JP2018024055A - 工作機械の工具の異常検知装置及び方法 - Google Patents

工作機械の工具の異常検知装置及び方法 Download PDF

Info

Publication number
JP2018024055A
JP2018024055A JP2016157278A JP2016157278A JP2018024055A JP 2018024055 A JP2018024055 A JP 2018024055A JP 2016157278 A JP2016157278 A JP 2016157278A JP 2016157278 A JP2016157278 A JP 2016157278A JP 2018024055 A JP2018024055 A JP 2018024055A
Authority
JP
Japan
Prior art keywords
tool
measurement data
abnormality detection
machine
unit
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.)
Granted
Application number
JP2016157278A
Other languages
English (en)
Other versions
JP6426667B2 (ja
Inventor
山本　英明
Hideaki Yamamoto
英明 山本
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.)
Mitsubishi Heavy Industries Machine Tool Co Ltd
Original Assignee
Mitsubishi Heavy Industries Machine Tool Co Ltd
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 Mitsubishi Heavy Industries Machine Tool Co Ltd filed Critical Mitsubishi Heavy Industries Machine Tool Co Ltd
Priority to JP2016157278A priority Critical patent/JP6426667B2/ja
Priority to CN201780047991.0A priority patent/CN109562500B/zh
Priority to PCT/JP2017/024447 priority patent/WO2018030033A1/ja
Priority to US16/324,044 priority patent/US10525563B2/en
Publication of JP2018024055A publication Critical patent/JP2018024055A/ja
Application granted granted Critical
Publication of JP6426667B2 publication Critical patent/JP6426667B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Program-control systems
    • G05B19/02—Program-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of program data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G05B23/0254—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model based on a quantitative model, e.g. mathematical relationships between inputs and outputs; functions: observer, Kalman filter, residual calculation, Neural Networks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q2220/00—Machine tool components
    • B23Q2220/006—Spindle heads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q2717/00—Arrangements for indicating or measuring
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25255—Neural network
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33027—Artificial neural network controller
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/33—Director till display
    • G05B2219/33034—Online learning, training
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34465—Safety, control of correct operation, abnormal states
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50276—Detect wear or defect tool, breakage and change tool

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Numerical Control (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Machine Tool Sensing Apparatuses (AREA)

Abstract

【課題】診断精度の向上が可能な工作機械の工具の異常検知装置及び方法を提供する。【解決手段】工作機械１０の工具の異常を検知する異常検知装置３０Ａは、工具に関係する複数の測定値を、測定データ（振動情報４１、切削力情報４２、音情報４３、主軸負荷４４、モータ電流４５、電力値４６）として取得する取得部４０Ａと、正常な状態の加工時に取得した測定データを、１クラスの機械学習で学習して、正常モデルを作成する正常モデル部３１と、正常モデル作成後の加工時に測定データを取得しながら、正常モデルに基づいて、当該測定データが正常か異常かを診断する異常診断部３２と、異常診断部３２で異常と診断された測定データを、異常診断部３２とは異なる方法で再診断する再診断部３４とを有する。【選択図】図１

Description

本発明は、工作機械の工具の異常を検知する異常検知装置及び方法に関する。
工作機械における加工／研削において、工具の摩耗や欠損が発生すると、加工ワークにおける加工精度悪化が発生し、不良ワークが発生する。不良ワークの発生により、歩留まり率が悪化すると共に、加工ワークによっては高価な場合もあり、その場合には高額な仕損が発生することもある。そのため、加工中の各種信号をリアルタイムで測定し、その閾値により、工具の異常診断を行う手法が提案されている（特許文献１〜３）。
特開２０１６−４００７２号公報 特許第５８３１２１６号公報 特許第５７１０３９１号公報
上記特許文献１〜３では、取得する診断信号は各々異なるが、例えば、図１３に例示するように、診断信号の１つである主軸負荷に対して閾値設定を行い、その閾値との比較を行うことで異常診断を行っている。ところが、このような信号（加工負荷（主軸負荷）、切削力、切削振動など）は、切削条件（工具種類、ワーク素材、切込み量（切粉排出量）、送り速度、主軸回転数など）により変化するため、閾値の設定が困難であり、そのため、上記特許文献３では、異常診断のための閾値を決定する方法が開示されている。このように、従来の異常診断は、その閾値の設定が困難であり、設定が困難な閾値を用いて異常診断をしているため、その診断精度の向上は望めなかった。
本発明は上記課題に鑑みなされたもので、診断精度の向上が可能な工作機械の工具の異常検知装置及び方法を提供することを目的とする。
上記課題を解決する第１の発明に係る工作機械の工具の異常検知装置は、
工作機械の工具の異常を検知する異常検知装置であって、
前記工具に関係する複数の測定値を、測定データとして取得する取得部と、
正常な状態の加工時に取得した前記測定データを、１クラスの機械学習で学習して、正常モデルを作成する第１の学習部と、
前記正常モデル作成後の加工時に前記測定データを取得しながら、前記正常モデルに基づいて、当該測定データが正常か異常かを診断する診断部と、
前記診断部で異常と診断された前記測定データを、前記診断部とは異なる方法で再診断する再診断部とを有する
ことを特徴とする。
上記課題を解決する第２の発明に係る工作機械の工具の異常検知装置は、
上記第１の発明に記載の工作機械の工具の異常検知装置において、
前記第１の学習部は、前記診断部で異常と診断されなかった前記測定データ及び前記再診断部では異常と診断されなかった前記測定データを、前記１クラスの機械学習で学習して、前記正常モデルを更新する
ことを特徴とする。
上記課題を解決する第３の発明に係る工作機械の工具の異常検知装置は、
上記第１又は第２の発明に記載の工作機械の工具の異常検知装置において、
前記診断部又は前記再診断部で前記測定データが異常と診断されたとき、前記工具による加工を停止させる処理部を更に有する
ことを特徴とする。
上記課題を解決する第４の発明に係る工作機械の工具の異常検知装置は、
上記第１〜第３のいずれか１つの発明に記載の工作機械の工具の異常検知装置において、
前記第１の学習部は、加工時の加工条件及び切削情報に関係する設定データを加えて、前記１クラスの機械学習で学習して、前記正常モデルを作成又は更新する
ことを特徴とする。
上記課題を解決する第５の発明に係る工作機械の工具の異常検知装置は、
上記第１〜第４のいずれか１つの発明に記載の工作機械の工具の異常検知装置において、
前記１クラスの機械学習がカーネル法を導入した１クラスサポートベクターマシンである場合、当該機械学習により、前記測定データが正常か異常かを正負で診断する識別関数を作成し、前記測定データを入力した前記識別関数の値の経時変化に基づいて、前記値が正の値から０になる時点を、前記工具の交換時期として予測する予測部を更に有する
ことを特徴とする。
上記課題を解決する第６の発明に係る工作機械の工具の異常検知装置は、
上記第１〜第５のいずれか１つの発明に記載の工作機械の工具の異常検知装置において、
前記診断部で異常と診断されて蓄積された複数の前記測定データを、多クラスの機械学習で学習して、診断モデルを作成する第２の学習部と、
前記診断モデル作成後の加工時に前記測定データを取得しながら、前記診断モデルに基づいて、当該測定データの状態を分類して、前記工具の異常状態を分類する分類部とを更に有する
ことを特徴とする。
上記課題を解決する第７の発明に係る工作機械の工具の異常検知装置は、
上記第６の発明に記載の工作機械の工具の異常検知装置において、
前記第２の学習部は、前記診断モデルの作成後、前記診断部で異常と診断された前記測定データを、前記多クラスの機械学習で学習して、前記診断モデルを更新する
ことを特徴とする。
上記課題を解決する第８の発明に係る工作機械の工具の異常検知方法は、
工作機械の工具の異常を検知する異常検知方法であって、
前記工具に関係する複数の測定値を、測定データとして取得する取得工程と、
正常な状態の加工時に取得した前記測定データを、１クラスの機械学習で学習して、正常モデルを作成する第１の学習工程と、
前記正常モデル作成後の加工時に前記測定データを取得しながら、前記正常モデルに基づいて、当該測定データが正常か異常かを診断する診断工程と、
前記診断工程で異常と診断された前記測定データを、前記診断工程とは異なる方法で再診断する再診断工程とを有する
ことを特徴とする。
上記課題を解決する第９の発明に係る工作機械の工具の異常検知方法は、
上記第８の発明に記載の工作機械の工具の異常検知方法において、
前記第１の学習工程は、前記診断部で異常と診断されなかった前記測定データ及び前記再診断部では異常と診断されなかった前記測定データを、前記１クラスの機械学習で学習して、前記正常モデルを更新する
ことを特徴とする。
上記課題を解決する第１０の発明に係る工作機械の工具の異常検知方法は、
上記第８又は第９の発明に記載の工作機械の工具の異常検知方法において、
前記診断工程又は前記再診断工程で前記測定データが異常と診断されたとき、前記工具による加工を停止させる処理工程を更に有する
ことを特徴とする。
上記課題を解決する第１１の発明に係る工作機械の工具の異常検知方法は、
上記第８〜第１０のいずれか１つの発明に記載の工作機械の工具の異常検知方法において、
前記第１の学習工程は、加工時の加工条件及び切削情報に関係する設定データを加えて、前記１クラスの機械学習で学習して、前記正常モデルを作成又は更新する
ことを特徴とする。
上記課題を解決する第１２の発明に係る工作機械の工具の異常検知方法は、
上記第８〜第１１のいずれか１つの発明に記載の工作機械の工具の異常検知方法において、
前記１クラスの機械学習がカーネル法を導入した１クラスサポートベクターマシンである場合、当該機械学習により、前記測定データが正常か異常かを正負で診断する識別関数を作成し、前記測定データを入力した前記識別関数の値の経時変化に基づいて、前記値が正の値から０になる時点を、前記工具の交換時期として予測する予測工程を更に有する
ことを特徴とする。
上記課題を解決する第１３の発明に係る工作機械の工具の異常検知方法は、
上記第８〜第１２のいずれか１つの発明に記載の工作機械の工具の異常検知方法において、
前記診断工程で異常と診断されて蓄積された複数の前記測定データを、多クラスの機械学習で学習して、診断モデルを作成する第２の学習工程と、
前記診断モデル作成後の加工時に前記測定データを取得しながら、前記診断モデルに基づいて、当該測定データの状態を分類して、前記工具の異常状態を分類する分類工程とを更に有する
ことを特徴とする。
上記課題を解決する第１４の発明に係る工作機械の工具の異常検知方法は、
上記第１３の発明に記載の工作機械の工具の異常検知方法において、
前記第２の学習工程は、前記診断モデルの作成後、前記診断工程で異常と診断された前記測定データを、前記多クラスの機械学習で学習して、前記診断モデルを更新する
ことを特徴とする。
本発明によれば、診断精度の向上を図ることができる。
本発明に係る工作機械の工具の異常検知装置の実施形態の一例（実施例１）を示す構成図である。 診断対象の工作機械の一例を示す斜視図である。 １クラス機械学習による正常データ空間を説明する図である。 図１に示した工作機械の工具の異常検知装置で実施する異常検知方法の処理フローを説明する図である。 本発明に係る工作機械の工具の異常検知装置の実施形態の他の一例（実施例２）を示す構成図である。 図５に示した工作機械の工具の異常検知装置おけるデータ間の相関関係を説明する図である。 設定データ追加による正常データ空間の変化を説明する図である。 本発明に係る工作機械の工具の異常検知装置の実施形態の他の一例（実施例３）を示す構成図である。 図８に示した工作機械の工具の異常検知装置で診断した結果に基づく予測交換時期を説明する図である。 本発明に係る工作機械の工具の異常検知装置の実施形態の他の一例（実施例４）を示す構成図である。 図１０に示した工作機械の工具の異常検知装置で実施する異常検知方法の処理フローを説明する図である。 多クラス機械学習による複数の異常データ空間を説明する図である。 従来から行われている閾値による異常診断を説明する図である。
以下、図１〜図１２を参照して、本発明に係る工作機械の工具の異常検知装置及び方法の実施形態のいくつかを説明する。なお、ここでは、診断対象の工作機械として、門形加工機を図２に例示するが、本発明は、工具を使用する他の工作機械にも適用可能である。
［実施例１］
図１は、本実施例の工作機械の工具の異常検知装置を示す構成図であり、図２は、診断対象の工作機械の一例を示す斜視図である。また、図３は、１クラス機械学習による正常データ空間を説明する図であり、図４は、図１に示した工作機械の工具の異常検知装置で実施する異常検知方法の処理フローを説明する図である。
まず、図２を参照して、診断対象の工作機械の構成を説明する。本実施例において、診断対象の工作機械は、門形加工機１０である。この門形加工機１０は、ベッド１１、テーブル１２、コラム部１３、クロスレール１４、サドル１５、ラム１６、主軸１７、アタッチメント１８、工具ユニット１９、工具Ｔなどを有している。
ベッド１１は床面上に水平に設置されており、ベッド１１上にはテーブル１２及びコラム部１３が設置されている。テーブル１２は被加工物であるワーク（図示省略）を載せる台であり、ベッド１１上において一つの水平方向に移動可能に設けられている。コラム部１３はベッド１１を跨ぐように配置された門形の形状であり、ベッド１１の左右に垂直に立設された２つの左コラム１３Ｌ及び右コラム１３Ｒを有している。クロスレール１４は左コラム１３Ｌ及び右コラム１３Ｒを水平に横断するように取り付けられており、左コラム１３Ｌ及び右コラム１３Ｒの鉛直方向摺動面に沿って鉛直方向に移動可能に設けられている。
サドル１５はクロスレール１４に取り付けられており、クロスレール１４の水平方向摺動面に沿って水平方向に移動可能に設けられている。ラム１６はサドル１５に把持されており、サドル１５の鉛直方向摺動面に案内されて鉛直方向に移動可能に設けられている。主軸１７はラム１６の内部に配置されており、後述する主軸モータ２４によって回転可能である。また、主軸１７には、アタッチメント１８を介して、工具Ｔを有する工具ユニット１９が装着されている。
上述した構成を有する門形加工機１０には、その工具Ｔの異常を検知するため、例えば、工具摩耗、工具折損、チッピング、欠損などの工具Ｔ自身の異常や工具Ｔによる加工状態の異常を検知するため、図１に示すように、工具Ｔ（主軸１７）の振動を測定する振動センサ２１、工具Ｔ（主軸１７）の切削力を測定する切削動力計２２、工具Ｔ（主軸１７）の音を測定する音センサ２３が設けられている。また、主軸１７を駆動する主軸モータ２４からは、主軸負荷４４や電力値４６が測定されている。また、例えば、ラム１６を駆動する送りモータ２５からは、モータ電流４５や電力値４６が測定されている。なお、ここでは、ラム１６を駆動する送りモータ２５を代表して例示しているが、送りモータは移動方向（例えば、ＸＹＺ方向）に対応して、複数設けられている。
そして、振動センサ２１で測定した振動は振動情報４１として、切削動力計２２で測定した切削力は切削力情報４２として、音センサ２３で測定した音は音情報４３として、異常検知装置３０Ａの取得部４０Ａで取得され、また、上述した主軸負荷４４、モータ電流４５、電力値４６も取得部４０Ａで取得され、後述する機械学習、診断に用いられている。
なお、以降、振動情報４１、切削力情報４２、音情報４３、主軸負荷４４、モータ電流４５、電力値４６をまとめて測定データと呼ぶ。また、ここでは、測定データとして、振動情報４１、切削力情報４２、音情報４３、主軸負荷４４、モータ電流４５、電力値４６を例示しているが、工具Ｔに関係する測定データであれば、他の測定データを追加しても良い。
異常検知装置３０Ａは、門形加工機１０の工具Ｔの異常を検知するため、上述した取得部４０Ａに加えて、正常モデル部３１（第１の学習部）、異常診断部３２（診断部）、異常処理部３３（処理部）、再診断部３４を有している。
異常検知装置３０Ａにおいて、正常モデル部３１は、正常な状態の加工時に取得した測定データを用いて、１クラスの機械学習により、正常モデルを作成し、作成後は、正常モデルを更新している。また、異常診断部３２は、正常モデル作成後の加工時に測定データを取得しながら、正常モデル部３１で作成した正常モデルに基づいて、当該測定データの異常診断を実施する。また、異常処理部３３は、異常診断部３２、再診断部３４で測定データが異常と診断されたときに、異常処理、例えば、警報を発したり、アラームを表示したり、門形加工機１０の工具Ｔによる加工を停止したりする。また、再診断部３４は、異常診断部３２で異常と診断された測定データについて、異常診断部３２とは異なる方法で再診断を実施する。
なお、上述した異常検知装置３０Ａとしては、コンピュータなどが使用可能であり、その装置構成としては、入力装置、通信装置、演算装置、記憶装置、出力装置などを有している。例えば、上述した測定データは、入力装置又は通信装置を用いて取得され、取得された測定データは、演算装置で演算処理（診断及び機械学習）が行われ、正常診断のとき、正常モデルが作成又は更新されて、記憶装置に記憶され、異常診断のときは、出力装置又は通信装置を用いて、上述した異常処理が行われる。また、診断、機械学習及び異常処理のためのプログラムも記憶装置に記憶されている。
そして、上述した異常検知装置３０Ａの正常モデル部３１では、予め、事前処理が行われている。具体的には、予め、門形加工機１０及び工具Ｔが正常な状態のときに、所定の加工パターンで加工が行われ、その際に測定されて、取得部４０Ａで取得された測定データを用いて、１クラスの機械学習により、正常モデルを作成している（第１の学習工程）。所定の加工パターンとしては、実際に使用する加工パターンが好ましいが、基本的動作の加工パターンなど、他の任意の加工パターンでも良い。
上述したように、本実施例では、工具Ｔの異常を検知するために機械学習を適用しているが、異常な状態での測定データの取得は困難な場合が多いため、１クラス（正常モデル）で診断可能な１クラスの機械学習を使用している。機械学習として１クラスの機械学習を採用することで、正常な状態の加工時の測定データのみで異常診断が可能となる。
１クラスの機械学習としては、１クラスサポートベクターマシン法（以降、１クラスＳＶＭ法）やインバリアント解析などが適用可能である。ここでは、一例として、カーネル法を導入した１クラスＳＶＭ法が使用されている。
ここで、カーネル法を導入した１クラスＳＶＭ法について説明をする。まず、カーネルκは特徴空間におけるベクトルデータ同士の内積である。ここでの１クラスＳＶＭ法では、一例として、下記式（１）に示すガウスカーネルを用いており、下記式（１）において、ｘ、ｚは特徴空間におけるベクトルデータであり、σはカーネル・パラメータである。
Figure 2018024055
そして、カーネル法を導入した１クラスＳＶＭ法では、下記式（２）に示す評価関数に対して最適なαを求めている。
Figure 2018024055
上記式（２）において、ｘi（ｉ＝１、２、…、ｌ）、ｘj（ｊ＝１、２、…、ｌ）はトレーニングデータであり、これらのデータを与えることにより、最適なαを求める機械学習（トレーニング）を行う。また、ｌはトレーニングデータの数である。また、νはトレーニングデータを外れ値とみなす割合の上限値（ソフトマージン）であり、０＜ν≦１の範囲である。例えば、ν＝０．１に設定すると、最大で全トレーニングデータの１０％が外れ値とみなされる。また、αiは、トレーニングデータｘiと密接に関連しており、αi＞０となるｘiをサポートベクトルと呼ぶ。トレーニングによって得られたαiを用いることにより、下記式（３）中に示す、正常か異常かを正負で識別する識別関数ｇ（ｘ）を作成することができ、この識別関数ｇ（ｘ）を用いて、ＳＶＭ識別器が完成する。
Figure 2018024055
上記式（３）において、ｓｇｎ｛｝は符号関数であり、識別関数ｇ（ｘ）による診断値ａ≧０のとき、即ち、測定データｘがトレーニングデータｘiと同じクラスに属するときに「＋１」を返し、診断値ａ＜０のとき、即ち、測定データｘがトレーニングデータｘiと同じクラスに属さないときに「−１」を返す。またｘsvは、０＜αi＜１／（νｌ）なるαiに対応するものである。なお、実際には、αiの大半は０になるため、識別の際に重要な役割を果たすのは非ゼロのαiと、それに対応するトレーニングデータｘi、つまり、サポートベクトルｘiのみである。
以上説明した１クラスＳＶＭ法により機械学習を行うと、例えば、図３に示すように、１クラスＳＶＭ法の写像空間（特徴空間）において、正常な測定データ（トレーニングデータ）を写像した正常データ空間を生成することになる。そして、正常データ空間が生成された写像空間の情報が、正常モデルとして、記憶装置に記憶される。なお、図３では、図を簡単にするため、２つのパラメータ（測定データ１及び測定データ２）による２次元の写像空間を示している。
次に、図１〜図３と共に、図４に示す処理フローも参照して、本実施例の異常検知方法を説明する。
（ステップＳ１）
門形加工機１０において、ワークの加工を行い、振動センサ２１、切削動力計２２、音センサ２３、主軸モータ２４、送りモータ２５で測定された測定データ（振動情報４１、切削力情報４２、音情報４３、主軸負荷４４、モータ電流４５、電力値４６）を、取得部４０Ａで取得する（取得工程）。この時点において、測定データが正常か異常かは不明である。
（ステップＳ２）
異常診断部３２は、正常モデル部３１で作成した正常モデルに基づいて、加工時に測定された測定データについて、１クラスＳＶＭ法により、正常か異常かを診断する（診断工程）。つまり、加工時に測定された測定データが、トレーニングデータ（正常データ空間）と同じクラスに属するかどうかを診断する。これは、従来のような、各測定データの閾値による診断ではない。
（ステップＳ３→Ｓ４）
加工時に測定された測定データが、トレーニングデータと同じクラスに属する場合、つまり、上記式（３）において、ｆ（ｘ）≧０の場合には、正常と診断し、ステップＳ５へ進む。
（ステップＳ５）
正常モデル部３１は、正常と診断された測定データを正常モデルに逐次反映するため、当該測定データを用いて、１クラスＳＶＭ法により、正常モデルを更新する（第１の学習工程）。このように、追加学習（正常モデルの自動更新）を行いながら運用することで、最適な診断を実現することができ、また、判断モデル（正常モデル）の高度化を行うことができる。
（ステップＳ３→Ｓ６）
一方、加工時に測定された測定データが、トレーニングデータと同じクラスに属さない場合、つまり、上記式（３）において、ｆ（ｘ）＜０の場合には、異常と診断し、ステップＳ７へ進む。
（ステップＳ７）
異常と診断した場合、異常処理部３３は、門形加工機１０の工具Ｔによる加工を停止する（処理工程）。この際、異常処理部３３は、例えば、警報を発したり、アラームを表示したりしても良い。この場合、工具Ｔ自身に何らかの異常、例えば、工具摩耗、工具折損、チッピング、欠損などの異常が発生していると判断され、工具Ｔによる加工状態の異常も発生していると推測される。
上述したステップＳ１〜Ｓ７は、リアルタイムで行われており、加工時の測定データを監視し、異常と診断した場合には、加工を停止することにより、加工ワークの精度悪化や損傷などをリアルタイムで抑制することができる。このようにして、機械学習を用いたインプロセス処理による工具Ｔの異常検知が行われている。
（ステップＳ８→Ｓ９）
異常に緊急性がないときには、ステップＳ７へ直接進まず、ステップＳ８及びステップＳ９へ進む。この場合、再診断部３４は、異常診断部３２で異常と診断された測定データについて、異常診断部３２とは異なる方法で再診断を行う（再診断工程）。再診断部３４で再び異常と診断された場合には、ステップＳ７へ進み、加工を停止するなどの異常処理を行う。一方、再診断部３４での再診断により、改めて正常と診断された場合には、ステップＳ５へ進み、その時の測定データを用いて、１クラスＳＶＭ法により、正常モデルを更新する。
再診断の方法としては、１クラスＳＶＭ法とは異なる方法で行う。例えば、インバリアント解析などの他の１クラスの機械学習により診断しても良い。また、接触式の加工精度測定器や、カメラやレーザなどによる非接触の加工精度測定器などを用いて、加工面精度の測定数値により診断しても良い。また、カメラなどによる工具形状検査装置などを用いて、工具摩耗の状況を直接診断しても良い。更には、閾値により測定データを診断したり、門形加工機１０に熟練した作業員が診断したりしても良い。
［実施例２］
図５は、本実施例の工作機械の工具の異常検知装置を示す構成図である。また、図６は、図５に示した工作機械の工具の異常検知装置おけるデータ間の相関関係を説明する図である。
本実施例でも、一例として、実施例１で説明した門形加工機１０（図２など参照）を、診断対象の工作機械とする。また、本実施例の異常検知装置３０Ｂは、図５に示す取得部４０Ｂを除き、実施例１で説明した異常検知装置３０Ａ（図１など参照）と同等の構成である。そのため、ここでは、門形加工機１０、異常検知装置３０Ｂについて、重複する説明は省略する。
門形加工機１０は、実施例１で説明したように、振動センサ２１、切削動力計２２、音センサ２３、主軸モータ２４、送りモータ２５を有しており、本実施例でも、それらで測定された測定データ（振動情報４１、切削力情報４２、音情報４３、主軸負荷４４、モータ電流４５、電力値４６）を異常検知装置３０Ｂの取得部４０Ｂで取得している。
上述した測定データに加えて、本実施例では、加工条件及び切削情報に関係するデータを機械学習、診断のために追加しており、例えば、門形加工機１０に入力されて、その記憶部２６に記憶された加工条件及び切削情報から、主軸回転数５１、送り速度５２、取り代５３、ワーク材質５４、工具種別５５が異常検知装置３０Ｂの取得部４０Ｂで取得されて、機械学習、診断に用いられている。ワーク材質５４としては、例えば、素材などが入力され、工具種別５５としては、例えば、素材、コーティング、周速、刃数などが入力される。
なお、以降、主軸回転数５１、送り速度５２、取り代５３、ワーク材質５４、工具種別５５をまとめて設定データと呼ぶ。また、ここでは、設定データとして、主軸回転数５１、送り速度５２、取り代５３、ワーク材質５４、工具種別５５を例示しているが、上述した測定データの変化に関係する加工条件及び切削情報の設定データであれば、他の設定データを追加しても良い。
そして、本実施例において、異常検知装置３０Ｂの正常モデル部３１は、正常な状態の加工時に取得した測定データと共に上述した設定データを用いて、１クラスの機械学習により、正常モデルを作成し、作成後は、正常モデルを更新している。
つまり、本実施例においても、上述した異常検知装置３０Ｂの正常モデル部３１では、予め、事前処理が行われており、予め、門形加工機１０及び工具Ｔが正常な状態のときに、所定の加工パターンで加工が行われ、その際に測定されて、取得部４０Ｂで取得された測定データと、その際に加工条件及び切削情報として設定された設定データとを用いて、１クラスの機械学習により、正常モデルを作成している。ここでも、所定の加工パターンとしては、実際に使用する加工パターンが好ましく、また、１クラスの機械学習としては、カーネル法を導入した１クラスＳＶＭ法が使用されている。
このように、本実施例では、測定データに加えて、設定データも用いて、機械学習を行っているが、設定データは、測定データに対して、図６に示すような相関関係がある。例えば、加工条件の設定データである主軸回転数５１、送り速度５２、取り代５３が変化すると、その変化に対応して、測定データである振動情報４１、切削力情報４２、音情報４３、主軸負荷４４、モータ電流４５、電力値４６が変化する。また、切削情報の設定データであるワーク材質５４、工具種別５５が変化すると、その変化に対応して、測定データである振動情報４１、切削力情報４２、音情報４３、主軸負荷４４が変化する。
このような相関関係に基づいて、１クラスＳＶＭ法による機械学習を行うと、本実施例の場合、例えば、図７に示すように、設定データの次元を増やした１クラスＳＶＭ法の写像空間（特徴空間）において、正常な測定データ及び設定データ（トレーニングデータ）を写像した正常データ空間を生成することになる。そして、正常データ空間が生成された写像空間の情報が、正常モデルとして、記憶装置に記憶される。なお、図７では、図を簡単にするため、３つのパラメータ（測定データ１、測定データ２及び設定データ１）による３次元の写像空間を示している。
機械学習によって、図７に示すような正常モデルを作成することにより、加工に関係するデータ同士の相関関係を考慮した正常モデルを用いて、診断を実施することが可能になる。つまり、加工条件及び切削情報の設定データと加工時の測定データとの相関関係を考慮して、診断を実施することになる。
従来は、加工条件及び切削情報の設定データを変更すると、変更した設定データに相関する測定データに対し、新たな閾値を設定する必要があった。例えば、送り速度５２の設定が変更されると、主軸負荷４４が変化し、振動情報４１なども変化することになり、主軸負荷４４や振動情報４１などに対して、新たな閾値を設定する必要があり、また、取り代５３、つまり、切込み量の設定が増やされると、主軸負荷４４が増加し、振動情報４１なども増加することになり、主軸負荷４４や振動情報４１などに対して、新たな閾値を設定する必要があった。
一方、本実施例は、従来のような、各測定データの閾値による診断ではないので、加工条件及び切削情報の設定データが変更されても、上述したように、設定データと測定データとの相関関係を考慮して、診断を実施することができ、変更に応じた適切な診断が可能になり、汎用性が高く、より高度な診断が可能になる。
本実施例は、実施例１とは、上述した違いがあるが、本実施例の異常検知方法については、実施例１で説明した処理フロー（図４参照）と同じ処理フローが適用可能である。
［実施例３］
図８は、本実施例の工作機械の工具の異常検知装置を示す構成図である。また、図９は、図８に示した工作機械の工具の異常検知装置で診断した結果に基づく予測交換時期を説明する図である。
本実施例でも、一例として、実施例１で説明した門形加工機１０（図２など参照）を、診断対象の工作機械とする。また、本実施例の異常検知装置３０Ｃは、図８に示す交換予測部３５を除き、実施例１で説明した異常検知装置３０Ａ（図１など参照）と同等の構成である。そのため、ここでは、門形加工機１０、異常検知装置３０Ｃについて、重複する説明は省略する。
異常検知装置３０Ｃは、実施例１で説明したように、正常モデル部３１、異常診断部３２、異常処理部３３、再診断部３４、取得部４０Ａを有しており、更に、本実施例では、交換予測部３５（予測部）を有している。
交換予測部３５は、複数回の測定データを異常診断部３２で診断した結果に基づいて、工具Ｔの交換時期を予測している。具体的には、式（３）中に示した識別関数ｇ（ｘ）に測定データｘを入力した診断値ａの経時的な変化に基づいて、交換時期を予測している。
ここで、診断値ａについて、上述した図３を参照して説明する。診断値ａは、図３に示した写像空間における測定データｘの位置に対応しており、その位置は、診断値ａが正の値から０に近づくほど、正常データ空間の内側から正常データ空間の境界線に近づき、診断値ａが０のときに、正常データ空間の境界線上となり、診断値ａが負の値のときに、正常データ空間の外側となる。
そして、このような診断値ａの経時変化を時間軸に沿ってプロットすると、図９に示すように、前回の工具交換時ｔ０から現在ｔ１までの複数の診断値ａについて、実線で示すグラフを作成することができる。図９において、前回の工具交換時ｔ０から現在ｔ１までの複数の診断値ａは、ａ＞０であり、正常領域に含まれているが、時間の経過と共に減少する傾向がある。この傾向を外挿法で延長すると、破線で示すグラフを作成することができ、時間ｔ２の時点で診断値ａが０となることが予測できる。なお、ここでは、予測を外挿法で行っているが、他の好適な方法で行っても良い。
このように、診断値ａの経時変化に基づいて、診断値ａが正常領域から逸脱する時期、つまり、診断値ａが正の値から０になる時点を、工具Ｔの交換時期として予測することができる。ここでは、時間ｔ２が工具Ｔの予測交換時期と予測されるので、この時間ｔ２より前に、工具Ｔを交換すれば良い。これにより、工具交換の遅れ（工具の摩耗劣化）による加工精度の悪化を未然に防ぐと共に、必要以上に早い時期での工具交換を抑制することができ、最適な工具管理が可能になる。
本実施例は、実施例１とは、上述した違いがあるが、本実施例の異常検知方法については、実施例１で説明した処理フロー（図４参照）と同じ処理フローが適用可能であり、交換予測部３５による交換時期の予測は、上述したステップＳ２での診断の際に行えば良い。
また、本実施例で示した交換予測部３５を、実施例２で示した異常検知装置３０Ｂ（図５など参照）に設けても良く、その場合、測定データに加えて、設定データも用いて、機械学習を行って、工具Ｔの交換時期の予測を行うことが可能である。
［実施例４］
図１０は、本実施例の工作機械の工具の異常検知装置を示す構成図である。また、図１１は、図１０に示した工作機械の工具の異常検知装置で実施する異常検知方法の処理フローを説明する図であり、図１２は、多クラス機械学習による複数の異常データ空間を説明する図である。
本実施例でも、一例として、実施例１で説明した門形加工機１０（図２など参照）を、診断対象の工作機械とする。また、本実施例の異常検知装置３０Ｄは、図１０に示す診断モデル部３６及び異常分類部３７を除き、実施例１で説明した異常検知装置３０Ａ（図１など参照）と同等の構成である。そのため、ここでは、門形加工機１０、異常検知装置３０Ｄについて、重複する説明は省略する。
異常検知装置３０Ｄは、実施例１で説明したように、正常モデル部３１、異常診断部３２、異常処理部３３、再診断部３４、取得部４０Ａを有しており、更に、本実施例では、診断モデル部３６（第２の学習部）、異常分類部３７（分類部）を有している。
診断モデル部３６は、異常診断部３２で異常と診断して蓄積した複数の測定データを用いて、多クラスの機械学習により、診断モデルを作成し、作成後は、診断モデルを更新している。また、異常分類部３７は、診断モデル作成後の加工時に測定データを取得しながら、診断モデル部３６で作成した診断モデルに基づいて、当該測定データの状態を分類することにより、工具Ｔの異常状態の分類を実施している。
本実施例では、工具Ｔの異常状態を分類するため、多クラスの機械学習を適用している。ここでは、異常診断部３２で異常と診断して蓄積した複数の測定データを用いているので、多クラスの機械学習が適用可能である。多クラスの機械学習としては、多クラスＳＶＭ法、決定木、ランダムフォレスト、ニューラルネットワークなどが適用可能である。
上述した１クラスＳＶＭ法に加えて、多クラスの機械学習、例えば、多クラスＳＶＭ法を併用して、機械学習を行うと、本実施例の場合、図３に示した写像空間（特徴空間）における正常データ空間に加えて、それ以外の空間（異常データ空間）について、例えば、図１２に示すような複数の異常データ空間１〜４を作成することができる。図１２に示す異常データ空間１〜４は、異常と診断された測定データ（トレーニングデータ）を写像したしたものであり、各々相違する異常原因が対応することになる。そして、異常データ空間１〜４も生成された写像空間の情報が、診断モデルとして、記憶装置に記憶される。なお、図１２でも、図を簡単にするため、２つのパラメータ（測定データ１及び測定データ２）による２次元の写像空間を示している。
このように、機械学習によって、図１２に示すような診断モデルを作成することにより、当該診断モデルを用いて、測定データの状態を分類して、工具Ｔの異常状態の分類を実施することができる。
次に、図１０と共に、図１１に示す処理フローも参照して、本実施例の異常検知方法を説明する。なお、ステップＳ１〜Ｓ９については、実施例１で説明した処理フロー（図４参照）と同等であるので、ここでは、重複する説明は省略する。
（ステップＳ１０）
ステップＳ１〜Ｓ６を経て、加工時に測定された測定データが異常と診断された場合、当該測定データを記憶装置に蓄積し、蓄積した複数の測定データを用いて、診断モデル部３６は、多クラス機械学習により、診断モデルを作成する。診断モデルが作成されていれば、新たに測定されて、異常と診断された測定データを用いて、その都度、多クラス機械学習により、診断モデルを更新する（第２の学習工程）。
（ステップＳ１１）
診断モデル部３６において、診断モデルが作成されていれば、以降は、加工時に測定された測定データは、異常分類部３７でも診断が行われ、診断モデル部３６で作成した診断モデルに基づいて、多クラス機械学習により、その状態が分類されて、工具Ｔの異常状態の分類が行われる（分類工程）。
（ステップＳ１２→Ｓ１３）
加工時に測定された測定データが、正常データ空間に属する場合には、正常と診断し、上述したステップＳ５へ進む。
（ステップＳ１２→Ｓ１４−１〜４）
一方、加工時に測定された測定データが、正常データ空間に属さない場合には、異常と診断するが、更に、異常データ空間１〜４か、又は、それら以外の異常データ空間に属するかどうか診断することができ、異常データ空間１〜４に属する場合には、属する空間に応じて、異常１〜４に分類することができる。
例えば、異常データ空間１に属す場合は異常１であり、その原因は工具摩耗であり、異常データ空間２に属す場合は異常２であり、その原因は工具折損であり、異常データ空間３に属す場合は異常３であり、その原因はチッピングであり、異常データ空間４に属す場合は異常４であり、その原因は欠損であるなどのように、工具Ｔの異常の原因に応じて、異常を分類することができる。なお、本実施例では、異常１〜４に対応して異常データ空間１〜４を例示しているが、これらの数は分類される数に応じて増減する。
異常１〜４のいずれかに診断された場合、異常処理部３３は、異常１〜４に応じて、門形加工機１０の工具Ｔによる加工を停止したり、警報を発したり、アラームを表示したりすれば良い。
このように、本実施例では、工具Ｔの正常／異常の診断に加え、多クラスの機械学習を併用することで、工具Ｔの異常状態の分類（異常原因）の推定が可能になる。
なお、本実施例で示した診断モデル部３６、異常分類部３７を、実施例２で示した異常検知装置３０Ｂ（図５など参照）に設けても良く、その場合、測定データに加えて、設定データも用いて、機械学習を行って、工具Ｔの異常状態の分類を行うことが可能である。
また、本実施例で示した診断モデル部３６、異常分類部３７を、実施例３で示した異常検知装置３０Ｃ（図８など参照）に設けても良く、その場合、工具Ｔの異常状態の分類と共に、工具Ｔの交換時期の予測を行うことが可能である。
更には、本実施例で示した診断モデル部３６、異常分類部３７に加えて、実施例３で示した交換予測部３５を、実施例２で示した異常検知装置３０Ｂ（図５など参照）に設けても良い。
本発明は、マシニングセンタ、大型マシニングセンタ、歯車機械、研削機械などの工作機械の工具の異常検知に好適なものである。
１０ 門形加工機
２１ 振動センサ
２２ 切削動力計
２３ 音センサ
２４ 主軸モータ
２５ 送りモータ
２６ 記憶部
３０Ａ、３０Ｂ、３０Ｃ、３０Ｄ 異常検知装置
３１ 正常モデル部
３２ 異常診断部
３３ 異常処理部
３４ 再診断部
３５ 交換予測部
３６ 診断モデル部
３７ 異常分類部
４０Ａ、４０Ｂ 取得部

Claims (14)

  1. 工作機械の工具の異常を検知する異常検知装置であって、
    前記工具に関係する複数の測定値を、測定データとして取得する取得部と、
    正常な状態の加工時に取得した前記測定データを、１クラスの機械学習で学習して、正常モデルを作成する第１の学習部と、
    前記正常モデル作成後の加工時に前記測定データを取得しながら、前記正常モデルに基づいて、当該測定データが正常か異常かを診断する診断部と、
    前記診断部で異常と診断された前記測定データを、前記診断部とは異なる方法で再診断する再診断部とを有する
    ことを特徴とする工作機械の工具の異常検知装置。
  2. 請求項１に記載の工作機械の工具の異常検知装置において、
    前記第１の学習部は、前記診断部で異常と診断されなかった前記測定データ及び前記再診断部では異常と診断されなかった前記測定データを、前記１クラスの機械学習で学習して、前記正常モデルを更新する
    ことを特徴とする工作機械の工具の異常検知装置。
  3. 請求項１又は請求項２に記載の工作機械の工具の異常検知装置において、
    前記診断部又は前記再診断部で前記測定データが異常と診断されたとき、前記工具による加工を停止させる処理部を更に有する
    ことを特徴とする工作機械の工具の異常検知装置。
  4. 請求項１から請求項３のいずれか１つに記載の工作機械の工具の異常検知装置において、
    前記第１の学習部は、加工時の加工条件及び切削情報に関係する設定データを加えて、前記１クラスの機械学習で学習して、前記正常モデルを作成又は更新する
    ことを特徴とする工作機械の工具の異常検知装置。
  5. 請求項１から請求項４のいずれか１つに記載の工作機械の工具の異常検知装置において、
    前記１クラスの機械学習がカーネル法を導入した１クラスサポートベクターマシンである場合、当該機械学習により、前記測定データが正常か異常かを正負で診断する識別関数を作成し、前記測定データを入力した前記識別関数の値の経時変化に基づいて、前記値が正の値から０になる時点を、前記工具の交換時期として予測する予測部を更に有する
    ことを特徴とする工作機械の工具の異常検知装置。
  6. 請求項１から請求項５のいずれか１つに記載の工作機械の工具の異常検知装置において、
    前記診断部で異常と診断されて蓄積された複数の前記測定データを、多クラスの機械学習で学習して、診断モデルを作成する第２の学習部と、
    前記診断モデル作成後の加工時に前記測定データを取得しながら、前記診断モデルに基づいて、当該測定データの状態を分類して、前記工具の異常状態を分類する分類部とを更に有する
    ことを特徴とする工作機械の工具の異常検知装置。
  7. 請求項６に記載の工作機械の工具の異常検知装置において、
    前記第２の学習部は、前記診断モデルの作成後、前記診断部で異常と診断された前記測定データを、前記多クラスの機械学習で学習して、前記診断モデルを更新する
    ことを特徴とする工作機械の工具の異常検知装置。
  8. 工作機械の工具の異常を検知する異常検知方法であって、
    前記工具に関係する複数の測定値を、測定データとして取得する取得工程と、
    正常な状態の加工時に取得した前記測定データを、１クラスの機械学習で学習して、正常モデルを作成する第１の学習工程と、
    前記正常モデル作成後の加工時に前記測定データを取得しながら、前記正常モデルに基づいて、当該測定データが正常か異常かを診断する診断工程と、
    前記診断工程で異常と診断された前記測定データを、前記診断工程とは異なる方法で再診断する再診断工程とを有する
    ことを特徴とする工作機械の工具の異常検知方法。
  9. 請求項８に記載の工作機械の工具の異常検知方法において、
    前記第１の学習工程は、前記診断部で異常と診断されなかった前記測定データ及び前記再診断部では異常と診断されなかった前記測定データを、前記１クラスの機械学習で学習して、前記正常モデルを更新する
    ことを特徴とする工作機械の工具の異常検知方法。
  10. 請求項８又は請求項９に記載の工作機械の工具の異常検知方法において、
    前記診断工程又は前記再診断工程で前記測定データが異常と診断されたとき、前記工具による加工を停止させる処理工程を更に有する
    ことを特徴とする工作機械の工具の異常検知方法。
  11. 請求項８から請求項１０のいずれか１つに記載の工作機械の工具の異常検知方法において、
    前記第１の学習工程は、加工時の加工条件及び切削情報に関係する設定データを加えて、前記１クラスの機械学習で学習して、前記正常モデルを作成又は更新する
    ことを特徴とする工作機械の工具の異常検知方法。
  12. 請求項８から請求項１１のいずれか１つに記載の工作機械の工具の異常検知方法において、
    前記１クラスの機械学習がカーネル法を導入した１クラスサポートベクターマシンである場合、当該機械学習により、前記測定データが正常か異常かを正負で診断する識別関数を作成し、前記測定データを入力した前記識別関数の値の経時変化に基づいて、前記値が正の値から０になる時点を、前記工具の交換時期として予測する予測工程を更に有する
    ことを特徴とする工作機械の工具の異常検知方法。
  13. 請求項８から請求項１２のいずれか１つに記載の工作機械の工具の異常検知方法において、
    前記診断工程で異常と診断されて蓄積された複数の前記測定データを、多クラスの機械学習で学習して、診断モデルを作成する第２の学習工程と、
    前記診断モデル作成後の加工時に前記測定データを取得しながら、前記診断モデルに基づいて、当該測定データの状態を分類して、前記工具の異常状態を分類する分類工程とを更に有する
    ことを特徴とする工作機械の工具の異常検知方法。
  14. 請求項１３に記載の工作機械の工具の異常検知方法において、
    前記第２の学習工程は、前記診断モデルの作成後、前記診断工程で異常と診断された前記測定データを、前記多クラスの機械学習で学習して、前記診断モデルを更新する
    ことを特徴とする工作機械の工具の異常検知方法。
JP2016157278A 2016-08-10 2016-08-10 工作機械の工具の異常検知装置及び方法 Active JP6426667B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2016157278A JP6426667B2 (ja) 2016-08-10 2016-08-10 工作機械の工具の異常検知装置及び方法
CN201780047991.0A CN109562500B (zh) 2016-08-10 2017-07-04 机床的工具的异常检测装置及方法
PCT/JP2017/024447 WO2018030033A1 (ja) 2016-08-10 2017-07-04 工作機械の工具の異常検知装置及び方法
US16/324,044 US10525563B2 (en) 2016-08-10 2017-07-04 Abnormality-detecting device and method for tool of machine tool

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016157278A JP6426667B2 (ja) 2016-08-10 2016-08-10 工作機械の工具の異常検知装置及び方法

Publications (2)

Publication Number Publication Date
JP2018024055A true JP2018024055A (ja) 2018-02-15
JP6426667B2 JP6426667B2 (ja) 2018-11-21

Family

ID=61162093

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016157278A Active JP6426667B2 (ja) 2016-08-10 2016-08-10 工作機械の工具の異常検知装置及び方法

Country Status (4)

Country Link
US (1) US10525563B2 (ja)
JP (1) JP6426667B2 (ja)
CN (1) CN109562500B (ja)
WO (1) WO2018030033A1 (ja)

Cited By (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109298680A (zh) * 2018-09-13 2019-02-01 成都数之联科技有限公司 一种数控机床刀具检测的数据采集系统
CN110153801A (zh) * 2019-07-04 2019-08-23 西南交通大学 一种基于多特征融合的刀具磨损状态辨识方法
JP2019204155A (ja) * 2018-05-21 2019-11-28 ファナック株式会社 異常検出器
JP2020003999A (ja) * 2018-06-27 2020-01-09 アズビル株式会社 マスフローコントローラの診断装置および診断方法
JP2020035407A (ja) * 2018-08-31 2020-03-05 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法
JP2020042585A (ja) * 2018-09-11 2020-03-19 ファナック株式会社 制御装置、ｃｎｃ装置及び制御装置の制御方法
JP2020070101A (ja) * 2018-11-02 2020-05-07 オムロン株式会社 噛み込み検知システム
JP2020107073A (ja) * 2018-12-27 2020-07-09 株式会社クボタ マンホールポンプの診断方法及びマンホールポンプの診断装置
JP2020107072A (ja) * 2018-12-27 2020-07-09 株式会社クボタ 機械設備の診断方法及び機械設備の診断装置
WO2020153486A1 (ja) * 2019-01-24 2020-07-30 株式会社荏原製作所 情報処理装置、情報処理プログラム、および情報処理方法
JP2020128014A (ja) * 2019-02-07 2020-08-27 ファナック株式会社 状態判定装置及び状態判定方法
WO2020194583A1 (ja) * 2019-03-27 2020-10-01 日本電気株式会社 異常検知装置、制御方法、及びプログラム
JP2020170327A (ja) * 2019-04-03 2020-10-15 株式会社豊田中央研究所 異常検知装置、異常検知方法、および、コンピュータプログラム
WO2020246662A1 (ko) * 2019-06-05 2020-12-10 가온플랫폼 주식회사 산업 플랜트 설비의 신호 그룹 기반 학습 모델을 이용한 운전 예측 시스템, 방법 및 컴퓨터 프로그램
JP2020203356A (ja) * 2019-06-18 2020-12-24 株式会社ジェイテクト 加工工具の異常検知装置
JP2021000692A (ja) * 2019-06-21 2021-01-07 ファナック株式会社 ツールの状態を学習する機械学習装置、ロボットシステム、及び機械学習方法
JP2021018537A (ja) * 2019-07-18 2021-02-15 オークマ株式会社 工作機械における診断モデルの再学習要否判定方法及び再学習要否判定装置、再学習要否判定プログラム
JP2021060633A (ja) * 2019-10-02 2021-04-15 ファナック株式会社 診断装置
WO2021235217A1 (ja) * 2020-05-18 2021-11-25 住友電気工業株式会社 判定装置、切削工具システムおよび判定方法
JPWO2022091291A1 (ja) * 2020-10-29 2022-05-05
JP2022094728A (ja) * 2020-12-15 2022-06-27 オークマ株式会社 工作機械の加工異常診断装置及び加工異常診断方法
JP2022109185A (ja) * 2021-01-14 2022-07-27 ブラザー工業株式会社 異常兆候検知装置、異常兆候検知方法、および、コンピュータプログラム
KR20220157168A (ko) * 2021-05-20 2022-11-29 주식회사 유성티앤엠 인공지능 기반 절삭공구 마모 관리 시스템 및 그 방법
JP7276631B1 (ja) * 2022-08-08 2023-05-18 住友電気工業株式会社 異常検知システム、異常検知装置、異常検知方法、及びコンピュータプログラム
JP7287528B1 (ja) 2022-03-30 2023-06-06 凸版印刷株式会社 資材管理システム、資材管理方法、資材管理装置、及びプログラム
JP2023106206A (ja) * 2022-01-20 2023-08-01 オークマ株式会社 工作機械の診断装置及び診断方法、診断プログラム
JP2023109769A (ja) * 2021-11-30 2023-08-08 三菱電機株式会社 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム
JP2023111015A (ja) * 2022-01-31 2023-08-10 住友重機械工業株式会社 加工装置、加工機の制御装置、加工方法及び制御プログラム
JP2023168693A (ja) * 2022-05-16 2023-11-29 富士電機株式会社 誤検知判別装置、誤検知判別方法及びプログラム
WO2023243043A1 (ja) 2022-06-16 2023-12-21 住友電気工業株式会社 異常検知システム、異常検知装置、異常検知方法、及びコンピュータプログラム
CN117274864A (zh) * 2022-10-13 2023-12-22 成都秦川物联网科技股份有限公司 基于异常识别的工业物联网及控制方法
KR20240072777A (ko) * 2022-11-17 2024-05-24 김민구 스핀들 부하율을 활용한 공구마모 및 교체시점 예측시스템 및 방법
JP2024093865A (ja) * 2022-12-27 2024-07-09 株式会社川崎製作所 異常検知装置及び異常検知方法
CN119336006A (zh) * 2024-12-24 2025-01-21 北京航空航天大学 一种数控机床加工过程健康状态的监测方法
DE112024002645T5 (de) 2023-06-21 2026-04-16 Mitsubishi Electric Corporation Lernvorrichtung und schnittstellenvorrichtung

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6426667B2 (ja) * 2016-08-10 2018-11-21 三菱重工工作機械株式会社 工作機械の工具の異常検知装置及び方法
JP6780595B2 (ja) * 2017-07-18 2020-11-04 横河電機株式会社 機器情報提供装置、機器情報提供方法、機器情報提供プログラム及び記録媒体
KR102025145B1 (ko) * 2017-09-01 2019-09-25 두산중공업 주식회사 플랜트 데이터 예측 장치 및 방법
JP6698603B2 (ja) * 2017-09-29 2020-05-27 ファナック株式会社 数値制御システム、及び運転状態異常検知方法
JP7000560B2 (ja) * 2018-03-26 2022-01-19 株式会社Fuji 異常予兆検出装置および工作機械
WO2019226715A1 (en) 2018-05-21 2019-11-28 Promptlink Communications, Inc. Techniques for assessing a customer premises equipment device
JPWO2019239606A1 (ja) * 2018-06-15 2020-06-25 三菱電機株式会社 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム
JP7002411B2 (ja) 2018-06-18 2022-01-20 株式会社日立製作所 設備状態判定装置、設備状態判定方法、及び設備管理システム
EP3614220A1 (de) * 2018-08-20 2020-02-26 Siemens Aktiengesellschaft Bestimmen von zuständen einer vorrichtung mittels support-vektor-maschinen
CZ308664B6 (cs) * 2018-09-30 2021-02-03 4Dot Mechatronic Systems S.R.O. ) Diagnostický systém obráběcích strojů
JP7181753B2 (ja) * 2018-10-12 2022-12-01 株式会社アドバンテスト 解析装置、解析方法および解析プログラム
JP2020064481A (ja) * 2018-10-18 2020-04-23 株式会社日立製作所 監視システムおよび監視方法
JP6950670B2 (ja) * 2018-12-12 2021-10-13 横河電機株式会社 検出装置、検出方法、および、検出プログラム
JP7268722B2 (ja) 2019-03-27 2023-05-08 日産自動車株式会社 異常検知装置、及び異常検知方法
EP3715977A1 (en) * 2019-03-27 2020-09-30 Renishaw PLC Calibration method and method of obtaining workpiece information
EP3948702A4 (en) 2019-03-29 2023-07-26 Saint-Gobain Abrasives, Inc. POWER LOOP SOLUTIONS
WO2020206382A1 (en) 2019-04-03 2020-10-08 Saint-Gobain Abrasives, Inc. Abrasive article, abrasive system and method for using and forming same
KR102644428B1 (ko) * 2019-05-03 2024-03-06 현대자동차 주식회사 용접건 관리 시스템 및 그 방법
JP7454921B2 (ja) * 2019-07-11 2024-03-25 Juki株式会社 縫い目検査装置、縫い目検査方法、及びコンピュータプログラム
TW202105100A (zh) * 2019-07-16 2021-02-01 神通資訊科技股份有限公司 自動加工機之異常偵測系統及方法
CN110405537B (zh) * 2019-07-17 2022-02-08 湘潭大学 一种基于深度学习的导轨精度预测模型的建立方法
WO2021046738A1 (zh) * 2019-09-11 2021-03-18 大连理工大学 一种基于堆叠自编码器的深孔镗刀状态监测方法
CN110561192A (zh) * 2019-09-11 2019-12-13 大连理工大学 一种基于堆叠自编码器的深孔镗刀状态监测方法
JP2021082126A (ja) * 2019-11-21 2021-05-27 三菱重工業株式会社 異常検出装置、異常検出方法およびプログラム
FR3106770B1 (fr) * 2020-02-03 2022-02-11 Airbus Systeme d’estimation indirecte de l’état d’usure d’un outil coupant
JP7369856B2 (ja) * 2020-04-02 2023-10-26 ファナック株式会社 工具状態学習装置、工具状態推定装置、制御装置、工具状態学習方法、及び工具状態推定方法
EP3893066A1 (de) * 2020-04-09 2021-10-13 Siemens Aktiengesellschaft Verfahren und vorrichtung zum betrieb einer maschine mit einem werkzeug
CN112008543B (zh) * 2020-07-20 2022-11-01 上海大制科技有限公司 一种焊枪电极帽修磨异常诊断方法
JP7466652B2 (ja) * 2020-07-28 2024-04-12 川崎重工業株式会社 状態監視装置、状態異常判別方法及び状態異常判別プログラム
US12475408B2 (en) * 2020-08-11 2025-11-18 Mitsubishi Electric Corporation Learning system, learning method, and recording medium
CN115917458A (zh) * 2020-08-26 2023-04-04 三菱电机株式会社 数据处理装置、数据处理方法及数据处理程序
JP6900564B1 (ja) * 2020-09-02 2021-07-07 Dmg森精機株式会社 工作機械および情報処理装置
DE112020007792T5 (de) * 2020-11-12 2023-09-28 Mitsubishi Electric Corporation Bearbeitungsdiagnosevorrichtung, Lernvorrichtung, Inferenzvorrichtung, Bearbeitungsdiagnoseverfahren und Programm
WO2022132907A1 (en) * 2020-12-15 2022-06-23 University Of Cincinnati Tool condition monitoring system
JP7632966B2 (ja) * 2021-01-26 2025-02-19 日東電工株式会社 異常検知システム、異常検知方法及び異常検知プログラム
JP7332645B2 (ja) * 2021-03-17 2023-08-23 芝浦機械株式会社 工具の形状異常検出装置、工具の形状異常検出方法
CN113210824B (zh) * 2021-05-26 2022-09-02 上海大制科技有限公司 一种伺服焊枪驱动的异常检测方法及设备
WO2022258240A1 (de) 2021-06-09 2022-12-15 Kistler Holding Ag Verfahren zur spanenden bearbeitung eines werkstückes
DE102021119985A1 (de) * 2021-08-02 2023-02-02 Prüftechnik Dieter Busch GmbH Überwachungsvorrichtung und Überwachungsverfahren zur Erfassung eines Diagnosezustands
JP7444186B2 (ja) * 2022-03-22 2024-03-06 横河電機株式会社 モデル検証装置、モデル検証方法、および、モデル検証プログラム
CN114670062B (zh) * 2022-05-31 2022-08-23 苏芯物联技术(南京)有限公司 一种钻孔刀具磨损状态实时检测方法及系统
KR102701023B1 (ko) * 2022-12-26 2024-08-30 주식회사 에임즈 인공지능을 활용한 공구상태 진단 방법 및 시스템
WO2025258722A1 (ko) * 2024-06-14 2025-12-18 주식회사 에임즈 인공지능을 활용한 공구상태 진단 방법 및 시스템
CN119589493B (zh) * 2024-11-14 2025-12-02 中航西安飞机工业集团股份有限公司 一种钛合金航空结构件粗加工刀具磨损自适应监测方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6274553A (ja) * 1985-09-25 1987-04-06 Kawasaki Steel Corp 切削工具の異常検出方法
JPH07182035A (ja) * 1993-12-24 1995-07-21 Toshiba Corp 回転機械の音響・振動診断装置及び方法
JPH11267949A (ja) * 1998-03-20 1999-10-05 Kawasaki Heavy Ind Ltd 工具摩耗検知装置および方法
JP2010142934A (ja) * 2008-12-22 2010-07-01 Nihon Id System Kk ツーリングホルダ振れ検出システム
WO2011089649A1 (ja) * 2010-01-22 2011-07-28 株式会社日立製作所 診断装置及び診断方法
JP2012150721A (ja) * 2011-01-20 2012-08-09 Tokyo Electron Ltd 処理装置の異常診断方法及びその異常診断システム
JP2015203646A (ja) * 2014-04-15 2015-11-16 三菱重工業株式会社 工作機械の診断方法及びシステム
JP5845374B1 (ja) * 2015-08-05 2016-01-20 株式会社日立パワーソリューションズ 異常予兆診断システム及び異常予兆診断方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5579232A (en) * 1993-03-29 1996-11-26 General Electric Company System and method including neural net for tool break detection
JPH08328651A (ja) * 1995-06-06 1996-12-13 Hitachi Ltd データ収集方法及び装置
US20070094166A1 (en) * 2002-08-05 2007-04-26 Edwin Addison Knowledge-based methods for genetic network analysis and the whole cell computer system based thereon
US7076472B2 (en) * 2002-08-05 2006-07-11 Edwin Addison Knowledge-based methods for genetic network analysis and the whole cell computer system based thereon
US8494978B2 (en) * 2007-11-02 2013-07-23 Ebay Inc. Inferring user preferences from an internet based social interactive construct
JP5710391B2 (ja) 2011-06-09 2015-04-30 株式会社日立製作所 工作機械の加工異常検知装置及び加工異常検知方法
JP5831216B2 (ja) 2011-12-27 2015-12-09 Ｊｆｅスチール株式会社 工具損傷検出方法及び装置
JP5672560B2 (ja) * 2012-03-29 2015-02-18 住友金属鉱山株式会社 高純度硫酸ニッケルの製造方法
US9980738B2 (en) * 2013-09-25 2018-05-29 University of Pittsburgh—of the Commonwealth System of Higher Education Surgical tool monitoring system and methods of use
JP6501156B2 (ja) 2014-08-11 2019-04-17 日立金属株式会社 工具異常検知方法
WO2016131021A1 (en) * 2015-02-12 2016-08-18 Glowforge Inc. Safety and reliability guarantees for laser fabrication
US10245698B2 (en) * 2016-05-06 2019-04-02 Massachusetts Institute Of Technology Method and apparatus for efficient use of CNC machine shaping tool including cessation of use no later than the onset of tool deterioration by monitoring audible sound during shaping
JP6426667B2 (ja) * 2016-08-10 2018-11-21 三菱重工工作機械株式会社 工作機械の工具の異常検知装置及び方法
US20180100894A1 (en) * 2016-10-07 2018-04-12 United States Of America As Represented By The Secretary Of The Navy Automatic Generation of Test Sequences

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6274553A (ja) * 1985-09-25 1987-04-06 Kawasaki Steel Corp 切削工具の異常検出方法
JPH07182035A (ja) * 1993-12-24 1995-07-21 Toshiba Corp 回転機械の音響・振動診断装置及び方法
JPH11267949A (ja) * 1998-03-20 1999-10-05 Kawasaki Heavy Ind Ltd 工具摩耗検知装置および方法
JP2010142934A (ja) * 2008-12-22 2010-07-01 Nihon Id System Kk ツーリングホルダ振れ検出システム
WO2011089649A1 (ja) * 2010-01-22 2011-07-28 株式会社日立製作所 診断装置及び診断方法
JP2012150721A (ja) * 2011-01-20 2012-08-09 Tokyo Electron Ltd 処理装置の異常診断方法及びその異常診断システム
JP2015203646A (ja) * 2014-04-15 2015-11-16 三菱重工業株式会社 工作機械の診断方法及びシステム
JP5845374B1 (ja) * 2015-08-05 2016-01-20 株式会社日立パワーソリューションズ 異常予兆診断システム及び異常予兆診断方法

Cited By (64)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019204155A (ja) * 2018-05-21 2019-11-28 ファナック株式会社 異常検出器
US11592800B2 (en) 2018-05-21 2023-02-28 Fanuc Corporation Abnormality detector of a manufacturing machine using machine learning
JP2020003999A (ja) * 2018-06-27 2020-01-09 アズビル株式会社 マスフローコントローラの診断装置および診断方法
JP7144213B2 (ja) 2018-06-27 2022-09-29 アズビル株式会社 マスフローコントローラの診断装置および診断方法
JP2020035407A (ja) * 2018-08-31 2020-03-05 株式会社日立パワーソリューションズ 異常予兆診断装置及び異常予兆診断方法
US11287801B2 (en) 2018-09-11 2022-03-29 Fanuc Corporation Control device, CNC device, and control method
JP2020042585A (ja) * 2018-09-11 2020-03-19 ファナック株式会社 制御装置、ｃｎｃ装置及び制御装置の制御方法
DE102019213431B4 (de) 2018-09-11 2025-02-06 Fanuc Corporation Steuervorrichtung, CNC-Vorrichtung und Steuerverfahren
CN109298680A (zh) * 2018-09-13 2019-02-01 成都数之联科技有限公司 一种数控机床刀具检测的数据采集系统
JP2020070101A (ja) * 2018-11-02 2020-05-07 オムロン株式会社 噛み込み検知システム
JP7205751B2 (ja) 2018-11-02 2023-01-17 オムロン株式会社 噛み込み検知システム
CN111537205B (zh) * 2018-12-27 2024-07-09 株式会社久保田 机械设备的诊断方法和机械设备的诊断装置
JP7498321B2 (ja) 2018-12-27 2024-06-11 株式会社クボタ マンホールポンプの診断方法及びマンホールポンプの診断装置
JP2023078117A (ja) * 2018-12-27 2023-06-06 株式会社クボタ マンホールポンプの診断方法及びマンホールポンプの診断装置
JP2020107073A (ja) * 2018-12-27 2020-07-09 株式会社クボタ マンホールポンプの診断方法及びマンホールポンプの診断装置
JP2020107072A (ja) * 2018-12-27 2020-07-09 株式会社クボタ 機械設備の診断方法及び機械設備の診断装置
CN111537205A (zh) * 2018-12-27 2020-08-14 株式会社久保田 机械设备的诊断方法和机械设备的诊断装置
WO2020153486A1 (ja) * 2019-01-24 2020-07-30 株式会社荏原製作所 情報処理装置、情報処理プログラム、および情報処理方法
JP2020128014A (ja) * 2019-02-07 2020-08-27 ファナック株式会社 状態判定装置及び状態判定方法
US11731332B2 (en) 2019-02-07 2023-08-22 Fanuc Corporation State determination device and state determination method
US12175646B2 (en) 2019-03-27 2024-12-24 Nec Corporation Abnormality detection apparatus, control method, and program
JPWO2020194583A1 (ja) * 2019-03-27 2020-10-01
WO2020194583A1 (ja) * 2019-03-27 2020-10-01 日本電気株式会社 異常検知装置、制御方法、及びプログラム
JP2020170327A (ja) * 2019-04-03 2020-10-15 株式会社豊田中央研究所 異常検知装置、異常検知方法、および、コンピュータプログラム
WO2020246662A1 (ko) * 2019-06-05 2020-12-10 가온플랫폼 주식회사 산업 플랜트 설비의 신호 그룹 기반 학습 모델을 이용한 운전 예측 시스템, 방법 및 컴퓨터 프로그램
JP7342444B2 (ja) 2019-06-18 2023-09-12 株式会社ジェイテクト 加工工具の異常検知装置
JP2020203356A (ja) * 2019-06-18 2020-12-24 株式会社ジェイテクト 加工工具の異常検知装置
JP2021000692A (ja) * 2019-06-21 2021-01-07 ファナック株式会社 ツールの状態を学習する機械学習装置、ロボットシステム、及び機械学習方法
JP7401207B2 (ja) 2019-06-21 2023-12-19 ファナック株式会社 ツールの状態を学習する機械学習装置、ロボットシステム、及び機械学習方法
US11712801B2 (en) 2019-06-21 2023-08-01 Fanuc Corporation Machine learning apparatus, robot system, and machine learning method of learning state of tool
CN110153801A (zh) * 2019-07-04 2019-08-23 西南交通大学 一种基于多特征融合的刀具磨损状态辨识方法
JP2021018537A (ja) * 2019-07-18 2021-02-15 オークマ株式会社 工作機械における診断モデルの再学習要否判定方法及び再学習要否判定装置、再学習要否判定プログラム
JP2021060633A (ja) * 2019-10-02 2021-04-15 ファナック株式会社 診断装置
JP7036292B1 (ja) * 2020-05-18 2022-03-15 住友電気工業株式会社 判定装置、切削工具システムおよび判定方法
WO2021235217A1 (ja) * 2020-05-18 2021-11-25 住友電気工業株式会社 判定装置、切削工具システムおよび判定方法
WO2022091291A1 (ja) * 2020-10-29 2022-05-05 日本電気株式会社 情報処理装置、情報処理方法および記録媒体
JPWO2022091291A1 (ja) * 2020-10-29 2022-05-05
JP7552714B2 (ja) 2020-10-29 2024-09-18 日本電気株式会社 情報処理装置、情報処理方法およびプログラム
JP2022094728A (ja) * 2020-12-15 2022-06-27 オークマ株式会社 工作機械の加工異常診断装置及び加工異常診断方法
JP7642356B2 (ja) 2020-12-15 2025-03-10 オークマ株式会社 工作機械の加工異常診断装置及び加工異常診断方法
JP2022109185A (ja) * 2021-01-14 2022-07-27 ブラザー工業株式会社 異常兆候検知装置、異常兆候検知方法、および、コンピュータプログラム
JP7615695B2 (ja) 2021-01-14 2025-01-17 ブラザー工業株式会社 異常兆候検知装置、異常兆候検知方法、および、コンピュータプログラム
KR20220157168A (ko) * 2021-05-20 2022-11-29 주식회사 유성티앤엠 인공지능 기반 절삭공구 마모 관리 시스템 및 그 방법
KR102656853B1 (ko) * 2021-05-20 2024-04-17 주식회사 유성티앤엠 인공지능 기반 절삭공구 마모 관리 시스템 및 그 방법
JP2023109769A (ja) * 2021-11-30 2023-08-08 三菱電機株式会社 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム
JP7536138B2 (ja) 2021-11-30 2024-08-19 三菱電機株式会社 学習装置、異常兆候検知装置、異常兆候検知システム、学習方法およびプログラム
JP7700058B2 (ja) 2022-01-20 2025-06-30 オークマ株式会社 工作機械の診断装置及び診断方法、診断プログラム
JP2023106206A (ja) * 2022-01-20 2023-08-01 オークマ株式会社 工作機械の診断装置及び診断方法、診断プログラム
JP7805184B2 (ja) 2022-01-31 2026-01-23 住友重機械工業株式会社 加工装置、加工機の制御装置、加工方法及び制御プログラム
JP2023111015A (ja) * 2022-01-31 2023-08-10 住友重機械工業株式会社 加工装置、加工機の制御装置、加工方法及び制御プログラム
JP7287528B1 (ja) 2022-03-30 2023-06-06 凸版印刷株式会社 資材管理システム、資材管理方法、資材管理装置、及びプログラム
JP2023148703A (ja) * 2022-03-30 2023-10-13 凸版印刷株式会社 資材管理システム、資材管理方法、資材管理装置、及びプログラム
JP2023168693A (ja) * 2022-05-16 2023-11-29 富士電機株式会社 誤検知判別装置、誤検知判別方法及びプログラム
WO2023243043A1 (ja) 2022-06-16 2023-12-21 住友電気工業株式会社 異常検知システム、異常検知装置、異常検知方法、及びコンピュータプログラム
JP7276631B1 (ja) * 2022-08-08 2023-05-18 住友電気工業株式会社 異常検知システム、異常検知装置、異常検知方法、及びコンピュータプログラム
WO2024033978A1 (ja) 2022-08-08 2024-02-15 住友電気工業株式会社 異常検知システム、異常検知装置、異常検知方法、及びコンピュータプログラム
EP4570429A4 (en) * 2022-08-08 2025-11-05 Sumitomo Electric Industries ANOMALY DETECTION SYSTEM, ANOMALY DETECTION DEVICE, ANOMALY DETECTION METHOD AND COMPUTER PROGRAM
CN117274864A (zh) * 2022-10-13 2023-12-22 成都秦川物联网科技股份有限公司 基于异常识别的工业物联网及控制方法
KR102780856B1 (ko) 2022-11-17 2025-03-12 김민구 스핀들 부하율을 활용한 공구마모 및 교체시점 예측시스템 및 방법
KR20240072777A (ko) * 2022-11-17 2024-05-24 김민구 스핀들 부하율을 활용한 공구마모 및 교체시점 예측시스템 및 방법
JP7723926B2 (ja) 2022-12-27 2025-08-15 株式会社川崎製作所 異常検知装置及び異常検知方法
JP2024093865A (ja) * 2022-12-27 2024-07-09 株式会社川崎製作所 異常検知装置及び異常検知方法
DE112024002645T5 (de) 2023-06-21 2026-04-16 Mitsubishi Electric Corporation Lernvorrichtung und schnittstellenvorrichtung
CN119336006A (zh) * 2024-12-24 2025-01-21 北京航空航天大学 一种数控机床加工过程健康状态的监测方法

Also Published As

Publication number Publication date
CN109562500B (zh) 2019-11-26
US10525563B2 (en) 2020-01-07
JP6426667B2 (ja) 2018-11-21
CN109562500A (zh) 2019-04-02
WO2018030033A1 (ja) 2018-02-15
US20190210176A1 (en) 2019-07-11

Similar Documents

Publication Publication Date Title
JP6426667B2 (ja) 工作機械の工具の異常検知装置及び方法
JP6340236B2 (ja) 工作機械の診断方法及びシステム
JP6404893B2 (ja) 工具寿命推定装置
EP3864475B1 (en) Method and system for monitoring tool wear to estimate rul of tool in machining
CN110088699B (zh) 信息处理方法、信息处理系统以及信息处理装置
US6845340B2 (en) System and method for machining data management
JP6752866B2 (ja) 刃具状態検査システム及び方法
KR102491716B1 (ko) 가공 환경 추정 장치
JP6823025B2 (ja) 検査装置及び機械学習方法
KR101865897B1 (ko) 서포트 벡터 머신을 이용한 회전체 수명 진단방법
JP6795562B2 (ja) 検査装置及び機械学習方法
JP2023510463A (ja) 加工プロセスおよび／または加工結果を監視および／または予測するための方法
JP2020138254A (ja) 工作機械の加工不良発生予測システム
CN112987682B (zh) 控制方法、控制装置和机械设备
JP7154100B2 (ja) 工作機械の加工異常検出装置
CN106020116A (zh) 具有对机器人进行异常诊断的功能的机器人控制装置
JP7271872B2 (ja) 異常判定装置、異常判定システムおよび異常判定方法
CN109725601B (zh) 综合加工系统、综合加工方法以及计算机可读介质
JP7187397B2 (ja) 工作機械における診断モデルの再学習要否判定方法及び再学習要否判定装置、再学習要否判定プログラム
EP3825800A1 (en) Anomaly detection device, method of detecting anomaly, and program
KR20220157168A (ko) 인공지능 기반 절삭공구 마모 관리 시스템 및 그 방법
CN111989629A (zh) 故障预兆诊断系统以及故障预兆诊断方法
KR20230054554A (ko) 공구마모 변화량 기반 공구마모 추정 모델 생성 방법
US20230314282A1 (en) Apparatus and method for status diagnosis of machine tools
JP2024062242A (ja) 加工異常診断のための情報更新装置及び情報更新方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180720

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20180720

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20180803

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180814

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20180912

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20181023

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20181025

R150 Certificate of patent or registration of utility model

Ref document number: 6426667

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250