagnosis target is vibrated. Therefore, the diagnosis device 10 can diagnose the cause of an abnormality that has occurred in the diagnosis target based on the vibration data.
  • the emergency diagnosis unit 120 also diagnoses the cause of the abnormality by analyzing the frequency components of the second state data. Therefore, the abnormality diagnosis unit can accurately diagnose the cause of the abnormality that has occurred in the diagnosis target.
  • the second status data also includes multiple types of data, and the emergency diagnosis unit 120 diagnoses the cause of the abnormality that has occurred in the diagnosis target based on the correlation between the multiple types of data. Therefore, the emergency diagnosis unit 120 can accurately diagnose the cause of the abnormality that has occurred in the diagnosis target.
  • the diagnostic device 10 further includes a history storage unit that records a history of cause information indicating the cause of the abnormality diagnosed by the emergency diagnosis unit 120, and the emergency diagnosis unit 120 diagnoses the cause based on the cause information recorded in the history storage unit. Therefore, the emergency diagnosis unit 120 diagnoses the cause of the abnormality that has occurred in the diagnosis target based on the history of past abnormalities. As a result, the diagnostic device 10 can reduce the processing load related to the diagnosis of the abnormality.
  • the history storage unit is, for example, the second history storage unit 121.
  • the continuous diagnosis unit 113 also includes a first diagnosis unit 113A and a second diagnosis unit 113B, where the first diagnosis unit 113A diagnoses whether or not an abnormality has occurred in the diagnosis target, and the second diagnosis unit 113B diagnoses the type of abnormality that has occurred in the diagnosis target.
  • the emergency diagnosis unit 120 can select second status data to be used in diagnosing the cause of the abnormality according to the type of abnormality diagnosed by the second diagnosis unit 113B.
  • a diagnostic device comprising: a first acquisition unit that acquires first status data indicating a status of an object to be diagnosed; a continuous diagnosis unit that diagnoses an abnormality of the object to be diagnosed based on the first status data acquired by the first acquisition unit; a second acquisition unit that acquires second status data different from the first status data based on a diagnosis result by the continuous diagnosis unit; and an emergency diagnosis unit that diagnoses a cause of the abnormality that has occurred in the object to be diagnosed based on the second status data acquired by the second acquisition unit.
  • Appendix [2] The diagnostic device described in Appendix [1], wherein the continuous diagnosis unit diagnoses an abnormality in the diagnosis target using an anomaly detection model selected from a plurality of anomaly detection models that calculate an abnormality degree, and a difference between the abnormality degree in normal times and the abnormality degree in abnormal times calculated by the anomaly detection model is greater than a difference between the abnormality degree in normal times and the abnormality degree in abnormal times calculated by each of the other anomaly detection models among the plurality of anomaly detection models.
  • Appendix [3] The diagnostic device described in Appendix [2], wherein the anomaly detection model is selected from the plurality of anomaly detection models depending on the components constituting the diagnosis object, the structure of the industrial machine in which the diagnosis object is installed, the setting state of the industrial machine, the operating program for operating the industrial machine, and the environment in which the diagnosis object is installed.
  • Appendix [4] The diagnostic device according to claim 2 or 3, further comprising a reception unit that receives at least one of information specifying a type of the first state data and information specifying a type of the anomaly detection model.
  • Appendix [5] The diagnostic device according to any one of appendices [1] to [4], wherein the first acquisition unit changes a cycle for acquiring the first status data.
  • Appendix [6] The diagnostic device according to any one of appendices [1] to [5], wherein the second state data is vibration data acquired when the diagnosis object is subjected to a frequency sweep operation, or vibration data acquired when the diagnosis object is vibrated.
  • Appendix [7] The diagnostic device according to any one of appendices [1] to [6], wherein the emergency diagnosis unit diagnoses the cause of the abnormality by analyzing a frequency component of the second status data.
  • Appendix [8] The diagnostic device according to any one of appendices [1] to [7], wherein the second status data includes a plurality of types of data, and the emergency diagnosis unit diagnoses the cause of the abnormality that has occurred in the diagnostic object based on a correlation between the plurality of types of data.
  • Appendix [9] The diagnostic device according to any one of appendices [1] to [8], further comprising a history storage unit that records a history of cause information indicating the cause of the abnormality diagnosed by the emergency diagnosis unit, wherein the emergency diagnosis unit diagnoses the cause based on the cause information recorded in the history storage unit.
  • Appendix [10] The diagnostic device according to any of appendices [1] to [9], wherein the continuous diagnostic unit includes a first diagnostic unit and a second diagnostic unit, the first diagnostic unit diagnoses whether or not an abnormality has occurred in the diagnostic object, and the second diagnostic unit diagnoses the type of the abnormality that has occurred in the diagnostic object.
  • Reference Signs List 1 Industrial machine 2 Control device 201 Hardware processor 202 Bus 203 ROM 204 RAM 205 Non-volatile memory 206 First interface 207 Axis control circuit 208 Spindle control circuit 209 PLC 210 I/O unit 211 Second interface 212 Third interface 4 Servo amplifier 5 Servo motor 6 Spindle amplifier 7 Spindle motor 8 Auxiliary equipment 9 Sensor 10 Diagnostic device 101 Hardware processor 102 Bus 103 ROM 104 RAM 105 Non-volatile memory 106 First interface 107 Second interface 111 First acquisition unit 112 First data storage unit 113 Continuous diagnosis unit 113A First diagnosis unit 113B Second diagnosis unit 114 First history storage unit 115 Trigger generation unit 116 Result output unit 117 Reception unit 118 Second acquisition unit 119 Second data storage unit 120 Emergency diagnosis unit 121 Second history storage unit 11 Input/output device

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

診断装置が、診断対象の状態を示す第１の状態データを取得する第１の取得部と、第１の取得部によって取得された第１の状態データに基づいて診断対象の異常を診断する常時診断部と、常時診断部による診断結果に基づいて、第１の状態データとは異なる第２の状態データを取得する第２の取得部と、第２の取得部によって取得された第２の状態データに基づいて、診断対象に発生した異常の原因を診断する非常時診断部と、を備える。

Description

診断装置
　本開示は、異常を診断する診断装置に関する。
　電流、振動などの多くの物理量データを収集して解析することによって、産業機械に発生する異常の予兆を診断する技術が知られている（例えば、特許文献１）。
特開２０２０－１２６９１号公報
　しかし、多くの物理量データを収集して解析すると、データの管理コストが増大する。例えば、多くの物理量データの解析処理の負荷が増大してしまう。また、異常診断の精度に大きく寄与しない多くの物理量データが蓄積されてしまう。一方、収集されるデータ量が少ないと、異常診断が高精度に行われないおそれがある。そのため、異常診断に係るコストを削減でき、かつ、異常診断の信頼性を確保することが可能な診断装置が求められている。
　本開示の診断装置は、診断対象の状態を示す第１の状態データを取得する第１の取得部と、第１の取得部によって取得された第１の状態データに基づいて診断対象の異常を診断する常時診断部と、常時診断部による診断結果に基づいて、第１の状態データとは異なる第２の状態データを取得する第２の取得部と、第２の取得部によって取得された第２の状態データに基づいて、診断対象に発生した異常の原因を診断する非常時診断部と、を備える。
診断装置を含むシステムの一例を示す図である。 産業機械のハードウェア構成の一例を示すブロック図である。 診断装置のハードウェア構成の一例を示すブロック図である。 診断装置の機能の一例を示すブロック図である。 診断結果の一例を示す図である。 トリガ生成部が生成する情報を表示する表示画面の一例である。 受付画面の一例である。 表示装置に表示される診断結果の一例を示す図である。 診断装置が実行する処理の流れの一例を示すフローチャートである。 診断装置の機能の一例を示すブロック図である。 クラスタリングを説明するための図である。 診断結果の一例を示す図である。 トリガ生成部が生成する情報を表示する表示画面の一例である。
　以下、本開示の実施形態に係る診断装置について図面を参照して説明する。なお、以下の説明では、同一または類似の機能を有する構成に同一の符号を付す。そして、それら構成の重複する説明は、省略する場合がある。
　本願でいう「ＸＸに基づく」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づく」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。
〈第１の実施形態〉
　図１は、診断装置を含むシステムの一例を示す図である。このシステムは、例えば、産業機械１と、診断装置１０とを含む。産業機械１は、産業現場で稼働する機械である。産業機械１は、例えば、工作機械、射出成形機、レーザ加工機、３次元プリンタ、および、ロボットである。産業機械１は、制御装置２によって制御される。
　診断装置１０は、産業機械１の異常を診断する装置である。診断装置１０は、制御装置２に有線接続、または無線接続される。診断装置１０は、制御装置２に実装されてもよい。
　図２は、産業機械１のハードウェア構成の一例を示すブロック図である。産業機械１は、制御装置２と、入出力装置３と、サーボアンプ４と、サーボモータ５と、スピンドルアンプ６と、スピンドルモータ７と、補助機器８と、センサ９とを備える。
　制御装置２は、例えば、産業機械１を制御する数値制御装置である。制御装置２は、例えば、ハードウェアプロセッサ２０１と、バス２０２と、ROM（Read Only Memory）２０３と、RAM（Random Access Memory）２０４と、不揮発性メモリ２０５とを備える。
　ハードウェアプロセッサ２０１は、システムプログラムに従って制御装置２全体を制御するプロセッサである。ハードウェアプロセッサ２０１は、バス２０２を介してROM２０３に格納されたシステムプログラムなどを読み出す。ハードウェアプロセッサ２０１は、例えば、CPU（Central Processing Unit）、または電子回路である。
　バス２０２は、制御装置２の各ハードウェアを互いに接続する通信路である。制御装置２の各ハードウェアはバス２０２を介してデータをやり取りする。
　ROM２０３は、システムプログラムなどを記憶する記憶装置である。ROM２０３は、コンピュータ読み取り可能な記憶媒体である。
　RAM２０４は、各種データを一時的に格納する記憶装置である。RAM２０４は、ハードウェアプロセッサ２０１が各種データを処理するための作業領域として機能する。
　不揮発性メモリ２０５は、制御装置２の電源が切られた状態でもデータを保持する記憶装置である。不揮発性メモリ２０５は、例えば、産業機械１の動作プログラムを記憶する。不揮発性メモリ２０５は、コンピュータ読み取り可能な記憶媒体である。不揮発性メモリ２０５は、例えば、バッテリでバックアップされたメモリ、または、SSD（Solid State Drive）で構成される。
　制御装置２は、さらに、第１のインタフェース２０６と、軸制御回路２０７と、スピンドル制御回路２０８と、PLC（Programmable Logic Controller）２０９と、I/Oユニット２１０と、第２のインタフェース２１１と、第３のインタフェース２１２とを備える。
　第１のインタフェース２０６は、バス２０２と入出力装置３とを接続する。第１のインタフェース２０６は、例えば、ハードウェアプロセッサ２０１によって処理された各種データを入出力装置３に送る。
　入出力装置３は、第１のインタフェース２０６を介して各種データを受け、各種データをディスプレイに表示する。また、入出力装置３は、各種データの入力を受けて、各種データを第１のインタフェース２０６を介して、例えば、ハードウェアプロセッサ２０１に送る。
　入出力装置３は、例えば、タッチパネルである。入出力装置３がタッチパネルである場合、入出力装置３は、例えば、静電容量方式のタッチパネルである。タッチパネルは、静電容量方式に限らず、他の方式のタッチパネルであってもよい。入出力装置３は、制御装置２が格納される操作盤（不図示）に設置される。
　軸制御回路２０７は、サーボモータ５を制御するための回路である。軸制御回路２０７は、ハードウェアプロセッサ２０１からの制御指令を受けてサーボモータ５を駆動させるための各種指令をサーボアンプ４に送る。軸制御回路２０７は、例えば、サーボモータ５のトルクを制御するトルクコマンドをサーボアンプ４に送る。
　サーボアンプ４は、軸制御回路２０７からの指令を受けて、サーボモータ５に電流を供給する。
　サーボモータ５は、サーボアンプ４から電流の供給を受けて駆動する。サーボモータ５は、産業機械１の各制御軸に設けられる。産業機械１が５軸を有する工作機械である場合、サーボモータ５は、例えば、Ｘ軸用サーボモータ、Ｙ軸用サーボモータ、Ｚ軸用サーボモータ、Ａ軸用サーボモータ、およびＣ軸用サーボモータを含む。この場合、軸制御回路２０７、およびサーボアンプ４は、各サーボモータ５に対してそれぞれ設けられる。
　サーボモータ５は、例えば、刃物台を駆動させるボールねじに連結される。サーボモータ５が駆動することにより、刃物台などの産業機械１の構造物が所定の制御軸に沿って移動する。
　サーボモータ５は、制御軸の位置、および送り速度を検出するエンコーダ（不図示）を内蔵する。エンコーダによって検出される制御軸の位置、および制御軸の送り速度をそれぞれ示す位置フィードバック情報、および速度フィードバック情報は、軸制御回路２０７にフィードバックされる。これにより、軸制御回路２０７は、各制御軸のフィードバック制御を行う。
　スピンドル制御回路２０８は、スピンドルモータ７を制御するための回路である。スピンドル制御回路２０８は、ハードウェアプロセッサ２０１からの制御指令を受けてスピンドルモータ７を駆動させるための指令をスピンドルアンプ６に送る。スピンドル制御回路２０８は、例えば、スピンドルモータ７の回転速度を制御するスピンドル速度コマンドをスピンドルアンプ６に送る。
　スピンドルアンプ６は、スピンドル制御回路２０８からの指令を受けて、スピンドルモータ７に電流を供給する。
　スピンドルモータ７は、スピンドルアンプ６から電流の供給を受けて駆動する。スピンドルモータ７は、主軸に連結され、主軸を回転させる。
　PLC２０９は、ラダープログラムを実行して補助機器８を制御する装置である。PLC２０９は、I/Oユニット２１０を介して補助機器８に対して指令を送る。
　I/Oユニット２１０は、PLC２０９と補助機器８とを接続するインタフェースである。I/Oユニット２１０は、PLC２０９から受けた指令を補助機器８に送る。
　補助機器８は、産業機械１に設置され、産業機械１において補助的な動作を行う機器である。補助機器８は、I/Oユニット２１０から受けた指令に基づいて動作する。補助機器８は、産業機械１の周辺に設置される機器であってもよい。補助機器８は、例えば、工具交換装置、切削液噴射装置、または開閉ドア駆動装置である。
　第２のインタフェース２１１は、バス２０２とセンサ９とを接続する。第２のインタフェース２１１は、例えば、センサ９によって取得された情報を、バス２０２を介してハードウェアプロセッサ２０１に送る。
　センサ９は、産業機械１の各部に設置され各種物理量を検出する。センサ９は、例えば、温度センサ、加速度センサ、電流計、液量計である。
　第３のインタフェース２１２は、バス２０２と診断装置１０とを接続する。第３のインタフェース２１２は、例えば、ハードウェアプロセッサ２０１によって処理された情報を、バス２０２を介して診断装置１０に送る。
　図３は、診断装置１０のハードウェア構成の一例を示すブロック図である。診断装置１０は、例えば、ハードウェアプロセッサ１０１と、バス１０２と、ROM１０３と、RAM１０４と、不揮発性メモリ１０５と、第１のインタフェース１０６と、第２のインタフェース１０７とを備える。
　ハードウェアプロセッサ１０１は、システムプログラムに従って診断装置１０全体を制御するプロセッサである。ハードウェアプロセッサ１０１は、バス１０２を介してROM１０３に格納されたシステムプログラムなどを読み出す。ハードウェアプロセッサ１０１は、例えば、CPU、または電子回路である。
　バス１０２は、診断装置１０の各ハードウェアを互いに接続する通信路である。診断装置１０の各ハードウェアはバス１０２を介してデータをやり取りする。
　ROM１０３は、システムプログラムなどを記憶する記憶装置である。ROM１０３は、コンピュータ読み取り可能な記憶媒体である。
　RAM１０４は、各種データを一時的に格納する記憶装置である。RAM１０４は、ハードウェアプロセッサ１０１が各種データを処理するための作業領域として機能する。
　不揮発性メモリ１０５は、診断装置１０の電源が切られた状態でもデータを保持する記憶装置である。不揮発性メモリ１０５は、コンピュータ読み取り可能な記憶媒体である。不揮発性メモリ１０５は、例えば、バッテリでバックアップされたメモリ、または、SSDで構成される。
　第１のインタフェース１０６は、バス１０２と入出力装置１１とを接続する。第１のインタフェース１０６は、例えば、ハードウェアプロセッサ１０１によって処理された各種データを入出力装置１１に送る。
　入出力装置１１は、第１のインタフェース１０６を介して各種データを受け、各種データをディスプレイに表示する。また、入出力装置１１は、各種データの入力を受けて、各種データを第１のインタフェース１０６を介して、例えば、ハードウェアプロセッサ１０１に送る。入出力装置１１は、例えば、タッチパネルである。
　第２のインタフェース１０７は、バス１０２と制御装置２とを接続する。第２のインタフェース１０７は、例えば、制御装置２から各種データを受けてハードウェアプロセッサ１０１に送る。
　図４は、診断装置１０の機能の一例を示すブロック図である。診断装置１０は、例えば、第１の取得部１１１と、第１のデータ記憶部１１２と、常時診断部１１３と、第１の履歴記憶部１１４と、トリガ生成部１１５と、結果出力部１１６と、受付部１１７と、第２の取得部１１８と、第２のデータ記憶部１１９と、非常時診断部１２０と、第２の履歴記憶部１２１とを備える。
　第１の取得部１１１、常時診断部１１３、トリガ生成部１１５、結果出力部１１６、受付部１１７、第２の取得部１１８、および非常時診断部１２０は、例えば、ハードウェアプロセッサ１０１が、ROM１０３に記憶されたシステムプログラム、および不揮発性メモリ１０５に記憶された各種データを用いて演算処理をすることにより実現される。
　第１のデータ記憶部１１２、第１の履歴記憶部１１４、第２のデータ記憶部１１９、および第２の履歴記憶部１２１は、例えば、各種情報がRAM１０４または不揮発性メモリ１０５に記憶されることにより実現される。
　第１の取得部１１１は、診断対象の状態を示す第１の状態データを取得する。診断対象は、例えば、産業機械１を構成する装置、および部品である。産業機械１を構成する装置、および部品は、例えば、ベアリング、サーボモータ５、スピンドルモータ７、リニアガイド、工具、主軸である。診断対象は、工場内に設置される設備のコンプレッサ、モータなどであってもよい。
　第１の取得部１１１は、診断対象の稼働中に所定の周期で第１の状態データを取得する。診断対象の稼働中とは、例えば、産業機械１が動作プログラムに基づいて動作している期間である。
　所定の周期は、例えば、診断装置１０の制御周期である。第１の取得部１１１は、第１の状態データを取得する周期を変更してもよい。例えば、第１の取得部１１１は、後で説明する受付部１１７が受け付けた周期を指定する情報に基づいて、第１の状態データを取得してもよい。すなわち、第１の取得部１１１は、オペレータによって指定された周期で第１の状態データを取得してもよい。
　第１の状態データは、例えば、トルクコマンド、ならびに、電流値、振動、温度、音、弾性波、速度、および回転速度をそれぞれ示すデータである。データは、信号を含む。第１の取得部１１１は、例えば、スピンドルモータ７のトルクを指定するトルクコマンドを取得する。
　第１の取得部１１１は、診断対象に設置されたセンサ９から、または、制御装置２から第１の状態データを取得する。
　第１のデータ記憶部１１２は、第１の取得部１１１によって取得された第１の状態データを記憶する。第１のデータ記憶部１１２は、第１の状態データと、第１の状態データが取得された時刻を示す時刻情報とを関連付けて記憶する。すなわち、第１のデータ記憶部１１２が記憶する第１の状態データは、時系列データである。第１の取得部１１１がスピンドルモータ７のトルクを指定するトルクコマンドを取得する場合、第１のデータ記憶部１１２に記憶されるデータは、スピンドルモータ７のトルクを指定する値の時系列データである。
　常時診断部１１３は、第１のデータ記憶部１１２に記憶された第１の状態データに基づいて診断対象の異常を診断する。すなわち、常時診断部１１３は、第１の取得部１１１によって取得された第１の状態データに基づいて診断対象の異常を診断する。
　常時診断部１１３は、例えば、診断対象に異常が発生したか否かを診断する。常時診断部１１３は、あらかじめ定められた異常検出モデルを用いて、診断対象の異常を診断する。
　異常検出モデルは、例えば、第１の状態データの値があらかじめ設定されたしきい値を超えた場合に、診断対象に異常が発生したと診断するモデルである。異常検出モデルに設定されるしきい値は、複数であってもよい。
　例えば、異常検出モデルには、第１のしきい値と、第１のしきい値よりも大きい第２のしきい値と、第２のしきい値よりも大きい第３のしきい値が設定されていてもよい。この場合、異常検出モデルは異常度を算出する。
　例えば、第１の状態データの値が第１のしきい値以下である場合、異常度は「０」である。この場合、診断対象に異常は発生していない。第１の状態データの値が第１のしきい値を超え、第２のしきい値以下である場合、異常度は「１」である。この場合、診断対象には、重要度の低い異常が発生している。
　第１の状態データの値が第２のしきい値を超え、第３のしきい値以下である場合、異常度は「２」である。この場合、診断対象には、重要度が中程度の異常が発生している。第１の状態データの値が第３のしきい値を超える場合、異常度は「３」である。この場合、診断対象には、重要度の高い異常が発生している。
　図５は、常時診断部１１３による診断結果の一例を示す図である。期間Ｔ１およびＴ３では、第１の状態データの値が第１のしきい値以下である。そのため、常時診断部１１３は、診断対象は正常に動作していると判断する。
　また、期間Ｔ２では、第１の状態データの値は、第１のしきい値を超え、第２のしきい値以下である。この場合、常時診断部１１３は、診断対象に異常度が「１」の異常が発生したと判断する。また、期間Ｔ４では、第１の状態データの値は、第２のしきい値を超える。この場合、常時診断部１１３は、診断対象に異常度が「２」の異常が発生したと判断する。
　常時診断部１１３は、異常度を算出する複数の異常検出モデルから選択された異常検出モデルを用いて、診断対象の異常を診断してもよい。すなわち、異常検出モデルは、複数の異常検出モデルのうち、診断対象に発生する異常度を最も適切に算出する異常検出モデルである。
　例えば、常時診断部１１３が用いる異常検出モデルによって算出される正常時の異常度と異常時の異常度と差は、複数の異常検出モデルのうちの他の異常検出モデルによってそれぞれ算出される正常時の異常度と異常時の異常度との差よりも大きい。
　また、異常検出モデルは、診断対象を構成する部材、診断対象が設置される産業機械１の構造、産業機械１の設定状態、産業機械１を動作させる動作プログラム、および診断対象が設置される環境に応じて、複数の異常検出モデルから選択される。
　産業機械１の設定状態は、例えば、ベアリングの予圧である。また、産業機械１の設定状態は、制御装置２に設定されるパラメータの設定状態を含む。診断対象が設置される環境は、例えば、産業機械１が設置される工場内の温度である。ここで、図４の説明に戻る。
　第１の履歴記憶部１１４は、常時診断部１１３による診断結果を記憶する。診断結果とは、例えば、診断対象に異常が発生したか否かを示す情報である。診断結果は、異常度を示す情報を含んでいてもよい。診断結果は、異常が発生した時刻を示す情報を含んでいてもよい。
　トリガ生成部１１５は、第１の履歴記憶部１１４に記憶された診断結果に基づいて、トリガを生成する。トリガ生成部１１５は、第１の履歴記憶部１１４に、診断対象に異常が発生したことを示す診断結果が記憶されることに応じてトリガを生成する。
　トリガとは、第２の取得部１１８が第１の状態データとは異なる第２の状態データを取得する契機となる情報、または信号である。また、トリガ生成部１１５が生成する情報は、例えば、オペレータに診断動作の実行を促すための情報である。診断動作の実行を促す情報は、例えば、表示装置に表示される。
　図６は、トリガ生成部１１５が生成する情報を表示する表示画面の一例である。表示画面には、例えば、「異常が発生しています。診断動作を実行してください。」との文字列が表示される。また、この文字列の下には、「OK」ボタンが表示される。
　表示画面にトリガ生成部１１５によって生成された情報が表示されると、オペレータは、診断動作を実行する。例えば、第１の状態データがスピンドルモータ７に対するトルクコマンドであり、常時診断部１１３によって診断対象に異常が発生したと診断された場合、オペレータは、主軸の診断動作を実行する。
　診断動作は、例えば、主軸の振れの計測である。主軸の振れは、例えば、主軸に取り付けられた工具ホルダと渦電流式変位センサとの間の距離を、主軸を回転させながら測ることにより測定される。主軸の振れは、主軸に取り付けられた工具ホルダにダイヤルゲージを当てて計測されてもよい。
　診断動作は、診断対象の振動の計測であってもよい。診断対象の振動は、例えば、診断対象を周波数スイープ動作させたときに生じる振動、および、診断対象が加振されるときに生じる振動である。すなわち、第２の状態データは、診断対象を周波数スイープ動作させたときに取得される振動データ、または診断対象が加振されるときに取得される振動データであってもよい。
　周波数スイープ動作とは、サーボモータ５、スピンドルモータ７などのモータに入力される入力信号によってモータを振動させることである。周波数スイープ動作は、例えば、モータの入力信号の周波数を徐々に上げていくことである。診断対象が加振されるとは、例えば、インパルスハンマなどによって診断対象に衝撃が与えられることである。
　結果出力部１１６は、常時診断部１１３による診断結果を出力する。第１の履歴記憶部１１４に診断対象が正常に動作していることを示す診断結果が記憶されることに応じて、結果出力部１１６は、診断対象が正常に動作していることを示す診断結果を、例えば、表示装置に表示させる。
　一方、第１の履歴記憶部１１４に診断対象に異常が発生したことを示す診断結果が記憶されることに応じて、結果出力部１１６は、診断対象に異常が発生したことを示す診断結果を、例えば、表示装置に表示させる。表示装置は、例えば、入出力装置１１である。結果出力部１１６は、診断結果が記録された電子ファイルを、例えば、外部のサーバ（不図示）などに出力してもよい。ここで、図４の説明に戻る。
　受付部１１７は、オペレータによる診断動作の結果の入力を受け付ける。受付部１１７は、例えば、表示装置に受付画面を表示させ、受付画面から診断動作の結果の入力を受け付ける。
　図７は、受付画面の一例である。受付画面には、例えば、主軸の振れの計測値の入力を受け付ける領域、および主軸の振動の計測値の入力を受け付ける領域が含まれる。オペレータによってこれらの領域に計測値が入力されることにより、受付部１１７は、診断動作の結果の入力を受け付ける。ここで、図４の説明に戻る。
　第２の取得部１１８は、常時診断部１１３による診断結果に基づいて、第１の状態データとは異なる第２の状態データを取得する。第２の状態データは、例えば、受付部１１７が受け付けたオペレータによる診断動作の結果を示す情報である。すなわち、常時診断部１１３による診断結果に基づくトリガが生成された場合、第２の取得部１１８は、トリガに基づいて行われた診断動作の結果を示す情報を取得する。
　第２の取得部１１８は、例えば、主軸の振れを示す情報、および主軸の振動を示す情報を取得する。第２の状態データは、受付部１１７が受け付けた情報に限らない。第２の状態データは、センサ９によって検出されるデータでもよい。この場合、第２の取得部１１８は、トリガ生成部１１５によってトリガが生成されたことに応じて、所定の周期で第２の状態データを取得することを開始する。
　センサ９によって検出されるデータは、例えば、トルクコマンド、ならびに、電流値、振動、温度、音、弾性波、速度、および回転速度をそれぞれ示すデータである。データは、信号を含む。第２の状態データは、制御装置２から取得されるデータであってもよい。
　第２の取得部１１８は、例えば、切削加工時のワークと工具との間の電気抵抗を示す情報をセンサ９から取得してもよい。工具の摩耗の進行に伴って工具とワークとの間の電気抵抗が低下することが知られている。そのため、第２の取得部１１８が工具とワークとの間の電気抵抗を示す情報を取得することにより、後述する非常時診断部１２０は、この電気抵抗を示す情報に基づいて工具の摩耗を診断することができる。
　また、第２の取得部１１８は、例えば、ベアリングの温度をセンサ９から取得してもよい。ベアリングが損傷するとベアリングの温度が上昇することが知られている。そのため、第２の取得部１１８がベアリングの温度を取得することにより、後述する非常時診断部１２０は、この温度に基づいてベアリングの損傷を診断することができる。
　第２のデータ記憶部１１９は、第２の取得部１１８によって取得された第２の状態データを記憶する。すなわち、第２のデータ記憶部１１９は、受付部１１７が受け付けた情報を記憶する。
　また、第２のデータ記憶部１１９は、センサ９によって検出されるデータを記憶する。第２の状態データがセンサ９によって検出されるデータである場合、第２のデータ記憶部１１９は、第２の状態データと、第２の状態データが取得された時刻を示す時刻情報とを関連付けて記憶する。すなわち、第２のデータ記憶部１１９が記憶する第２の状態データは、時系列データであってもよい。
　非常時診断部１２０は、第２の取得部１１８によって取得された第２の状態データに基づいて、診断対象に発生した異常の原因を診断する。すなわち、非常時診断部１２０は、第２のデータ記憶部１１９に記憶された第２の状態データに基づいて、診断対象に発生した異常の原因を診断する。
　非常時診断部１２０は、あらかじめ定められた診断モデルを用いて、診断対象に発生した異常の原因を診断する。異常の原因とは、例えば、異常が発生した箇所、および、異常の状態である。
　非常時診断部１２０は、例えば、異常の原因として、ベアリング、モータ、または工具に異常が発生したと診断する。また、非常時診断部１２０は、例えば、摩耗、欠損、折損が生じたと診断する。また、非常時診断部１２０は、部品が寿命に到達したと診断する。
　診断モデルは、例えば、第２の状態データと診断対象に発生した異常の原因との相関を示すモデルである。診断モデルは、第２の状態データと異常の原因を示す情報とを教師データとして機械学習が行われることより生成される。
　診断モデルは、例えば、主軸の振れの計測値がα１［ｍｍ］以上、α２［ｍｍ］未満であり、かつ、主軸の回転に伴って特定の周波数帯の振動が現れた場合、主軸のベアリングに損傷が発生したことを示す情報を出力する。すなわち、非常時診断部１２０は、主軸のベアリングに損傷が発生したと診断する。ここで、特定の周波数帯の振動は、例えば、主軸の回転周波数を示す波の側帯波を含む振動である。
　診断モデルは、例えば、主軸の振れの計測値がα２［ｍｍ］以上であり、主軸の回転に伴って特定の周波数帯の振動が現れた場合、主軸と工具ホルダとの間に異物の噛み込みが発生したことを示す情報を出力する。すなわち、非常時診断部１２０は、主軸と工具ホルダとの間に異物の噛み込みが発生したと診断する。ここで、特定の周波数帯の振動は、例えば、主軸の回転周波数を示す振動である。
　第２の状態データが、複数種類のデータを含んでいる場合、非常時診断部１２０は、複数種類のデータ間の相関に基づいて、診断対象に発生した異常の原因を診断してもよい。例えば、正常時のサーボモータ５の回転速度と、正常時のサーボモータ５の振動の周波数成分とに相関がある場合、異常時におけるサーボモータ５の回転速度と振動の周波数成分との相関は、正常時の相関とは異なる。したがって、非常時診断部１２０は、サーボモータ５の回転速度と振動の周波数成分の相関が、正常時のサーボモータ５の回転速度と振動の周波数成分の相関とは異なることに基づいて、診断対象の異常の原因を診断する。
　第２の履歴記憶部１２１は、非常時診断部１２０によって診断された診断対象の異常の原因を示す原因情報の履歴を記憶する。原因情報は、第２の状態データ、および第２の状態データの取得時刻と互いに関連付けて記憶される。
　非常時診断部１２０は、第２の履歴記憶部１２１に記録された原因情報に基づいて診断対象に発生した異常の原因を診断してもよい。すなわち、非常時診断部１２０は、第２の履歴記憶部１２１に記憶された過去の第２の状態データと第２のデータ記憶部１１９に記憶された第２の状態データとが一致するか否かを判定する。これらが互いに一致する場合、非常時診断部１２０は、第２の履歴記憶部１２１において第２の状態データに関連付けて記憶された原因情報が示す異常が診断対象に生じていると診断する。
　なお、第２の履歴記憶部１２１に記憶された過去の第２の状態データと第２のデータ記憶部１１９に記憶された第２の状態データとは、必ずしも厳密に一致する必要はない。つまり、過去の第２の状態データと、新たに取得された第２の状態データとは、あらかじめ定められた程度に類似している場合に、非常時診断部１２０は、第２の状態データに関連付けて記憶された原因情報が示す異常が診断対象に生じていると診断すればよい。
　結果出力部１１６は、非常時診断部１２０による診断結果を出力する。結果出力部１１６は、異常の原因を示す診断結果が第２の履歴記憶部１２１に記憶されることに応じて、診断結果を、例えば、表示装置に表示させる。
　図８は、表示装置に表示される診断結果の一例を示す図である。例えば、主軸のベアリングに異常が生じたことを示す診断結果が第２の履歴記憶部１２１に記憶されたことに応じて、結果出力部１１６は、表示画面に診断結果を示す「主軸ベアリング異常の可能性大」との文字列を表示させる。結果出力部１１６は、常時診断部１１３の診断結果とともに非常時診断部１２０による診断結果を表示装置に表示させてよい。結果出力部１１６は、診断結果が記録された電子ファイルを、例えば、外部のサーバ（不図示）などに出力してもよい。
　図９は、診断装置１０で実行される処理の流れの一例を示すフローチャートである。診断装置１０では、まず、第１の取得部１１１が第１の状態データを取得する（ステップSA1）。
　次に、第１のデータ記憶部１１２が、第１の取得部１１１によって取得された第１の状態データを記憶する（ステップSA2）。
　次に、常時診断部１１３が、第１のデータ記憶部１１２に記憶された第１の状態データに基づいて、診断対象の異常を診断する（ステップSA3）。
　診断対象に異常が発生していない場合（ステップSA4においてNoの場合）、第１の取得部１１１は、第１の状態データの取得を継続する（ステップSA1）。
　診断対象に異常が発生している場合（ステップSA4においてYesの場合）、第１の履歴記憶部１１４は、常時診断部１１３による診断結果を記憶する（ステップSA5）。
　第１の履歴記憶部１１４に診断結果が記憶されると、トリガ生成部１１５がトリガを生成するとともに、結果出力部１１６が診断結果を出力する（ステップSA6）。
　トリガ生成部１１５がトリガを生成すると、オペレータによって診断動作が実行され、受付部１１７が診断動作の結果の入力を受け付ける（ステップSA7）。
　次に、第２の取得部１１８は、第２の状態データを取得する（ステップSA8）。ここで、第２の状態データは、受付部１１７が受け付けた診断動作の結果を示す情報である。
　次に、第２のデータ記憶部１１９は、第２の取得部１１８によって取得された第２の状態データを記憶する（ステップSA9）。
　次に、非常時診断部１２０は、第２のデータ記憶部１１９に記憶された第２の状態データに基づいて、診断対象に発生した異常の原因を診断する（ステップSA10）。
　次に、第２の履歴記憶部１２１は、非常時診断部１２０によって診断された異常の原因を示す情報を記憶する（ステップSA11）。
　最後に、結果出力部１１６が第２の履歴記憶部１２１に記憶された異常の原因を示す情報を出力し（ステップSA12）、当該処理が終了する。
〈第２の実施形態〉
　図１０は、第２の実施形態の診断装置１０の機能の一例を示すブロック図である。以下では、主に第１の実施形態とは異なる機能について説明し、第１の実施形態と同じ機能の説明は省略する場合がある。
　本実施形態の診断装置１０は、主に、常時診断部１１３が、第１の診断部１１３Ａと、第２の診断部１１３Ｂとを含む点で、第１の実施形態の診断装置１０とは異なる。
　常時診断部１１３は、第１の診断部１１３Ａと、第２の診断部１１３Ｂとを含む。第１の診断部１１３Ａは、第１の状態データに基づいて、診断対象に異常が発生したか否かを診断する。第１の診断部１１３Ａは、あらかじめ定められた異常検出モデルを用いて、診断対象に異常が発生したか否かを診断する。
　異常検出モデルは、例えば、第１の状態データの値があらかじめ設定されたしきい値を超えた場合に異常が発生したと診断するモデルである。
　第２の診断部１１３Ｂは、第１の状態データに基づいて診断対象に発生した異常の種類を診断する。第２の診断部１１３Ｂは、第１の状態データをクラスタリングすることにより、異常の種類を診断する。
　図１１は、クラスタリングを説明するための図である。図１１に図示されている各黒丸は、第１の状態データを分析して得られた分析データである。分析データは、例えば、第１の状態データを周波数分析することにより得られる多次元データである。
　第２の診断部１１３Ｂは、例えば、k-means法などのクラスタリング手法を用いて分析データをグルーピングする。第２の診断部１１３Ｂは、例えば、分析データを、第１のグループＧ１、第２のグループＧ２、および第３のグループＧ３にグループ分けする。
　各グループには、異常を示す情報がラベリングされる。例えば、既知の異常が発生したときに取得された第１の状態データの分析データが、あるグループに含まれる場合、当該グループは、当該既知の異常が発生したときに取得された第１の状態データの分析データの集まりであると推定される。すなわち、当該グループには、当該既知の異常を示す情報がラベリングされる。
　分析データＤ１は、診断対象が正常に動作しているときに取得された第１の状態データを分析することによって得られたデータであると仮定する。この場合、第１のグループに含まれる他の分析データは、診断対象が正常に動作しているときに取得された第１の状態データを分析することによって得られたデータであると推定される。したがって、第１のグループには、診断対象が正常であることを示す情報がラベリングされる。
　また、分析データＤ２は、診断対象が摩耗した状態で動作しているときに取得された第１の状態データを分析することによって得られたデータであると仮定する。この場合、第２のグループに含まれる他の分析データは、診断対象が摩耗した状態で動作しているときに取得された第１の状態データを分析することによって得られたデータであると推定される。したがって、第２のグループには、診断対象が摩耗していることを示す情報がラベリングされる。
　また、分析データＤ３は、診断対象が損傷した状態で動作しているときに取得された第１の状態データを分析することによって得られたデータであると仮定する。この場合、第３のグループに含まれる他の分析データは、診断対象が損傷した状態で動作しているときに取得された第１の状態データを分析することによって得られたデータであると推定される。したがって、第３のグループには、診断対象が損傷していることを示す情報がラベリングされる。
　第２の診断部１１３Ｂは、第１の状態データを分析して得られた分析データが、どのグループに属するかを判断する。例えば、分析データが第１のグループＧ１に属する場合、第２の診断部１１３Ｂは、診断対象が正常に動作していると診断する。
　分析データが第２のグループＧ２に属する場合、第２の診断部１１３Ｂは、診断対象が摩耗した状態で動作していると診断する。つまり、第２の診断部１１３Ｂは、診断対象に発生した異常の種類が摩耗であると診断する。
　分析データが第３のグループＧ３に属する場合、第２の診断部１１３Ｂは、診断対象が損傷した状態で動作していると診断する。つまり、第２の診断部１１３Ｂは、診断対象に発生した異常の種類が損傷であると診断する。
　分析データがいずれのグループにも属しない場合、第２の診断部１１３Ｂは、診断対象に未知の異常が発生したと診断する。
　図１２は、常時診断部１１３による診断結果の一例を示す図である。第１の診断部１１３Ａは、第１の状態データの値があらかじめ定められたしきい値以下の場合、診断対象は正常に動作していると判断する。また、第１の診断部１１３Ａは、第１の状態データの値があらかじめ定められたしきい値を超える場合、診断対象に異常が発生していると診断する。すなわち、第１の診断部１１３Ａは、期間Ｔ２および期間Ｔ４において、診断対象に異常が発生していると診断する。
　第２の診断部１１３Ｂは、第１の状態データを分析して得られた分析データに基づいて、診断対象に発生した異常の種類を診断する。第２の診断部１１３Ｂは、例えば、期間Ｔ２において、診断対象が摩耗していると診断する。また、第２の診断部１１３Ｂは、期間Ｔ４において、診断対象が損傷していると診断する。
　第１の履歴記憶部１１４は、常時診断部１１３による診断結果を記憶する。トリガ生成部１１５は、第１の履歴記憶部１１４に記憶された診断結果に基づいて、トリガを生成する。トリガ生成部１１５は、第１の履歴記憶部１１４に、診断対象に異常が発生したことを示す診断結果が記憶されることに応じてトリガを生成する。
　図１３は、トリガ生成部１１５が生成する情報を表示する表示画面の一例である。表示画面には、例えば、「未知の異常が発生しています。診断動作を実行してください。」との文字列が表示される。また、この文字列の下には、「OK」ボタンが表示される。
　表示画面にトリガ生成部１１５によって生成された情報が表示されると、オペレータは、診断動作を実行する。
　結果出力部１１６は、常時診断部１１３による診断結果を出力する。なお、受付部１１７、第２の取得部１１８、第２のデータ記憶部１１９、非常時診断部１２０、および第２の履歴記憶部１２１の各機能は、第１の実施形態における各機能と同じである。
　受付部１１７は、第１の状態データの種類を指定する情報を受け付けてもよい。この場合、オペレータは、常時診断部１１３において診断に用いられる第１の状態データの種類を指定することができる。また、受付部１１７は、異常検出モデルを指定する情報を受け付けてもよい。この場合、複数の異常検出モデルを、あらかじめ記憶部（不図示）に記憶させておけばよい。第１の診断部１１３Ａは、指定された異常検出モデルを用いて診断対象の異常を診断すればよい。
　第２の取得部１１８は、常時診断部１１３による診断結果を取得してもよい。すなわち、第２の取得部１１８は、第１の履歴記憶部１１４に記憶された診断結果を取得してもよい。この場合、非常時診断部１２０は、常時診断部１１３による診断結果と、第２の状態データとに基づいて、診断対象に発生した異常の原因を診断する。
　第２の取得部１１８は、常時診断部１１３による診断結果に応じて、取得する第２の状態データの種類を決定してもよい。例えば、第２の取得部１１８は、診断結果が摩耗か、損傷かに応じて、主軸の振れを示す情報、および主軸の振動を示す情報のいずれかを取得してもよい。
　以上説明したように、診断装置１０は、診断対象の状態を示す第１の状態データを取得する第１の取得部１１１と、第１の取得部１１１によって取得された第１の状態データに基づいて診断対象の異常を診断する常時診断部１１３と、常時診断部１１３による診断結果に基づいて、第１の状態データとは異なる第２の状態データを取得する第２の取得部１１８と、第２の取得部１１８によって取得された第２の状態データに基づいて、診断対象に発生した異常の原因を診断する非常時診断部１２０と、を備える。
　そのため、診断装置１０は、診断対象の稼働時に常時取得が可能な第１の状態データに基づいて、診断対象を診断することができる。つまり、診断対象を診断する際に、診断装置１０は診断対象の稼働に影響を与えることがない。
　また、常時診断部１１３が必要であると判断したときにのみ第２の取得部１１８が、第２の状態データを取得する。言い換えれば、第２の取得部１１８は、適切なタイミングで第２の状態データを取得する。したがって、診断装置１０は、異常診断に係るコストを削減できる。
　また、診断装置１０は、第１の状態データだけではなく、第２の状態データに基づいて診断対象の診断を行う。そのため、診断装置１０は、診断結果の信頼性を確保することができる。
　また、常時診断部１１３は、異常度を算出する複数の異常検出モデルから選択された異常検出モデルを用いて、診断対象の異常を診断し、異常検出モデルが算出する正常時の異常度と異常時の異常度との差は、複数の異常検出モデルのうちの他の異常検出モデルがそれぞれ算出する正常時の異常度と異常時の異常度との差よりも大きい。したがって、常時診断部１１３は、診断対象の異常を適切に診断することができる。
　また、異常検出モデルは、診断対象を構成する部材、診断対象が設置される産業機械１の構造、産業機械１の設定状態、産業機械１を動作させる動作プログラム、および診断対象が設置される環境に応じて、複数の異常検出モデルから選択される。つまり、異常検出モデルは、異常を検出するための最適なモデルとなる。これにより、常時診断部１１３は、診断対象の異常を適切に診断することができる。
　また、診断装置１０は、第１の状態データの種類を指定する情報および異常検出モデルの種類を指定する情報の少なくともいずれかを受け付ける受付部１１７をさらに備える。したがって、診断装置１０は、診断対象に適した第１の状態データおよび異常検出モデルに基づいて、診断対象に発生した異常の原因を適切に診断することができる。
　また、第１の取得部１１１は、第１の状態データを取得する周期を変更する。したがって、オペレータは、診断装置１０の処理能力に合わせて周期を設定することができる。
　また、第２の状態データは、診断対象を周波数スイープ動作させたときに取得される振動データ、または診断対象が加振されるときに取得される振動データである。したがって、診断装置１０は、振動データに基づいて、診断対象に発生した異常の原因を診断することができる。
　また、非常時診断部１２０は、第２の状態データの周波数成分を分析することにより、異常の原因を診断する。そのため、異常診断部は、診断対象に発生した異常の原因を精度よく診断することができる
　また、第２の状態データは、複数種類のデータを含み、非常時診断部１２０は、複数種類のデータ間の相関に基づいて、診断対象に発生した異常の原因を診断する。したがって、非常時診断部１２０は、診断対象に発生した異常の原因を精度よく診断することができる。
　また、診断装置１０は、非常時診断部１２０によって診断された異常の原因を示す原因情報の履歴を記録する履歴記憶部をさらに備え、非常時診断部１２０は、履歴記憶部に記録された原因情報に基づいて原因を診断する。したがって、非常時診断部１２０は、過去の異常の履歴に基づいて診断対象に発生した異常の原因を診断する。その結果、診断装置１０は、異常の診断に係る処理の負荷を低減することができる。なお、履歴記憶部は、例えば、第２の履歴記憶部１２１である。
　また、常時診断部１１３は、第１の診断部１１３Ａ、および第２の診断部１１３Ｂを含み、第１の診断部１１３Ａは、診断対象に異常が発生したか否かを診断し、第２の診断部１１３Ｂは、診断対象に発生した異常の種類を診断する。この場合、非常時診断部１２０は、第２の診断部１１３Ｂによって診断された異常の種類に応じて、異常の原因の診断に用いられる第２の状態データを選択することができる。
　本開示について詳述したが、本開示は上述した個々の実施形態に限定されるものではない。これらの実施形態は、本開示の要旨を逸脱しない範囲で、または、請求の範囲に記載された内容とその均等物から導き出される本開示の要旨を逸脱しない範囲で、種々の追加、置き換え、変更、部分的削除等が可能である。また、これらの実施形態は、組み合わせて実施することもできる。
　以下に、本開示の実施形態に係る付記を示す。
付記［１］
　診断対象の状態を示す第１の状態データを取得する第１の取得部と、前記第１の取得部によって取得された前記第１の状態データに基づいて前記診断対象の異常を診断する常時診断部と、前記常時診断部による診断結果に基づいて、前記第１の状態データとは異なる第２の状態データを取得する第２の取得部と、前記第２の取得部によって取得された前記第２の状態データに基づいて、前記診断対象に発生した前記異常の原因を診断する非常時診断部と、を備える診断装置。
付記［２］
　前記常時診断部は、異常度を算出する複数の異常検出モデルから選択された異常検出モデルを用いて、前記診断対象の異常を診断し、前記異常検出モデルが算出する正常時の異常度と異常時の異常度との差は、前記複数の異常検出モデルのうちの他の異常検出モデルがそれぞれ算出する正常時の異常度と異常時の異常度との差よりも大きい付記［１］に記載の診断装置。
付記［３］
　前記異常検出モデルは、前記診断対象を構成する部材、前記診断対象が設置される産業機械の構造、前記産業機械の設定状態、前記産業機械を動作させる動作プログラム、および前記診断対象が設置される環境に応じて、前記複数の異常検出モデルから選択される付記［２］に記載の診断装置。
付記［４］
　前記第１の状態データの種類を指定する情報および前記異常検出モデルの種類を指定する情報の少なくともいずれかを受け付ける受付部をさらに備える付記［２］または［３］に記載の診断装置。
付記［５］
　前記第１の取得部は、前記第１の状態データを取得する周期を変更する付記［１］～［４］のいずれかに記載の診断装置。
付記［６］
　前記第２の状態データは、前記診断対象を周波数スイープ動作させたときに取得される振動データ、または前記診断対象が加振されるときに取得される振動データである付記［１］～［５］のいずれかに記載の診断装置。
付記［７］
　前記非常時診断部は、前記第２の状態データの周波数成分を分析することにより、前記異常の前記原因を診断する付記［１］～［６］のいずれかに記載の診断装置。
付記［８］
　前記第２の状態データは、複数種類のデータを含み、前記非常時診断部は、前記複数種類のデータ間の相関に基づいて、前記診断対象に発生した前記異常の前記原因を診断する付記［１］～［７］のいずれかに記載の診断装置。
付記［９］
　前記非常時診断部によって診断された前記異常の前記原因を示す原因情報の履歴を記録する履歴記憶部をさらに備え、前記非常時診断部は、前記履歴記憶部に記録された前記原因情報に基づいて前記原因を診断する付記［１］～［８］のいずれかに記載の診断装置。
付記［１０］
　前記常時診断部は、第１の診断部、および第２の診断部を含み、前記第１の診断部は、前記診断対象に異常が発生したか否かを診断し、前記第２の診断部は、前記診断対象に発生した前記異常の種類を診断する付記［１］～［９］のいずれかに記載の診断装置。
　　１　　　　　　　産業機械
　　２　　　　　　　制御装置
　　２０１　　　　　ハードウェアプロセッサ
　　２０２　　　　　バス
　　２０３　　　　　ROM
　　２０４　　　　　RAM
　　２０５　　　　　不揮発性メモリ
　　２０６　　　　　第１のインタフェース
　　２０７　　　　　軸制御回路
　　２０８　　　　　スピンドル制御回路
　　２０９　　　　　PLC
　　２１０　　　　　I/Oユニット
　　２１１　　　　　第２のインタフェース
　　２１２　　　　　第３のインタフェース
　　４　　　　　　　サーボアンプ
　　５　　　　　　　サーボモータ
　　６　　　　　　　スピンドルアンプ
　　７　　　　　　　スピンドルモータ
　　８　　　　　　　補助機器
　　９　　　　　　　センサ
　　１０　　　　　　診断装置
　　１０１　　　　　ハードウェアプロセッサ
　　１０２　　　　　バス
　　１０３　　　　　ROM
　　１０４　　　　　RAM
　　１０５　　　　　不揮発性メモリ
　　１０６　　　　　第１のインタフェース
　　１０７　　　　　第２のインタフェース
　　１１１　　　　　第１の取得部
　　１１２　　　　　第１のデータ記憶部
　　１１３　　　　　常時診断部
　　１１３Ａ　　　　第１の診断部
　　１１３Ｂ　　　　第２の診断部
　　１１４　　　　　第１の履歴記憶部
　　１１５　　　　　トリガ生成部
　　１１６　　　　　結果出力部
　　１１７　　　　　受付部
　　１１８　　　　　第２の取得部
　　１１９　　　　　第２のデータ記憶部
　　１２０　　　　　非常時診断部
　　１２１　　　　　第２の履歴記憶部
　　１１　　　　　　入出力装置

Claims (10)

  1. 　診断対象の状態を示す第１の状態データを取得する第１の取得部と、
    　前記第１の取得部によって取得された前記第１の状態データに基づいて前記診断対象の異常を診断する常時診断部と、
    　前記常時診断部による診断結果に基づいて、前記第１の状態データとは異なる第２の状態データを取得する第２の取得部と、
    　前記第２の取得部によって取得された前記第２の状態データに基づいて、前記診断対象に発生した前記異常の原因を診断する非常時診断部と、
    を備える診断装置。
  2. 　前記常時診断部は、異常度を算出する複数の異常検出モデルから選択された異常検出モデルを用いて、前記診断対象の前記異常を診断し、
    　前記異常検出モデルが算出する正常時の異常度と異常時の異常度との差は、前記複数の異常検出モデルのうちの他の異常検出モデルがそれぞれ算出する正常時の異常度と異常時の異常度との差よりも大きい請求項１に記載の診断装置。
  3. 　前記異常検出モデルは、前記診断対象を構成する部材、前記診断対象が設置される産業機械の構造、前記産業機械の設定状態、前記産業機械を動作させる動作プログラム、および前記診断対象が設置される環境に応じて、前記複数の異常検出モデルから選択される請求項２に記載の診断装置。
  4. 　前記第１の状態データの種類を指定する情報および前記異常検出モデルの種類を指定する情報の少なくともいずれかを受け付ける受付部をさらに備える請求項２または３に記載の診断装置。
  5. 　前記第１の取得部は、前記第１の状態データを取得する周期を変更する請求項１～４のいずれか１項に記載の診断装置。
  6. 　前記第２の状態データは、前記診断対象を周波数スイープ動作させたときに取得される振動データ、または前記診断対象が加振されるときに取得される振動データである請求項１～５のいずれか１項に記載の診断装置。
  7. 　前記非常時診断部は、前記第２の状態データの周波数成分を分析することにより、前記異常の前記原因を診断する請求項１～６のいずれか１項に記載の診断装置。
  8. 　前記第２の状態データは、複数種類のデータを含み、
    　前記非常時診断部は、前記複数種類のデータ間の相関に基づいて、前記診断対象に発生した前記異常の前記原因を診断する請求項１～７のいずれか１項に記載の診断装置。
  9. 　前記非常時診断部によって診断された前記異常の前記原因を示す原因情報の履歴を記録する履歴記憶部をさらに備え、
    　前記非常時診断部は、前記履歴記憶部に記録された前記原因情報に基づいて前記原因を診断する請求項１～８のいずれか１項に記載の診断装置。
  10. 　前記常時診断部は、第１の診断部、および第２の診断部を含み、
    　前記第１の診断部は、前記診断対象に前記異常が発生したか否かを診断し、
    　前記第２の診断部は、前記診断対象に発生した前記異常の種類を診断する請求項１～９のいずれか１項に記載の診断装置。
PCT/JP2023/002080 2023-01-24 2023-01-24 診断装置 Ceased WO2024157352A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2023/002080 WO2024157352A1 (ja) 2023-01-24 2023-01-24 診断装置
DE112023004367.1T DE112023004367T5 (de) 2023-01-24 2023-01-24 Diagnosegerät
JP2024572567A JPWO2024157352A1 (ja) 2023-01-24 2023-01-24
CN202380091587.9A CN120548465A (zh) 2023-01-24 2023-01-24 诊断装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/002080 WO2024157352A1 (ja) 2023-01-24 2023-01-24 診断装置

Publications (2)

Publication Number Publication Date
WO2024157352A1 true WO2024157352A1 (ja) 2024-08-02
WO2024157352A9 WO2024157352A9 (ja) 2025-05-22

Family

ID=91969982

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/002080 Ceased WO2024157352A1 (ja) 2023-01-24 2023-01-24 診断装置

Country Status (4)

Country Link
JP (1) JPWO2024157352A1 (ja)
CN (1) CN120548465A (ja)
DE (1) DE112023004367T5 (ja)
WO (1) WO2024157352A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12332764B2 (en) * 2023-10-19 2025-06-17 International Business Machines Corporation Anomaly detection for time series data

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017138150A (ja) * 2016-02-02 2017-08-10 株式会社神戸製鋼所 回転機の異常検知装置および回転機の異常検知システム
WO2019186663A1 (ja) * 2018-03-26 2019-10-03 三菱電機株式会社 診断装置および閾値作成方法
JP2021067614A (ja) * 2019-10-25 2021-04-30 日立建機株式会社 故障診断装置及び故障診断方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017138150A (ja) * 2016-02-02 2017-08-10 株式会社神戸製鋼所 回転機の異常検知装置および回転機の異常検知システム
WO2019186663A1 (ja) * 2018-03-26 2019-10-03 三菱電機株式会社 診断装置および閾値作成方法
JP2021067614A (ja) * 2019-10-25 2021-04-30 日立建機株式会社 故障診断装置及び故障診断方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US12332764B2 (en) * 2023-10-19 2025-06-17 International Business Machines Corporation Anomaly detection for time series data

Also Published As

Publication number Publication date
CN120548465A (zh) 2025-08-26
JPWO2024157352A1 (ja) 2024-08-02
WO2024157352A9 (ja) 2025-05-22
DE112023004367T5 (de) 2025-09-04

Similar Documents

Publication Publication Date Title
US11531319B2 (en) Failure prediction device and machine learning device
CN102441817B (zh) 工作历史管理方法以及工作历史管理装置
US11614728B2 (en) Machine tool management system that obtains a next maintenance period from a maintenance period model and a refinement algorithm
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
US6845340B2 (en) System and method for machining data management
CN209297151U (zh) 异常因素确定装置
CN101354578A (zh) 机床的数值控制装置
CN107885164B (zh) 刀库性能评估方法及相应装置
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
US20140039666A1 (en) Apparatus and method for automatically detecting and compensating for a backlash of a machine tool
US7571022B2 (en) System and method for monitoring machine health
JP7347969B2 (ja) 診断装置及び診断方法
JP2020128013A (ja) 状態判定装置及び状態判定方法
CN111113119B (zh) 进给轴异常判定系统及蜗轮异常判定系统
WO2024157352A1 (ja) 診断装置
KR20080000603A (ko) 예측 유지 관리 방법
CN112775719A (zh) 进给轴装置的异常诊断方法和异常诊断装置
JP7310195B2 (ja) 診断装置、診断システム及び診断プログラム
CN115666836A (zh) 工具诊断装置
KR102901092B1 (ko) 공작기계 상태진단 장치 및 방법
US20230305520A1 (en) Tool diagnostic device and tool diagnostic method
JP2008546084A (ja) 生産機械のための評価装置の動作方法
JP7184997B2 (ja) 状態判定装置及び状態判定方法
JPH0569656B2 (ja)
CN118647951A (zh) 诊断装置以及计算机可读取的记录介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23918322

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024572567

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 112023004367

Country of ref document: DE

WWE Wipo information: entry into national phase

Ref document number: 202380091587.9

Country of ref document: CN

WWP Wipo information: published in national office

Ref document number: 202380091587.9

Country of ref document: CN

WWP Wipo information: published in national office

Ref document number: 112023004367

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 23918322

Country of ref document: EP

Kind code of ref document: A1