CN115348913B - 诊断装置、诊断方法及计算机可读取的非暂时性的记录介质 - Google Patents

Abstract

诊断装置(10)对由多个工作机械分别用于对加工对象物进行加工的刀具的有无异常进行诊断。诊断装置(10)具有：取得部(110)，其在工作机械执行加工时，取得用于对由工作机械执行的程序进行识别的程序识别信息、表示在加工中使用的刀具的类别的刀具信息、表示从通过执行程序进行的加工的开始至结束为止的工作机械的负载的推移的推移信息；以及诊断部(160)，其诊断根据推移信息而得到的负载的指标值是否从与程序识别信息、刀具信息及用于对送出了推移信息的工作机械进行识别的机械信息的组合相对应而预先确定的范围脱离。

Description

诊断装置、诊断方法及计算机可读取的非暂时性的记录介质

技术领域

本发明涉及诊断装置、诊断方法及程序。

背景技术

已知使用刀具而执行以金属的切削加工为代表的各种加工的工作机械。在这种工作机械中，为了避免由于刀具的磨损或损坏而产生问题品，希望在问题品产生前对使用了一定程度的刀具进行更换。但是，在基于加工次数进行更换的情况下，无法与实际的刀具的状态相应地更换刀具，因此有可能废弃仍能够使用的刀具及进行不需要的更换作业。

因此，提出了对工作机械中的刀具的异常进行检测的技术(例如，参照专利文献1)。专利文献1所记载的刀具异常检测装置，将刀具寿命判定用阈值数据和加工时的负载进行比较而进行异常判定。由此，能够与加工时的负载相应地判定有无异常。

专利文献1：日本特开平5－337790号公报

发明内容

在专利文献1的装置中，对与单一的工作机械有关的负载进行检测。因此，如果对设为有无异常的判定对象的工作机械进行变更，则即使是设置有多个工作机械的现场，也能够对安装于各个工作机械的刀具的有无异常进行判定。但是，通常来说，在工作机械不同的情况下，即使刀具及加工工序相同，工作机械的负载也不一定相同。因此，在每次对判定对象的工作机械进行变更时，需要设定与该工作机械相对应的数据，有可能用于对工作机械的刀具的状态进行监视的设定作业变得繁琐。

本发明就是鉴于上述情况而提出的，其目的在于使用于对工作机械的刀具的状态进行监视的设定作业变得简单。

为了达到上述目的，本发明的诊断装置对由多个工作机械分别用于对加工对象物进行加工的刀具的有无异常进行诊断，该诊断装置具有：取得单元，其在工作机械执行加工时，取得用于对由工作机械执行的程序进行识别的程序识别信息、表示在加工中使用的刀具的类别的刀具信息、表示从通过执行程序进行的加工的开始至结束为止的工作机械的负载的推移的推移信息；以及诊断单元，其诊断根据推移信息而得到的负载的指标值是否从与程序识别信息、刀具信息及用于对送出了推移信息的工作机械进行识别的机械信息的组合相对应地预先确定的范围脱离。

发明的效果

根据本发明，诊断单元诊断负载的指标值是否从与程序识别信息、刀具信息及用于对工作机械进行识别的机械信息的组合相对应地预先确定的范围脱离。因此，针对工作机械分别执行适于该工作机械的诊断。因此，能够使用于对工作机械的刀具的状态进行监视的设定作业变得简单。

附图说明

图1是表示实施方式1所涉及的诊断***的结构的图。

图2是表示实施方式1所涉及的诊断装置的硬件结构的图。

图3是表示实施方式1所涉及的诊断装置的功能结构的图。

图4是表示实施方式1所涉及的推移信息的一个例子的图。

图5是表示在实施方式1所涉及的模型存储部中存储的数据的一个例子的图。

图6是表示在实施方式1所涉及的履历存储部中存储的数据的一个例子的图。

图7是表示图形的一个例子的图，该图形表示实施方式1所涉及的指标值的履历。

图8是表示在实施方式1所涉及的阈值存储部中存储的数据的一个例子的图。

图9是用于说明通过实施方式1所涉及的预测部进行的预测的图。

图10是表示实施方式1所涉及的诊断***处理的流程图。

图11是表示实施方式2所涉及的诊断装置的结构的图。

图12是表示由实施方式2所涉及的阈值设定部设定的阈值的图。

具体实施方式

下面，参照附图对本发明的实施方式所涉及的诊断***100详细地进行说明。

实施方式1

本实施方式所涉及的诊断***100如图1所示，是对分别安装于多个工作机械30的刀具32的有无异常进行诊断，在检测出异常的情况下向对刀具的状态进行监视的用户提示更换刀具的***。诊断***100具有：诊断装置10，其对有无异常进行诊断；多个收集接口20，它们用于由诊断装置10从工作机械30分别收集信息；以及多个工作机械30。

工作机械30各自例如是执行CNC(Computerized Numerical Control)加工的加工中心或车削中心。在工作机械30中预先储存多个子程序31，并且预先收纳有多个刀具32。工作机械30执行多个子程序31之中的从外部指定出的1个子程序31，由此对多个刀具32之中的任1个刀具32进行选择，使用选择出的刀具对加工对象物40即工件进行加工。

子程序31各自例如是以通过G码记述的NC(Numerical Control)程序为代表的加工程序，且在由工作机械30执行加工时从工作机械30的主程序被调用而被执行。多个子程序31是为了执行不同的加工工序而设计出的。关于通过多个子程序31实现的不同的加工工序，例如可以是应该对加工对象物40实施的形状不同的切削加工，也可以是加工精度不同的同一形状的切削加工，也可以是切削加工和其他加工。

刀具32各自例如是立铣刀、面铣刀或钻头。多个刀具32例如可以是材质及刃径不同的立铣刀，也可以是立铣刀和钻头的组合。刀具32各自在每次被使用时发生磨损而劣化，因此希望在达到其寿命前，更换为相同类别的刀具32。在这里，刀具32的类别相当于型号或产品编号，如果刀具32被更换为相同类别的刀具32，则在与更换前相同的子程序31被执行时，实现与更换前同等的加工工序。通过诊断***100诊断的刀具32的异常可以是刀具32达到了寿命，也可以是在达到寿命前应该更换刀具32的状态，也可以是推荐准备与刀具32相同类别的新刀具32的状态。

诊断装置10例如是IPC(Industrial Personal Computer)或PLC(ProgrammableLogic Controller)。诊断装置10可以是对多个工作机械30进行控制的控制器，也可以是不对工作机械30进行控制，而是对刀具32的状态进行诊断的计算机。诊断装置10经由收集接口20从工作机械30对后面记述的信息进行收集。

收集接口20可以是安装于工作机械30而用于与诊断装置10进行通信的接合器，也可以是在诊断装置10及工作机械30中的至少一者通过执行软件而实现的功能。

在图2示出了诊断装置10的硬件结构。诊断装置10如图2所示，具有处理器11、主存储部12、辅助存储部13、输入部14、输出部15和通信部16。主存储部12、辅助存储部13、输入部14、输出部15及通信部16都经由内部总线17与处理器11连接。

处理器11包含CPU(Central Processing Unit)或MPU(Micro Processing Unit)。处理器11通过执行在辅助存储部13中存储的程序P1，从而发挥后面记述的功能。

主存储部12包含RAM(Random Access Memory)。从辅助存储部13将程序P1下载至主存储部12。而且，主存储部12用作处理器11的作业区域。

辅助存储部13包含以EEPROM(Electrically Erasable Programmable Read-OnlyMemory)为代表的非易失性存储器。辅助存储部13除了程序P1以外，还对在处理器11的处理中使用的各种数据进行存储。辅助存储部13按照处理器11的指示，将由处理器11利用的数据供给至处理器11，对从处理器11供给的数据进行存储。

输入部14包含以输入键及指拨开关为代表的输入设备。输入部14取得由诊断装置10的用户输入的信息，将所取得的信息通知给处理器11。

输出部15包含以LED(Light Emitting Diode)及LCD(Liquid Crystal Display)为代表的输出设备。输出部15按照处理器11的指示将各种信息提示给用户。

通信部16包含用于与外部的装置进行通信的网络接口电路。通信部16从外部对信号进行接收，将由该信号表示的信息向处理器11通知。另外，通信部16将表示从处理器11输出的信息的信号向外部的装置发送。

诊断装置10通过上述硬件结构协同动作而发挥各种功能。在图3示出了诊断装置10的功能结构。如图3所示，诊断装置10具有：取得部110，其从工作机械30取得信息；模型确定部120，其对成为诊断装置10所涉及的诊断对象的模型进行确定；模型存储部121，其对与模型相关的信息进行存储；指标值计算部130，其对工作机械30所涉及的加工的负载的指标值进行计算；履历存储部131，其对计算出的指标值的履历进行存储；显示部140，其对指标值的履历进行显示；接收部150，其从用户接收针对每个模型而设定的阈值；阈值存储部151，其对接收到的阈值进行存储；诊断部160，其基于指标值和阈值的比较而诊断有无刀具32的异常；输出部170，其将诊断结果进行输出；以及预测部180，其基于指标值的履历对直至刀具32达到寿命为止可执行的加工次数进行预测。

取得部110主要通过处理器11及通信部16的协同动作而实现。取得部110从执行加工的工作机械30经由收集接口20而取得表示执行加工的工作机械30的负载的推移的推移信息、和表示由工作机械30实施的加工工序的条件的加工条件信息。

推移信息是表示在1次加工中，在构成工作机械30的电动机中流动的电流值或该电动机的消耗电力的推移的时序数据。在这里，电动机是与加工有关的电动机，且可以是使刀具32旋转的主轴的电动机，也可以是使固定有加工对象物40的工作台移动的进给轴的电动机。如果刀具32磨损，则工作机械30增大电动机的输出而实施子程序31所规定出的加工工序，因此刀具32越磨损，则电动机的负载变得越大。取得部110可以从加工的开始至结束为止实时地从工作机械30取得电动机的负载的值，也可以在加工结束后取得表示电动机的负载的推移的数据。

在图4示出了推移信息的一个例子。如图4例示那样，电动机的负载在从加工的开始时即零秒至结束时即66秒为止，主要与刀具32和加工对象物40的接触状态相应地变动。

加工条件信息包含：装置ID，其用于从其他工作机械30对工作机械30进行识别；子程序ID，其用于从其他子程序31对为了实施加工工序而执行的子程序31进行识别；以及刀具ID，其表示在加工中使用的刀具的类别。

装置ID可以是预先分配给工作机械30而由工作机械30本身存储的编号，也可以是作为FA(Factory Automation)网络而形成的诊断***中的工作机械30的地址。

子程序ID可以是子程序31的名称，也可以是根据子程序31的码进行计算的哈希值。在不同的工作机械30中储存的表示同一子程序31的子程序ID可以相同，也可以不同。子程序ID至少是能够从在工作机械30中储存的其他子程序31对在单一的该工作机械30中储存的一个子程序31进行识别的ID即可。

刀具ID例如是刀具32的型号或产品编号。但是，刀具ID并不限定于此，只要是能够从其他类别的刀具32对一个类别的刀具32进行识别的ID即可。刀具ID至少是能够从在工作机械30中收纳的其他刀具32对在单一的该工作机械30收纳的一个刀具32进行识别的ID即可。

将这些装置ID、子程序ID及刀具ID组合后的加工工序通常被重复执行。而且，与刀具ID相对应的刀具32在每次执行该加工工序时发生磨损，因此装置ID、子程序ID及刀具ID的组合为了对刀具32的状态进行判断而成为有效的参数。诊断装置10将该组合规定为后面记述的模型而进行管理。

此外，装置ID、子程序ID及刀具ID各自也可以是由用户设定的任意编号。另外，在诊断装置10预先对工作机械30各自的装置ID进行存储的情况下，取得部110可以不取得装置ID。另外，取得部110也可以从与工作机械30不同的设备取得装置ID。取得部110在诊断装置10中相当于取得单元的一个例子，该取得单元在由工作机械30执行加工时，取得作为用于对由工作机械30执行的程序进行识别的程序识别信息的子程序ID、作为表示在加工中使用的刀具的类别的刀具信息的刀具ID、表示从通过执行程序而实现的加工的开始至结束为止的工作机械30的负载的推移的推移信息。

模型确定部120主要通过处理器11而实现。模型确定部120经由取得部110而取得从工作机械30送出的加工条件信息。而且，模型确定部120根据在模型存储部121中存储的模型对由所取得的加工条件信息所包含的装置ID、子程序ID及刀具ID的组合而规定的模型进行确定。另外，模型确定部120在与所取得的加工条件信息相对应的模型没有存储于模型存储部121的情况下，将该模型确定为新的模型，登记于模型存储部121。而且，模型确定部120将表示确定出的模型的信息送出至指标值计算部130。

模型存储部121主要通过辅助存储部13而实现。模型存储部121存储多个作为装置ID、子程序ID及刀具ID的组合而规定的模型。在图5例示出在模型存储部121中存储的数据。在图5的例子中，模型存储部121关于各个模型，将分配给模型的模型编号、模型名、装置ID、子程序ID和刀具ID相关联地存储。

指标值计算部130主要通过处理器11而实现。指标值计算部130经由取得部110取得从工作机械30送出的推移信息。而且，指标值计算部130对表示从加工的开始至结束为止的负载的大小的统计量即指标值进行计算。详细地说，指标值计算部130作为指标值对负载的平均值进行计算，但并不限定于此，指标值计算部130也可以对负载的中央值、最大值或最小值进行计算而作为指标值。下面，将通过指标值计算部130计算的负载的平均值适当标记为平均负载。在取得了图4所例示的推移信息的情况下，指标值计算部130作为平均负载对1270这一值进行计算。

另外，指标值计算部130将计算出的指标值与从模型确定部120通知的模型相关联地，作为与该模型相关的指标值而储存于履历存储部131。另外，指标值计算部130将计算出的指标值与从模型确定部120通知的模型一起通知给诊断部160。

履历存储部131主要通过辅助存储部13而实现。履历存储部131针对每个模型对指标值的履历进行存储。在图6示出了在履历存储部131中存储的数据的一个例子。在图6的例子中，履历存储部131将模型编号、关于该模型而计算出的指标值和指标值被计算的日期时间相关联地存储。如果累积的履历超过一定量，则履历存储部131可以将超过该一定量的部分按照从旧到新的顺序删除。一定量例如可以是预先确定的数据量，也可以是包含刀具的更换次数为大于或等于2次的数据量。履历存储部131在诊断装置10中相当于存储单元的一个例子，该存储单元针对通过作为程序识别信息的子程序ID、作为刀具信息的刀具ID及作为用于对送出推移信息的工作机械进行识别的机械信息的装置ID的组合而规定的每个模型，对指标值的履历进行存储。

显示部140主要通过输出部15而实现。显示部140与用户的操作相应地，从履历存储部131读出指标值的履历，对表示指标值的推移的图形进行显示。详细地说，显示部140读出与由用户的操作指定出的模型相关的指标值的履历，对如图7例示那样的折线图形进行显示。在图7的例子中，包含有指标值逐渐地变大后急剧地降低的多个波形。指标值逐渐地变大的部分示出了由于刀具32的磨损而平均负载变大。另外，指标值急剧地降低的部分示出了刀具32被更换而刀具32的加工能力复位至初始状态的结果为负载的指标值变小。

即，图7的图形示出了关于更换了6次的相同种类的7个刀具32而计算出的指标值的履历。如根据图7所知那样，即使是相同种类的刀具32，在刚更换后计算的指标值根据刀具32的个体差也不同。另外，指标值并不限定于单调地增加，也具有上下大致上升的倾向。因此，实施与模型相对应的加工工序的次数的顺序即以时间序列将指标值排列的履历作为表示刀具32的状态的趋势数据处理。

返回至图3，接收部150主要通过处理器11及输入部14的协同动作而实现。接收部150接收由用户输入的针对每个模型的阈值，将接收到的阈值的数据储存于阈值存储部151。该阈值由诊断部160在针对每个模型的诊断中使用，因此用户希望基于在显示部140显示出的指标值的履历对阈值进行设定。

阈值存储部151主要通过辅助存储部13而实现。阈值存储部151针对每个模型对阈值进行存储。在图8示出了在阈值存储部151中存储的数据的一个例子。在图8的例子中，阈值存储部151将模型编号和阈值相关联地存储。

诊断部160主要通过处理器11而实现。诊断部160判定由指标值计算部130计算出的指标值是否超过与该指标值所对应的模型相关的阈值。详细地说，诊断部160从指标值计算部130取得被通知的指标值，并且从阈值存储部151读出该指标值、被通知的模型和在阈值存储部151中对应的阈值。而且，诊断部160判定所取得的指标值是否超过读出的阈值，由此判定刀具32是否异常。诊断部160将诊断结果送出至输出部170。此外，诊断部160可以在判定为刀具32异常时送出诊断结果，在判定为刀具32正常时省略诊断结果的送出。

输出部170主要通过输出部15而实现。输出部170将从诊断部160送出的诊断结果对用户进行通知。由输出部170进行的诊断结果的通知可以是由于刀具的异常而提示更换的警告显示，也可以是LED的闪烁或点灯，也可以是峰鸣音的发出。此外，输出部170也可以通过通信部16而实现，将诊断结果通过通信向外部的装置输出。

预测部180主要通过处理器11而实现。预测部180关于特定的模型，从履历存储部131读出指标值的履历，直至通过指标值计算部130将来计算的指标值达到在阈值存储部151中存储的阈值为止，对执行加工的剩余次数进行预测。预测部180可以与用户的操作相应地，关于由用户指定出的一或多个模型进行预测，在诊断部160每次执行诊断时，可以由诊断部160关于作为诊断对象的模型而进行预测。预测部180例如根据图9中线L1所示的刀具32更换后的指标值的履历，得到通过虚线表示的回归直线L2，对直至该回归直线L2达到阈值为止的剩余加工次数进行计算。而且，预测部180将预测结果向显示部140送出。送出至显示部140的预测结果针对用户作为刀具32下次的更换时期的基准而在画面上进行显示。针对用户显示的预测结果可以是图9中例示那样的图形，也可以是表示剩余加工次数的数值。此外，预测部180也可以将预测结果送出至诊断部160或输出部170，对用户提示诊断部160的诊断结果以及预测部180的预测结果。

接下来，参照图10对在诊断***100中执行的处理的顺序进行说明。在图10示出了在诊断***100中执行的诊断***处理的一个例子。

在诊断***处理中，如果工作机械30实施加工工序(步骤S11)，则取得部110取得包含与通过步骤S11实施的加工工序相关的装置ID、子程序ID及刀具ID在内的加工条件信息以及表示步骤S11的加工工序中的工作机械30的负载的推移的推移信息(步骤S12)。步骤S12在由诊断装置10执行的诊断方法中，相当于取得步骤的一个例子，该取得步骤在工作机械执行加工时，取得程序识别信息、刀具信息和推移信息。

接下来，模型确定部120判定与通过步骤S12取得的加工条件信息相对应的模型是否存储于模型存储部121(步骤S13)。具体地说，模型确定部120针对通过步骤S12取得的加工条件信息所包含的装置ID、子程序ID及刀具ID的组合，判定是否分配有模型编号，设定有模型名。

在步骤S13的判定为肯定的情况下(步骤S13；Yes)，模型确定部120对与加工条件信息相对应的模型进行确定(步骤S14)。具体地说，模型确定部120从模型存储部121读出与加工条件信息相对应的模型的模型编号。

另一方面，在步骤S13的判定为否定的情况下(步骤S13：No)，模型确定部120将与加工条件信息相对应的模型确定为新的模型，追加至模型存储部121(步骤S15)。具体地说，模型确定部120创建由基于模型的格式的加工条件构成的新模型。更具体地说，模型确定部120将使加工条件信息所包含的装置ID、子程序ID及刀具ID的组合与新的模型编号及新的模型名相关联的记录追加至模型存储部121。新的模型编号及新的模型名可以按照预先确定的规则由模型确定部120分配，也可以通过提示用户进行输入而取得。

在步骤S14及步骤S15之后，指标值计算部130根据通过步骤S12取得的推移信息，作为指标值对平均负载进行计算(步骤S16)。在这里，指标值计算部130可以将加工刚开始后及要结束前的一定时间的负载的推移排除在外而对指标值进行计算。另外，指标值计算部130也可以根据将与工作机械30的等待电力相当的偏移值减去而得到的实质性的加工负载对指标值进行计算，也可以将从负载的平均值减去偏移值而得到的值作为指标值。

接下来，诊断部160对刀具的寿命进行诊断(步骤S17)。具体地说，诊断部160判定通过步骤S16计算出的指标值是否超过关于通过步骤S14或步骤S15确定出的模型而预先设定的阈值。此外，在通过步骤S15确定出新的模型的情况下，在与该新的模型相对应的阈值仍未设定时，诊断部160可以通过提示用户进行阈值的设定，从而在取得阈值后执行诊断。

接下来，输出部170将通过步骤S17得到的诊断结果进行输出(步骤S18)。此外，在通过步骤S17诊断为刀具32仍未达到更换寿命的情况下，可以省略步骤S18。

接下来，预测部180判定是否由用户进行了要求预测的操作(步骤S19)。在判定为没有进行操作的情况下(步骤S19：No)，重复进行步骤S11及其以后的处理。

另一方面，在判定为进行了操作的情况下(步骤S19：Yes)，预测部180执行预测处理(步骤S20)。具体地说，预测部180通过重复执行步骤S16而基于在履历存储部131中累积的指标值的履历，对通过步骤S14确定出的模型的剩余加工次数进行预测，使预测结果在显示部140进行显示。然后，重复进行步骤S11及其以后的处理。

此外，在预测所需的量的履历没有累积于履历存储部131的情况下，预测部180可以不对剩余加工次数进行预测而输出错误。预测所需的量的履历例如可以是根据刀具32更换后的10次加工分别计算出的指标值。另外，在基于从刀具32的使用开始至通过更换而使用结束为止的履历而多次得到如图9所示那样的回归直线的情况下，预测部180存储有回归直线的斜率的平均值，如果根据新的刀具32的使用而计算出的指标值至少存在1个，则能够基于斜率的平均值进行预测。

以上，如说明所述，诊断部160诊断负载的指标值是否从与程序识别信息、刀具信息及用于对工作机械进行识别的机械信息的组合相对应地预先确定的范围脱离。因此，分别针对工作机械30执行适用于该工作机械30的诊断。由此，在诊断装置10所涉及的诊断对象即工作机械30变更时，不产生对适于变更后的工作机械30的数据进行设定的作业。特别地，在对多个工作机械30进行设置的现场，与这些多个工作机械30相关的诊断依次被执行的检查大多定期地进行。根据本实施方式所涉及的诊断装置10，在如上所述的情形中，在与各工作机械30有关的数据一旦设定后，也无需对所设定的数据进行变更。因此，能够使用于对工作机械30的刀具32的状态进行监视的设定作业变得简单。

另外，预测部180预测出直至刀具32达到寿命为止，与使用该刀具32的模型相对应的加工工序的剩余执行次数。由此，用户即使在没有由诊断部160诊断为异常的情况下，也会预见到将来的刀具32的更换时期而能够预先准备应该更换的刀具32。

另外，诊断装置10基于通过装置ID、子程序ID及刀具ID而唯一地决定的模型，执行了诊断及预测。特别地，用于对刀具32的状态进行诊断的模型是使用子程序ID而规定的。在子程序ID不同的情况下，加工工序变得不同，因此即使如图5所示的模型编号“1”及“2”那样使用了相同种类的刀具32，有时如图6所示加工负载也会大幅不同。因此，如果将子程序ID不同的情形包含于1个模型，则指标值的履历不会具有图7所示那样的趋势，无法作为用于决定应该设定的阈值的判断材料及刀具32的更换时期的预测材料而进行利用。与此相对，本实施方式所涉及的模型是使用子程序ID对模型进行规定，因此利用针对每个模型的指标值的履历而决定应该设定的阈值，能够对刀具32的更换时期进行预测。

另外，诊断装置10使用加工负载的统计量即指标值而执行了诊断及预测。实时的加工负载的瞬时值关于如以刀具32的断裂为代表那样，应该立即停止工作机械30的现象是有效的值。但是，加工负载基于能够使用的刀具32，但通常瞬间也会一定程度发生变动。因此，为了对刀具32的寿命进行判断，得到如图7所示那样的倾向是有效的。因此，本实施方式所涉及的诊断装置10能够基于指标值进行有效的诊断及预测。

此外，如根据图5所知那样，在1个工作机械30中，有时不同的子程序31会利用相同种类的刀具32。在这里，在使用工作机械30的现场，通常大多设定有按照预先确定的顺序而包含由不同的子程序31实现的加工工序在内的过程，重复执行该过程。因此，例如有时在通过第1子程序31的执行而刀具32磨损之后，通过第2子程序31的执行而刀具32进一步磨损，但这2个子程序31交替地反复执行，因此与2个子程序31各自所对应的模型相关的指标值的履历，示出了图7中例示那样的倾向。因此，即使在相同种类的刀具32由不同的子程序31利用的情况下，通过诊断部160进行的诊断及通过预测部180进行的预测也变得与上述的说明同等。

实施方式2

接下来，关于实施方式2，以与上述的实施方式1的差异点为中心进行说明。此外，关于与上述实施方式1相同或同等的结构，使用同等的标号，并且省略或简化其说明。本实施方式与实施方式1的不同点在于，诊断装置10如图11所示，取代接收部150而是具有阈值设定部152。

阈值设定部152主要通过处理器11而实现。阈值设定部152从履历存储部131读出关于模型分别计算出的指标值的履历，根据读出的履历对与该模型相对应的阈值进行计算，储存于阈值存储部151。详细地说，阈值设定部152将履历所包含的指标值的平均设为μ，将指标值的标准偏差设为σ，将大于或等于1.5且小于或等于2.0的系数设为C，对通过下式(1)表示的阈值即D进行计算。

D＝μ+C·σ···(1)

在图12中，将按照上述式(1)计算出的阈值D的一个例子通过虚线表示。如根据图12所知，阈值D可以说是指标值变大而表示应该对刀具进行更换的值。

此外，如根据图12所知，在指标值的履历没有充分地累积的情况下，阈值设定部152对有效的阈值进行设定变得困难。因此，阈值设定部152在指标值的履历超过一定量的情况下对阈值进行设定，在其他情况下，可以对由与实施方式1相同的接收部150接收的阈值暂时地进行设定。阈值设定部152用于对阈值进行设定的一定量的履历优选至少包含从刀具32的使用开始至通过更换而使用结束为止的指标值，并且为了对刀具32的个体差进行平均化，更优选是对刀具32进行多次更换时的履历。

以上，如说明所述，由诊断部160使用的阈值是基于指标值的履历而确定的。由此，能够省略用户对阈值进行设定的作业。

以上，对本发明的实施方式进行了说明，但本发明并不由上述实施方式限定。

例如，在上述实施方式中，对指标值是表示负载的大小的值，且负载变得越大则指标值变得越大的例子进行了说明，但并不限定于此。也可以使用负载变得越大则变得越小的指标值。指标值只要是能够对刀具32可继续使用的通常状态和应该更换刀具32的异常状态进行区分的值即可。即，指标值只要是属于与通常状态相对应的范围和从该范围脱离的与异常状态相对应的范围的任意者的值即可。

因此，上述实施方式所涉及的诊断部160在诊断装置10中，相当于诊断单元的一个例子，该诊断单元诊断根据推移信息而得到负载的指标值是否从与用于对将程序识别信息、刀具信息及推移信息送出的工作机械进行识别的机械信息的组合相对应地预先设定的范围脱离。另外，上述实施方式所涉及的预测部180在诊断装置10中，相当于预测单元的一个例子，该预测单元关于一个模型，根据履历对直至指标值从上述的范围脱离为止通过刀具信息表示的类别的刀具将来可使用的次数进行预测。另外，图10中的步骤S17在由诊断装置10执行的诊断方法中，相当于诊断步骤的一个例子，该诊断步骤对根据推移信息而得到的负载的指标值是否从与程序识别信息、刀具信息及机械信息的组合相对应而预先确定的范围脱离进行诊断。并且，在上述实施方式2中，与模型相对应的范围根据该模型的履历所包含的指标值，作为小于阈值D的范围而由阈值设定部152确定。

另外，在上述实施方式中，针对每个模型而设定了单一的阈值，但并不限定于此。例如也可以针对每个模型，设定用于提示刀具32的更换准备的第1阈值和强烈推荐刀具32的立即更换的第2阈值。诊断部160可以分别关于这2个阈值而执行诊断，预测部180可以分别关于2个阈值而执行预测。并且，也可以针对每个模型而设定大于或等于3个阈值。

另外，在上述实施方式中，以指标值为平均负载的例子为中心进行说明，对也可以将指标值变更为其他值进行了说明，但也可以利用多个种类的指标值。例如，可以根据加工负载的推移，对平均负载即第1指标值、中央值即第2指标值进行计算，在这2种指标值的任一者超过阈值时提示刀具32的更换准备，在2个阈值两者超过阈值时强烈推荐刀具32的立即更换。另外，也可以关于2种指标值而设定不同的阈值。

另外，在上述实施方式中，以在子程序31的执行时使用1个刀具32的例子为中心进行了说明，但并不限定于此。也可以执行利用多个刀具32的子程序31。在该情况下，关于在执行该子程序31的工作机械的装置ID及该子程序31的子程序ID的基础上，还包含分别表示多个刀具32的刀具ID在内的多个模型，由诊断部160进行的诊断可以依次或者并行地执行。同样地，关于多个模型，也可以执行通过预测部180进行的预测。

另外，加工条件信息除了装置ID、子程序ID及刀具ID以外，可以还包含与加工条件相关的附加信息。与加工条件相关的附加信息，例如是表示主程序编号、主轴转速的S码。

另外，诊断装置10的功能能够通过专用的硬件而实现，另外，也能够通过通常的计算机***而实现。

例如，将由处理器11执行的程序P1储存于计算机可读取的非易失性的记录介质而发布，将该程序P1安装于计算机，由此能够构成执行上述的处理的装置。作为如上所述的记录介质，例如想到软盘、CD－ROM(Compact Disc Read－Only Memory)、DVD(DigitalVersatile Disc)、MO(Magneto－Optical Disc)。

另外，也可以将程序P1储存于以互联网为代表的通信网络上的服务器装置所具有的存储盘装置，例如叠加于载波而下载至计算机。

另外，通过一边经由通信网络转发程序P1、一边启动执行，由此也能够实现上述的处理。

并且，使程序P1的全部或一部分在服务器装置上执行，通过一边将与其处理相关的信息由计算机经由通信网络进行收发、一边执行程序，由此也能够实现上述的处理。

此外，在将上述的功能由OS(Operating System)分担实现的情况下或通过OS和应用的协同动作而实现的情况下，可以仅将OS以外的部分储存于介质而发布，另外，也可以下载至计算机。

另外，实现诊断装置10的功能的手段并不限定于软件，也可以将其一部分或全部由包含电路的专用的硬件实现。

本发明在不脱离本发明的广义的精神和范围的情况下，能够实现各种实施方式及变形。另外，上述的实施方式用于对本发明进行说明，并不对本发明的范围进行限定。即，本发明的范围不是实施方式，而是由权利要求书示出。而且，在权利要求书内及与其同等的发明的意义的范围内实施的各种变形视作本发明的范围内。

工业实用性

本发明适用于工作机械的管理。

标号的说明

100诊断***，10诊断装置，11处理器，12主存储部，13辅助存储部，14输入部，15输出部，16通信部，17内部总线，110取得部，120模型确定部，121模型存储部，130指标值计算部，131履历存储部，140显示部，150接收部，151阈值存储部，152阈值设定部，160诊断部，170输出部，180预测部，20收集接口，30工作机械，31子程序，32刀具，40加工对象物，L1线，L2回归直线，P1程序。

Claims (7)

1.一种诊断装置，其对由多个工作机械分别用于对加工对象物进行加工的刀具的有无异常进行诊断，

该诊断装置具有：

取得单元，其在由所述工作机械执行加工时，取得用于对由所述工作机械执行的程序进行识别的程序识别信息、表示在所述加工中使用的所述刀具的类别的刀具信息、表示从通过执行所述程序进行的所述加工的开始至结束为止的所述工作机械的负载的推移的推移信息；以及

诊断单元，其诊断根据所述推移信息而得到的所述负载的指标值是否从与所述程序识别信息、所述刀具信息及用于对送出了所述推移信息的所述工作机械进行识别的机械信息的组合相对应而预先确定的范围脱离。

2.根据权利要求1所述的诊断装置，其中，

还具有：

存储单元，其针对通过所述程序识别信息、所述刀具信息及所述机械信息的组合而规定的每个模型，对所述指标值的履历进行存储；以及

预测单元，其关于一个所述模型，根据所述履历对直至所述指标值从所述范围脱离为止通过所述刀具信息表示的类别的所述刀具将来可使用的次数进行预测。

3.根据权利要求2所述的诊断装置，其中

所述范围是根据与该范围相对应的所述模型的所述履历所包含的所述指标值进行确定的。

4.根据权利要求3所述的诊断装置，其中，

所述指标值是表示所述负载的大小的值，

所述范围将与该范围相对应的所述模型的所述履历所包含的所述指标值的平均设为μ，将所述指标值的标准偏差设为σ，将大于或等于1.5且小于或等于2.0的系数设为C，是比通过下式表示的阈值即D小的范围，

D＝μ+C·σ。

5.根据权利要求1至4中任一项所述的诊断装置，其中，

所述指标值是所述负载的平均值、所述负载的中央值、所述负载的最大值或所述负载的最小值。

6.一种诊断方法，其对由多个工作机械分别用于对加工对象物进行加工的刀具的有无异常进行诊断，

该诊断方法包含：

取得步骤，在由所述工作机械执行加工时，取得用于对由所述工作机械执行的程序进行识别的程序识别信息、表示在所述加工中使用的所述刀具的类别的刀具信息、表示所述加工中的所述工作机械的负载的推移的推移信息；以及

诊断步骤，诊断根据所述推移信息而得到的所述负载的指标值是否从与所述程序识别信息、所述刀具信息及用于对送出了所述推移信息的所述工作机械进行识别的机械信息的组合相对应而预先确定的范围脱离。

7.一种计算机可读取的非暂时性的记录介质，其储存有程序，该程序使计算机作为下述单元起作用，该计算机对由多个工作机械分别用于对加工对象物进行加工的刀具的有无异常进行诊断：

取得单元，其在由所述工作机械执行加工时，取得用于对由所述工作机械执行的程序进行识别的程序识别信息、表示在所述加工中使用的所述刀具的类别的刀具信息、表示所述加工中的所述工作机械的负载的推移的推移信息；以及

诊断单元，其诊断根据所述推移信息而得到的所述负载的指标值是否从与所述程序识别信息、所述刀具信息及用于对送出了所述推移信息的所述工作机械进行识别的机械信息的组合相对应而预先确定的范围脱离。