DE102019117684B4 - System zur Bestimmung eines Werkzeugmaschinenzustands und Verfahren zur Bestimmung des Werkzeugmaschinenzustands - Google Patents

System zur Bestimmung eines Werkzeugmaschinenzustands und Verfahren zur Bestimmung des Werkzeugmaschinenzustands Download PDF

Info

Publication number
DE102019117684B4
DE102019117684B4 DE102019117684.0A DE102019117684A DE102019117684B4 DE 102019117684 B4 DE102019117684 B4 DE 102019117684B4 DE 102019117684 A DE102019117684 A DE 102019117684A DE 102019117684 B4 DE102019117684 B4 DE 102019117684B4
Authority
DE
Germany
Prior art keywords
machine tool
state
sensor
determining
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.)
Expired - Fee Related
Application number
DE102019117684.0A
Other languages
English (en)
Other versions
DE102019117684A1 (de
Inventor
Kenji Otsu
Keiji Watanabe
Hisanori Matsumoto
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.)
Hitachi Ltd
Original Assignee
Hitachi 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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of DE102019117684A1 publication Critical patent/DE102019117684A1/de
Application granted granted Critical
Publication of DE102019117684B4 publication Critical patent/DE102019117684B4/de
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4183Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by data acquisition, e.g. workpiece identification
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/418Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4184Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by fault tolerance, reliability of production system
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00Testing or monitoring of control systems or parts thereof
    • G05B23/02Electric testing or monitoring
    • G05B23/0205Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218Electric 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
    • G05B23/0224Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/31From computer integrated manufacturing till monitoring
    • G05B2219/31455Monitor process status
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/34Director, elements to supervisory
    • G05B2219/34465Safety, control of correct operation, abnormal states
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/06Recognition of objects for industrial automation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Computer Interaction (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Numerical Control (AREA)
  • Machine Tool Sensing Apparatuses (AREA)

Abstract

System zur Bestimmung des Zustands einer Werkzeugmaschine (100), das zur Bestimmung eines Zustands in Verbindung mit einer Werkzeugmaschine (100), die einen Rotationsmechanismus zur Bearbeitung eines Elements (206) umfasst, konfiguriert ist, wobei das System zur Bestimmung des Zustands einer Werkzeugmaschine (100) Folgendes umfasst:einen Sensor (203), der zur Gewinnung einer Zustandsgröße von der Werkzeugmaschine (100) konfiguriert ist und der ein Geräuschpegelmessgerät umfasst; undeine Analysenvorrichtung (250), die einen Prozessor (251) und einen mit dem Prozessor (251) verbundenen Speicher (252) umfasst,dadurch gekennzeichnet, dasssich die Werkzeugmaschine (100) in einem Gehäuse (200) befindet und ein Teil der Werkzeugmaschine (100) oder ein Teil des Gehäuses (200) ein akustisches Absorptionsmaterial (207, 208) umfasst,die Installationsposition des Geräuschpegelmessgeräts als Sensor (203) so eingestellt ist, dass keine stehende Welle zwischen dem Sensor (203) und einer Wandfläche innerhalb des Gehäuses (200) erzeugt wird, unddie Analysenvorrichtung (250) dazu ausgelegt ist, folgende Vorgänge auszuführen:eine Spektralanalyse mit Zeitreihendaten der Zustandsgröße wird durchgeführt, um eine Rotationsfrequenz (f1) des Rotationsmechanismus und eine Oberwelle (f2) zur Rotationsfrequenz (f1) zu extrahieren;das Verhältnis der Amplitude der Rotationsfrequenz (f1) zur Amplitude der Oberwelle (f2) wird berechnet;Merkmalsgrößendaten werden erzeugt, die die Zustandsgröße und das Verhältnis als Merkmalsgrößen umfassen;eine Cluster-Bildung mit den Merkmalsgrößendaten wird durchgeführt; undein mit der Werkzeugmaschine (100) verbundener Zustand wird auf der Basis des Ergebnisses der Cluster-Bildung bestimmt.

Description

  • Hintergrund der Erfindung
  • Gebiet der Erfindung
  • Die vorliegende Erfindung betrifft ein Verfahren zur Bestimmung des Zustands einer Werkzeugmaschine, die mit einem Rotationsmechanismus versehen ist.
  • Beschreibung des Standes der Technik
  • Eine Werkzeugmaschine, die ein Element, zum Beispiel ein Metall, verarbeitet, umfasst einen Rotationsmechanismus, zum Beispiel einen Motor, und weist eine Mehrzahl von Schneideklingen auf. Beispielsweise ist ein rotierendes Werkzeug mit einer Mehrzahl von Klingen am Rotationsmechanismus angebracht.
  • Das Auftreten einer Abnormalität, zum Beispiel einer Maschinenvibration, eines Klingenabriebs, einer Klingenabsplitterung und eines Klingenbruchs, im Verlauf einer spanabhebenden Bearbeitung beeinträchtigt die Qualität eines vom Element erzeugten Produkts. Somit besteht ein Bedürfnis nach einer Technik, das Auftreten einer Abnormalität rasch zu erfassen oder eine Abnormalität vorherzusagen. In WO 2013/031353 A1 (in englischer Übersetzung auch veröffentlicht als US 2014/0288882 A1 ) ist ein Verfahren zur Befriedigung dieses Bedürfnisses beschrieben. DE 695 26 507 T2 beschreibt die Analyse von Torsionsschwingungen einer Rotationsmaschine mittels Magnetsensoren. EP 2 676 174 B1 behandelt sensorgestützte Verbesserungen der Regeltechnik eines Werkzeugantriebs.
  • WO 2013/031353 A1 beschreibt ein Verfahren zum Nachweisen einer Bearbeitungsabnormalität, das Folgendes umfasst: „Messen der Schnittzustandsgröße bei einem Verfahren, bei dem ein Schneidewerkzeug in Rotation versetzt wird; Extrahieren einer Schnittkraftkomponente, die eine Grundwelle und eine Oberwelle enthält, aus einem gemessenen Signal; Berechnen eines Schwellenwerts für die Bestimmung der Abnormalität auf der Grundlage eines Oberwellenverhältnisses, bei dem es sich um das Verhältnis der Grundwelle zur Oberwelle in der Schnittkraftkomponente handelt; Berechnen einer Schnittkraft aus der extrahierten Schnittkraftkomponente; und Bestimmen einer Abnormalität auf der Grundlage der berechneten Schnittkraft und des berechneten Schwellenwerts“.
  • Zusammenfassende Darstellung der Erfindung
  • Beim Auftreten einer Abnormalität bei spanabhebenden Vorgängen unterscheidet man mehrere Abnormalitätstypen, zum Beispiel Maschinenvibrationen, Klingenabrieb und Klingenbruch. Das in WO 2013/031353 A1 beschriebene Verfahren ist nicht in der Lage, einen Abnormalitätstyp zu klassifizieren.
  • Die herkömmliche Technik erfordert die Überprüfung eines verarbeiteten Elements, um die Verfahrensgenauigkeit oder die Eignung von Parametern, die in einer Werkzeugmaschine eingestellt werden, zu bewerten. Im Ergebnis kann dabei auch ein Nachteil insofern auftreten, als die vorstehend beschriebenen Bewertungen mit hohen Kosten verbunden sind.
  • Dies bedeutet, dass es bei der herkömmlichen Technik schwierig ist, einen mit der Werkzeugmaschine verbundenen Zustand genau zu erfassen.
  • Eine Aufgabe der vorliegenden Erfindung ist es, ein System und ein Verfahren bereitzustellen, mit denen der Zustand einer Werkzeugmaschine genau erfasst werden kann.
  • Diese Aufgabe löst die vorliegende Erfindung durch das System gemäß Anspruch 1 und das Verfahren gemäß Anspruch 9. Die Unteransprüche betreffen bevorzugte Ausführungsbeispiele.
  • Erfindungsgemäß kann der Zustand einer Werkzeugmaschine genau erfasst werden. Probleme, Konfigurationen und Wirkungen, mit Ausnahme der vorstehend beschriebenen Sachverhalte, ergeben sich aus der folgenden Beschreibung einer Ausführungsform.
  • Figurenliste
    • 1 zeigt eine beispielhafte Konfiguration eines Systems gemäß einer ersten Ausführungsform.
    • 2A zeigt eine beispielhafte Konfiguration einer Werkzeugmaschine gemäß der ersten Ausführungsform.
    • 2B zeigt eine beispielhafte Konfiguration einer Werkzeugmaschine gemäß der ersten Ausführungsform.
    • 2C zeigt eine beispielhafte Konfiguration einer Werkzeugmaschine gemäß der ersten Ausführungsform.
    • 2D zeigt eine beispielhafte Konfiguration einer Werkzeugmaschine gemäß der ersten Ausführungsform.
    • 2E zeigt eine die vorliegende Erfindung verwirklichende Konfiguration einer Werkzeugmaschine gemäß der ersten Ausführungsform.
    • 3 ist ein Blockdiagramm einer beispielhaften Konfiguration einer Konsolidierungsvorrichtung gemäß der ersten Ausführungsform.
    • 4 ist ein Blockdiagramm einer beispielhaften Konfiguration einer Edge-Vorrichtung gemäß der ersten Ausführungsform.
    • 5 ist eine Tabelle für eine beispielhafte Datenstruktur der Merkmalsbetrag-Datenverwaltungsinformationen gemäß der ersten Ausführungsform.
    • 6 ist ein Ablaufdiagramm zur Beschreibung einer beispielhaften Verarbeitung, die durch ein Modul zur Durchführung einer Vorverarbeitung gemäß der ersten Ausführungsform durchgeführt wird.
    • 7A zeigt eine graphische Darstellung einer Rechenergebnisausgabe einer Spektralanalyse, die durch das Modul zur Durchführung einer Vorverarbeitung gemäß der ersten Ausführungsform durchgeführt wird.
    • 7B ist eine graphische Darstellung einer Rechenergebnisausgabe einer Spektralanalyse, die durch das Modul zur Durchführung einer Vorverarbeitung gemäß der ersten Ausführungsform durchgeführt wird.
    • 8 ist ein Ablaufdiagramm zur Beschreibung einer Verarbeitung, die durch ein Modul zur Durchführung einer Cluster-Analyse gemäß der ersten Ausführungsform ausgeführt worden ist.
    • 9 ist eine graphische Wiedergabe eines beispielhaften Ergebnisses einer Cluster-Bildung, die durch das Modul zur Durchführung einer Cluster-Analyse gemäß der ersten Ausführungsform durchgeführt worden ist.
    • 10 ist eine Darstellung einer beispielhaften Bildschirmanzeige in Übereinstimmung mit Informationen, die von der Edge-Vorrichtung gemäß der ersten Ausführungsform erzeugt worden sind.
    • 11 ist eine Darstellung einer beispielhaften Bildschirmanzeige in Übereinstimmung mit Informationen, die durch die Edge-Vorrichtung gemäß der ersten Ausführungsform erzeugt worden sind.
    • 12 ist eine Darstellung einer beispielhaften Bildschirmanzeige in Übereinstimmung mit den Informationen, die von der Edge-Vorrichtung gemäß der ersten Ausführungsform erzeugt worden sind.
  • Beschreibung der bevorzugten Ausführungsformen
  • Nachstehend werden Ausführungsformen unter Bezugnahme auf die Zeichnungen beschrieben. Die vorliegende Erfindung ist jedoch nicht so zu verstehen, dass sie auf die Einzelheiten der Beschreibung der nachstehend beschriebenen Ausführungsformen beschränkt ist. Für den Fachmann ist es ersichtlich, dass die speziellen Konfigurationen abgeändert werden können, ohne dass man den Erfindungsgedanken verlässt.
  • In den nachstehend beschriebenen Konfigurationen werden gleiche oder ähnliche Konfigurationen oder Funktionen mit gleichen Bezugszeichen bezeichnet, wobei redundante Beschreibungen unterbleiben.
  • Die Angaben „erstes“, „zweites“ oder „drittes“ in der vorliegenden Beschreibung und ähnliche Angaben dienen dazu, die einzelnen Bestandteile zu identifizieren, sind aber nicht notwendigerweise auf die Zahl oder Reihenfolge beschränkt.
  • Die entsprechenden Positionen, Größen, Gestalten, Bereiche und dergleichen der in den Zeichnungen dargestellten Bestandteile und dergleichen geben möglicherweise nicht die aktuellen Positionen, Größen, Gestalten, Bereiche und dergleichen wieder, um das Verständnis der Erfindung zu erleichtern. Demzufolge ist die vorliegende Erfindung nicht auf die Positionen, Größen, Gestalten, Bereiche und dergleichen, die in den Zeichnungen und anderweitig offenbart werden, beschränkt.
  • Erste Ausführungsform
  • 1 zeigt eine beispielhafte Konfiguration eines Systems gemäß einer ersten Ausführungsform.
  • Das System umfasst eine Mehrzahl von Werkzeugmaschinen 100, eine Mehrzahl von Konsolidierungsvorrichtungen 110, eine Edge-Vorrichtung 120, einen Datenverwaltungsserver 130 und eine Datenbank 140.
  • Die Mehrzahl von Werkzeugmaschinen 100 ist direkt oder über ein Netzwerk mit der Mehrzahl von Konsolidierungsvorrichtungen 110 verbunden. Jede der Mehrzahl von Konsolidierungsvorrichtungen 110 ist direkt oder über ein Netzwerk mit der Edge-Vorrichtung 120 verbunden. Die Edge-Vorrichtung 120 ist direkt oder über ein Netzwerk mit dem Datenverwaltungsserver 130 verbunden. Der Datenverwaltungsserver 130 ist direkt oder über ein Netzwerk mit der Datenbank 140 verbunden.
  • Es ist darauf hinzuweisen, dass die vorliegende Erfindung nicht auf den Netzwerktyp beschränkt ist. Zu Beispielen für das Netzwerk gehören ein lokales Netzwerk (LAN) und ein Weitverkehrsnetz (WAN). Ferner kann das Anschlussverfahren für das Netzwerk durch Verdrahtung oder drahtlos erfolgen.
  • Bei den einzelnen Werkzeugmaschinen 100 handelt es sich um Vorrichtungen, die ein Element, zum Beispiel Metall, bearbeiten. Es wird angenommen, dass die Werkzeugmaschine 100 der vorliegenden Ausführungsform einen Rotationsmechanismus zur Bearbeitung von Elementen umfasst. Zu Beispielen für die Werkzeugmaschine 100, die einen Rotationsmechanismus umfasst, gehören eine Schneidemaschine und eine Poliermaschine. Die vorliegende Erfindung ist auf beliebige Schneidearten anwendbar, zum Beispiel zum Fräsen, Drehen und Bohren.
  • Bei der ersten Ausführungsform wird angenommen, dass eine Schneidemaschine mit einem Bearbeitungswerkzeug 204 (vergleiche 2A bis 2E) eine Mehrzahl von Schneideklingen für Fräsvorgänge umfasst, die an einem Rotationsmechanismus angebracht sind. Die Einzelheiten der Konfiguration der Werkzeugmaschine 100 gemäß der ersten Ausführungsform werden nachstehend unter Bezugnahme auf die 2A bis 2E beschrieben.
  • Die einzelnen Konsolidierungsvorrichtungen 110 empfangen Sensordaten von den Sensoren 203 (vergleiche 2A bis 2E), die an der Werkzeugmaschine 100 angebracht sind. Die Konsolidierungsvorrichtung 110 erzeugt Merkmalsgrößendaten aus den Sensordaten, die von den einzelnen Werkzeugmaschinen 100 empfangen worden sind, und überträgt die erzeugten Merkmalsgrößendaten auf die Edge-Vorrichtung 120. Die Einzelheiten der Konfiguration der Konsolidierungsvorrichtung 110 werden nachstehend unter Bezugnahme auf 3 beschrieben.
  • Die Edge-Vorrichtung 120 verwendet die Merkmalsgrößendaten der einzelnen Werkzeugmaschinen 100 zur Durchführung einer Cluster-Bildung und analysiert dann auf der Grundlage der Ergebnisse der Cluster-Bildung einen Zustand in Verbindung mit der Werkzeugmaschine 100. Ferner überträgt die Edge-Vorrichtung 120 Informationen, wie die Merkmalsgrößendaten, das Ergebnis der Cluster-Bildung und das Ergebnis der Zustandsanalyse, an den Datenverwaltungsserver 130. Die Einzelheiten der Konfiguration der Edge-Vorrichtung 120 werden nachstehend unter Bezugnahme auf 4 beschrieben.
  • Der Datenverwaltungsserver 130 verwaltet verschiedene Informationstypen im System. Der Datenverwaltungsserver 130 speichert die Informationen, die von der Edge-Vorrichtung 120 empfangen worden sind, in der Datenbank 140. Beim Datenverwaltungsserver 130 kann es sich um einen Rechner für allgemeine Zwecke handeln, der einen Prozessor, einen Speicher und eine Netzwerkschnittstelle umfasst.
  • Die Datenbank 140 speichert verschiedene Typen von Informationen. Die Datenbank 140 ist beispielsweise als Speichersystem ausgebildet, das einen Controller, eine Speichervorrichtung und eine Netzwerkschnittstelle umfasst. Bei der Speichervorrichtung kann es sich um ein Festplattenlaufwerk (HDD), ein Solid-State-Laufwerk (SSD) oder dergleichen handeln.
  • Die 2A, 2B, 2C, 2D und 2E erläutern jeweils eine beispielhafte Konfiguration der Werkzeugmaschine 100 gemäß der ersten Ausführungsform.
  • Die Werkzeugmaschine 100 gemäß der ersten Ausführungsform führt beispielsweise einen Fräsvorgang durch. In diesem Fall werden als Eingabebedingungen für den Schneidevorgang folgende Parameter bereitgestellt: axiale Tiefe ap (mm); radiale Tiefe ae (mm); Schneidegeschwindigkeit Vc (m/min); Vorschubgeschwindigkeit Fz (mm/min); Anzahl der Umdrehungen/Drehzahl N (U/min); Grad der C-Achsenbewegung C (Grad); Schneideverfahren (Aufwärts-Vorgang/Abwärts-Vorgang); Anzahl der Scanvorgänge p; Höhe H (mm); Menge der Schneideflüssigkeit (3 l/min); und Fräsungsenddurchmesser D (mm). Die Menge der Schneideflüssigkeit gilt nicht für den Trocknungsvorgang.
  • Für die Rückkoppelung eines Diagnoseergebnisses verändert der Anwender unter den vorstehend beschriebenen Parametern einen der Parameter: Drehzahl, Vorschubgeschwindigkeit, Schneidevorgang und Schneidegeschwindigkeit.
  • Ferner werden im System die Abtastfrequenz fs (Hz), die Fensterfunktion w und die Fensterdatenlänge n als Parameter zur Gewinnung von Daten (Messwerte) durch die einzelnen Sensoren 203 eingestellt. Zu Beispielen für die Fensterfunktion gehören ein rechteckiges Fenster, ein Hanning-Fenster, ein Hamming-Fenster und ein Blackman-Fenster. Die Fensterdatenlänge stellt die Datenlänge der einzelnen Segmente dar. Bei der ersten Ausführungsform werden 10 kHz als Abtastfrequenz eingestellt und ein Hanning-Fenster wird als Fensterfunktion eingestellt.
  • Verschiedene Eingabeparameter, wie der Prozesszustand, die Werkzeugspezifikation, die Maschinenspezifikation und die Arbeitsspezifikation, stellen neben den vorgenannten Parametern Eingabewerte dar.
  • Die Werkzeugmaschine 100 umfasst ein Gehäuse 200 und eine Steuervorrichtung 250. Das Gehäuse 200 ist ein Teil, in dem die spanabhebenden Vorgänge durchgeführt werden. Es umfasst einen Spindelstock 201, eine Hauptspindel 202, Sensoren 203, ein Bearbeitungswerkzeug 204 und einen Tisch 205.
  • Der Tisch 205, auf dem ein zu bearbeitendes Element 206 platziert wird, bewegt das Element 206. Die Hauptspindel 202 bewirkt die Rotation des Bearbeitungswerkzeugs 204. Das Bearbeitungswerkzeug 204 schneidet das Element 206. Das Bearbeitungswerkzeug 204 weist zwei oder mehr Klingen zum Schneiden des Elements 206 auf.
  • Die Sensoren 203 messen jeweils eine Größe (Zustandsgröße) in Verbindung mit einem Bearbeitungsvorgang. Beispielsweise misst der Sensor 203 als Zustandsgröße die Drehzahl der Hauptspindel 202, eine Kraft, die das Bearbeitungswerkzeug 204 vom Element 206 aufnimmt oder dergleichen. Der Sensor 203 gibt Sensordaten aus, einschließlich die gemessene Zustandsgröße und Identifikationsinformationen über die Werkzeugmaschine 100. Die Sensordaten können einen Zeitstempel umfassen, der den Zeitpunkt angibt, an dem die Zustandsgröße gemessen wird.
  • Zu Beispielen für den Sensor 203 gehören: ein Kraftsensor (Werkzeugdynamometer); ein Beschleunigungsmesser; ein Wegsensor; ein Gyrosensor; ein Ultraschallsensor; ein Dehnungsmessstreifen; ein Laser-Doppler-Vibrometer (LDV); ein Temperatursensor, ein Geräuschpegelmessgerät; und eine Kamera.
  • Bei der vom Sensor 203 gemessenen physikalischen Größe handelt es sich beispielsweise um die Kraft für einen Kraftsensor (Werkzeugdynamometer), die Beschleunigung für ein Beschleunigungsmessgerät, den Abstand für einen Abstandssensor, die Winkelgeschwindigkeit für einen Gyrosensor, die Spannung für einen Dehnungsmessstreifen, die Geschwindigkeit für einen LDV, die Temperatur für einen Temperatursensor, den Schalldruck für ein Geräuschpegelmessgerät und ein Bild für eine Kamera. Es ist darauf hinzuweisen, dass ein Fachmann in der Lage ist, eine Abnormalität der Werkzeugmaschine 100 auf der Grundlage von Klangunterschieden festzustellen. Dies bedeutet, dass es effektiv ist, den Klang oder anstelle des Klangs die Vibration als physikalische Größe zu messen.
  • Ferner kann auch ein Sensor auf der Basis eines mikroelektronischen mechanischen Systems (MEMS) als Sensor 203 verwendet werden. Verschiedene MEMS-Sensoren sind vorteilhaft in Bezug auf geringe Kosten, die eine Massenproduktion erlauben, die aufgrund von Halbleiterprozessen ermöglicht wird, sowie in Bezug auf geringere Einflüsse auf die Prozessbedingungen und die Prozessgenauigkeit aufgrund der Installation der Sensoren 203, da MEMS-Sensoren klein und leicht sind, zum Beispiel im Bereich von einigen Millimetern bis einigen Dutzend Millimetern.
  • Die Sensoren 203 können dem gleichen Typ von Sensoren angehören oder es kann sich um eine Kombination verschiedener Typen von Sensoren handeln. Ferner können Daten über die Spannung oder den Strom der Werkzeugmaschine ausgegeben und verwendet werden. Die Verwendung von Spannungsdaten oder Stromstärkedaten erleichtert die Signalsynchronisation. Es ist zu erwarten, dass sich die Unterscheidungsgenauigkeit bei kombinierter Verwendung einer Mehrzahl von Sensoren verbessert.
  • Die Installationsposition der einzelnen Sensoren 203 ist nicht auf die in den 2A, 2B und 2C dargestellten Installationspositionen beschränkt. Gemäß Darstellung in 2C kann der Sensor 203 so installiert werden, dass er in den Tisch 205 eingebettet ist, oder er kann an einer Seitenfläche des Tisches 205 installiert werden. Die Installation des Sensors 203 gemäß den vorstehenden Angaben verhindert einen Kontakt des Sensors 203 auf der Spindelseite. Somit kann eine Veränderung der Prozessbedingungen und dergleichen aufgrund der Installation des Sensors 203 verhindert werden. Insbesondere ermöglicht es eine Einbettung des Sensors 203 in den Tisch 205, dass der Sensor 203 direkt die Kraft und die Vibration misst, die bei Maschinenvorgängen übertragen werden. Somit lässt sich erwarten, dass die Genauigkeit der gemessenen Werte verbessert wird.
  • Ferner ist es gemäß Darstellung in den 2D und 2E möglich, dass ein Sensor 203, der beispielsweise einen Laser, eine Ultraschallwelle und einen Klang misst, nicht direkt am Gehäuse 200 installiert ist. Eine derartige indirekte Installation ermöglicht eine Überwachung des Zustands der Werkzeugmaschine 100 bei Bearbeitungsvorgängen ohne eine Veränderung des Gehäuses 200. Somit sind die gemessenen Werte unempfindlich gegenüber dem Einfluss einer Veränderung der Prozessbedingungen und dergleichen aufgrund der Installation des Sensors 203.
  • Bei einem Geräuschpegelmessgerät als Sensor 203 misst der Sensor 203 einen von der Werkzeugmaschine 100 emittierten Klang. Beispielsweise misst ein Laser als Sensor 203 einen Wert, der die dynamische Vibrationskenngröße der Werkzeugmaschine 100 angibt.
  • Bei einem Geräuschpegelmessgerät als Sensor 203 misst der Sensor 203 einen Klang, der sich direkt von einer Klangquelle ausbreitet, einen reflektierten Klang, der sich von einer Wandfläche aus ausbreitet, einen Klang, bei dem die vorstehend beschriebenen beiden Klangarten überlagert sind, und dergleichen. Ein starker Einfluss des reflektierten Klangs macht die Signalverarbeitung kompliziert oder bewirkt eine Erschwerung der Signalverarbeitung, bei der der sich direkt ausbreitende Klang vom reflektierten Klang oder vom Interferenzklang getrennt wird.
  • Somit wird die Installationsposition des Sensors 203 so eingestellt, dass keine stehende Welle zwischen dem Sensor 203 und der Wandfläche erzeugt wird. Ferner wird zur Verringerung des reflektierten Klangs gemäß Darstellung in 2E die gesamte Werkzeugmaschine 100 mit einem Material 208 für eine akustische Absorption umgeben, oder ein Material 207 zur akustischen Absorption wird am Gehäuse 200 installiert. Durch diese Anordnung kann die Reflexion des Klangs von der Wandseite verringert werden, was eine Verbesserung der Messgenauigkeit des Sensors 203 ermöglicht. Zu Beispielen für Materialien 207 und 208 für eine akustische Absorption gehören Urethan, Glaswolle, Kautschuk und Metallplatten für eine akustische Absorption.
  • Es wird angenommen, dass der Sensor 203 gemäß der ersten Ausführungsform als Zustandsgrößen eine Kraft (Schneidekraft) und eine Drehzahl in einer spezifischen Richtung, die bei Schneidevorgängen auftritt, misst. Insbesondere misst der Sensor 203 die entsprechenden physikalischen Größen von Komponenten in der X-Richtung, der Y-Richtung und der Z-Richtung.
  • Die Steuervorrichtung 250 steuert die einzelnen Bestandteile des Gehäuses 200. Die Steuervorrichtung 250 umfasst einen Prozessor 251, einen Speicher 252 und eine Verbindungsschnittstelle 253, die Hardware-Bestandteile darstellen. Die Hardware-Bestandteile der Steuervorrichtung 250 sind miteinander über einen internen Bus verbunden.
  • Der Prozessor 251 führt Programme aus, die im Speicher 252 gespeichert sind. Der Prozessor 251 führt eine Verarbeitung entsprechend den einzelnen Programmen durch, um ein Modul zu betätigen, das eine bestimmte Funktion erreicht. Nachstehend gibt eine Beschreibung einer Verarbeitung mit einem Modul als Gegenstand an, dass der Prozessor ein Programm ausführt, um das Modul zu erreichen.
  • Es ist darauf hinzuweisen, dass das Modul auch als eine Kombination einer Mehrzahl von Modulen einstückig ausgebildet sein kann, oder es kann eine Aufteilung eines Moduls in eine Mehrzahl von Modulen für die einzelnen Funktionen vorgenommen werden.
  • Der Speicher 252 speichert das vom Prozessor 251 ausgeführte Programm und die von diesen Programmen verwendeten Informationen. Der Speicher 252 speichert Programme (nicht dargestellt) jeweils zum Erreichen eines Moduls, das jeweils einen Bestandteil des Gehäuses 200 steuert, und speichert Steuerinformationen 261. Die Steuerinformationen 261 speichern Parameter für die Steuerung der einzelnen Bestandteile des Gehäuses 200.
  • Die Verbindungsschnittstelle 253 dient als Schnittstelle, die eine Verbindung mit dem Gehäuse 200 und anderen Vorrichtungen herstellt. Zu Beispielen für die Verbindungsschnittstelle 253 gehören eine Netzwerkschnittstelle und eine I/O-Schnittstelle.
  • Es ist darauf hinzuweisen, dass die 2A, 2B, 2C, 2D und 2E jeweils eine beispielhafte Konfiguration der Werkzeugmaschine 100, die einen Fräsvorgang durchführt, darstellen. Die vorliegende Erfindung ist jedoch nicht auf die Werkzeugmaschine 100, die einen Fräsvorgang durchführt, beschränkt. Beispielsweise ist die vorliegende Erfindung auch auf eine Werkzeugmaschine 100 anwendbar, die das Element 206 in Rotation versetzt, um eine Bearbeitung (Drehvorgang) durchzuführen.
  • 3 ist ein Blockdiagramm einer beispielhaften Konfiguration der Konsolidierungsvorrichtung 110 gemäß der ersten Ausführungsform.
  • Die Konsolidierungsvorrichtung 110 umfasst einen Prozessor 301, einen Speicher 302 und eine Verbindungsschnittstelle 303, die Hardware-Bestandteile darstellen. Die Hardware-Bestandteile der Konsolidierungsvorrichtung 110 sind jeweils über einen internen Bus miteinander verbunden. Der Prozessor 301, der Speicher 302 und die Verbindungsschnittstelle 303 stellen Hardware-Bestandteile dar, ähnlich wie der Prozessor 251, der Speicher 252 und die Verbindungsschnittstelle 253.
  • Die Konsolidierungsvorrichtung 110 kann eine Speichervorrichtung, eine Eingabevorrichtung und eine Ausgabevorrichtung umfassen. Zu Beispielen für die Eingabevorrichtung gehören eine Tastatur, eine Maus und ein Touch Panel. Zu Beispielen für die Ausgabevorrichtung gehören eine Anzeige und ein Drucker.
  • Der Speicher 302 speichert ein Programm zum Erreichen des die Vorverarbeitung durchführenden Moduls 311 und die Sensordaten-Verwaltungsinformationen 312.
  • Die Sensordaten-Verwaltungsinformationen 312 stellen Informationen zur Verwaltung der Sensordaten dar, die vom Sensor 203 der Werkzeugmaschine 100 erhalten worden sind. Bei den Sensordaten-Verwaltungsinformationen 312 handelt es sich beispielsweise um Informationen in einem Tabellenformat, wobei ein Wert von Sensordaten als ein Eintrag verwaltet wird.
  • Es ist darauf hinzuweisen, dass die vorliegende Erfindung nicht auf die Datenstruktur der Sensordaten-Verwaltungsinformationen 312 beschränkt ist. Beispielsweise kann es sich bei den Sensordaten-Verwaltungsinformationen 312 um Informationen in einem xml-Format oder einem csv-Format handeln.
  • Das Modul 311 zur Durchführung einer Vorverarbeitung erzeugt Merkmalsgrößendaten zur Verwendung in einem Cluster-Bildungsvorgang aus Sensordaten. Die Einzelheiten der vom Modul 311 zur Durchführung der Vorverarbeitung durchgeführten Verarbeitung werden unter Bezugnahme auf 6 beschrieben.
  • 4 ist ein Blockdiagramm einer beispielhaften Konfiguration der Edge-Vorrichtung 120 gemäß der ersten Ausführungsform.
  • Die Edge-Vorrichtung 120 umfasst einen Prozessor 401, einen Speicher 402 und eine Verbindungsschnittstelle 403, die jeweils als Hardware-Bestandteile dienen. Die Hardware-Bestandteile der Edge-Vorrichtung 120 sind jeweils mit einem internen Bus miteinander verbunden. Der Prozessor 401, der Speicher 402 und die Verbindungsschnittstelle 403 sind Bestandteile der Hardware, ähnlich wie der Prozessor 251, der Speicher 252 und die Verbindungsschnittstelle 253.
  • Die Edge-Vorrichtung 120 kann eine Speichervorrichtung, eine Eingabevorrichtung und eine Ausgabevorrichtung umfassen. Zu Beispielen für die Eingabevorrichtung gehören eine Tastatur, eine Maus und ein Touch Panel. Zu Beispielen für die Ausgabevorrichtung gehören eine Anzeige und ein Drucker.
  • Der Speicher 402 speichert ein Programm zum Erreichen eines Moduls 411 zur Durchführung einer Cluster-Analyse und Merkmalsgrößen-Datenverwaltungsinformationen 412.
  • Die Merkmalsgrößen-Datenverwaltungsinformationen 412 sind Informationen zur Verwaltung der Merkmalsgrößendaten. Die Einzelheiten der Datenstruktur der Merkmalsgrößen-Datenverwaltungsinformationen 412 werden unter Bezugnahme auf 5 beschrieben.
  • Das Modul 411 zur Durchführung der Cluster-Analyse verwendet die Merkmalsgrößendaten zur Durchführung der Cluster-Bildung. Die Einzelheiten der vom Modul 411 zur Durchführung der Cluster-Analyse vorgenommenen Verarbeitung werden unter Bezugnahme auf 8 beschrieben.
  • 5 ist eine Tabelle mit einer beispielhaften Datenstruktur der Merkmalsgrößen-Datenverwaltungsinformationen 412 gemäß der ersten Ausführungsform.
  • Bei den Merkmalsgrößen-Datenverwaltungsinformationen 412 wird ein Eintrag gespeichert, der eine ID 501, eine Vorrichtungs-ID 502, eine Segment-ID 503, eine Schneidekraft 504, eine Amplitude 505 und ein Verhältnis 506 umfasst. Ein Eintrag entspricht einem Stück der Merkmalsgrößendaten.
  • Die ID 501 ist ein Feld, das Identifikationsinformationen für eine besondere Identifikation des Eintrags speichert. Die Vorrichtungs-ID 502 ist ein Feld, das Identifikationsinformationen zur Spezifikation der einzelnen Werkzeugmaschinen 100 speichert. Die Segments-ID 503 ist ein Feld, das Identifikationsinformationen über eine Kurzzeitlänge (Segment) speichert, die durch Teilung einer Zeiteinheitslänge in Segmente erzeugt worden ist. Dabei bedeutet die Zeiteinheitslänge eine Zeitlänge zur Extraktion von Zeitreihendaten von Merkmalsgrößen. Beispielsweise wird eine Zeitlänge von der aktuellen Zeit auf 1 Sekunde vor der aktuellen Zeit als Einheitszeitlänge eingestellt.
  • Die Schneidekraft 504, die Amplitude 505 und das Verhältnis 506 sind Felder, die jeweils die Merkmalsgröße speichern.
  • Die Schneidekraft 504 ist ein Feld, das einen Wert speichert, der aus Schneidekräften berechnet worden ist, die in einer Mehrzahl von Stücken von Sensordaten, die zum Segment gehören, enthalten sind. Beispielsweise wird der quadratische Mittelwert der Schneidekräfte in der Schneidekraft 504 gespeichert.
  • Bei der Amplitude 505 handelt es sich um ein Feld, das die Amplitude einer Frequenz speichert, die mit einem ganzzahligen Vielfachen der Grundwelle übereinstimmt oder diesem nahekommt, und zwar unter Frequenzen, die spektralanalytisch unter Verwendung von Zustandswerten (Zeitreihendaten von Zustandswerten), die in der Mehrzahl von Stücken von zum Segment gehörenden Sensordaten enthalten sind, berechnet worden sind. Nachstehend wird als Oberwelle eine Frequenz beschrieben, die ein ganzzahliges Vielfaches der Frequenz der Grundwelle darstellt.
  • Es ist darauf hinzuweisen, dass eine Näherung an eine Oberwelle eine Frequenz mit einem Fehler der Oberwelle, der kleiner als ein Schwellenwert ist, wiedergibt.
  • Bei der ersten Ausführungsform wird eine Spektralanalyse mit den Zeitreihendaten der Schneidekraft durchgeführt. Bei der ersten Ausführungsform wird eine Rotationsfrequenz als Grundwelle behandelt. Die Rotationsfrequenz kann auf der Grundlage der Rotationsgeschwindigkeit berechnet werden. Ferner speichert die Amplitude 505 gemäß der ersten Ausführungsform die Amplitude einer Frequenz, die mit einem Wert übereinstimmt oder diesem nahekommt, der durch Multiplizieren der Klingenzahl des Bearbeitungswerkzeugs 204 durch die Rotationsfrequenz erhalten worden ist. Nachstehend wird als Oberwelle eine Frequenz beschrieben, die mit dem Wert übereinstimmt oder diesem nahekommt, der durch Multiplizieren der Klingenzahl des Bearbeitungswerkzeugs 204 durch die Rotationsfrequenz erhalten worden ist, und zwar unter den Oberwellen.
  • Das Verhältnis 506 ist ein Feld, das ein Verhältnis speichert, das aus der Amplitude der Merkmalsoberwelle und der Amplitude der Rotationsfrequenz berechnet worden ist. Das Verhältnis 506 kann auch ein Verhältnis speichern, das aus der Amplitude einer Oberwelle, mit Ausnahme der Merkmalsoberwelle, und der Amplitude der Rotationsfrequenz berechnet worden ist.
  • Der Eintrag kann ein Feld umfassen, das eine Merkmalsgröße speichert, die sich von den entsprechenden Merkmalsgrößen der Schneidekraft 504, der Amplitude 505 und des Verhältnisses 506 unterscheiden.
  • 6 ist ein Ablaufdiagramm zur Beschreibung einer beispielhaften Verarbeitung, die durch das Modul 311 zur Durchführung der Vorverarbeitung gemäß der ersten Ausführungsform durchgeführt wird. Die 7A und 7B sind jeweils graphische Wiedergaben einer Berechnungsergebnisausgabe einer Spektralanalyse, die vom Modul 311 zur Durchführung einer Vorverarbeitung gemäß der ersten Ausführungsform durchgeführt worden ist.
  • Das Modul 311 zur Durchführung einer Vorverarbeitung führt die nachstehend beschriebene Verarbeitung beim Erhalt von Durchführungsinstruktionen oder periodisch durch.
  • Das Modul 311 zur Durchführung einer Vorverarbeitung empfängt Sensordaten, die in einer Einheitszeitlänge enthalten sind, von den Sensordaten-Verwaltungsinformationen 312 (Stufe S101). Beispielsweise empfängt das Modul 311 zur Durchführung der Vorverarbeitung Sensordaten mit einem Zeitstempel, die in einer Einheitszeitlänge enthalten sind.
  • Anschließend teilt das Modul 311 zur Durchführung der Vorverarbeitung die Zeiteinheitslänge in eine vorgegebene Anzahl von Segmenten (Stufe S102). Es wird angenommen, dass die Anzahl von Segmenten vorher eingestellt worden ist. Die Anzahl von Segmenten kann aber auch zu einem beliebigen Zeitpunkt aktualisiert werden.
  • Anschließend startet das Modul 311 zur Durchführung der Vorverarbeitung eine zyklische Verarbeitung der Segmente (Stufe S103).
  • Speziell wählt das Modul 311 zur Durchführung der Vorverarbeitung ein Segment aus. Beispielsweise bezieht sich das Modul 311 zur Durchführung der Vorverarbeitung auf jeden einzelnen Startzeitpunkt der Segmente und wählt die einzelnen Segmente in der Reihenfolge der alten Startzeitpunkte aus.
  • Anschließend berechnet das Modul 311 zur Durchführung einer Vorverarbeitung einen Merkmalsbetrag mit einer Mehrzahl von Stücken von Sensordaten, die zum Segment gehören (Stufe S104).
  • Speziell berechnet das Modul 311 zur Durchführung der Vorverarbeitung die mittlere Quadratwurzel (RMS) (Effektivwert) der Schneidekräfte, die in der Mehrzahl von Stücken von Sensordaten, die zum Segment gehören, enthalten sind, als Merkmalsbetrag.
  • Es ist darauf hinzuweisen, dass das Modul 311 zur Durchführung der Vorverarbeitung Indikatoren gemäß den nachstehenden Angaben verwenden kann, wenn der Merkmalsbetrag berechnet wird.
  • Zeitdomäne
  • (Indikatoren der Größe (Position))
  • Effektivwert (RMS), Mittelwert, Medianwert, häufigster Wert, maximaler Wert und minimaler Wert.
  • (Variationsindikatoren)
  • Varianz, Quadratsumme, Standardabweichung, Variationskoeffizient und Perzentil.
  • (Verteilungsindikatoren)
  • Einseitigkeit und Kurtosis
  • Frequenzdomäne
  • (Erste Fourier-Transformation (FFT))
  • Frequenz der Grundwelle und Komponente der Frequenz des ganzzahligen Vielfachen der Grundwelle in der Größenordnung und Komponentenverhältnis zur Grundwelle.
  • (Spektrale Leistungsdichte)
  • Frequenz der Grundwelle und Komponente der Frequenz des ganzzahligen Vielfachen der Grundwelle in der Größenordnung und Komponentenverhältnis zur Grundwelle.
  • Das „Verhältnis“ kann jedoch auf der Rotationsfrequenz beruhen oder es kann auf der Schneidefrequenz (Rotationsfrequenz x n für n Stücke der Klingen) beruhen.
  • Anschließend führt das Modul 311 zur Durchführung einer Vorverarbeitung eine Spektralanalyse für eine Mehrzahl von Stücken von Sensordaten (Zeitreihendaten von Zustandswerten) aus, die zum Segment gehören (Stufe S105). Speziell wird die folgende Verarbeitung durchgeführt.
  • Das Modul 311 zur Durchführung einer Vorverarbeitung wendet eine Fensterfunktion auf eine Funktion an, die die Zeitreihendaten des Zustandswerts darstellt, und führt eine Fourier-Transformation durch. Das Modul 311 zur Durchführung einer Vorverarbeitung extrahiert eine Frequenz bezüglich eines Zustandswerts auf der Grundlage des Berechnungsergebnisses. Bei der ersten Ausführungsform extrahiert das Modul 311 zur Durchführung der Vorverarbeitung eine Rotationsfrequenz und eine Oberwelle aus den Frequenzen, die aus dem Verhalten der Fourier-Transformationsrechnung für die Zeitreihendaten der Schneidekräfte berechnet worden sind.
  • In der vorliegenden Beschreibung wird eine Rotationsfrequenz als f1 bezeichnet. Eine Oberwelle wird als Fi bezeichnet, wobei i eine ganze Zahl mit einem Wert von 2 oder mehr darstellt. Ferner wird in der vorliegenden Beschreibung eine Merkmalsoberwelle als fN definiert, wobei N die Anzahl der Klingen des Bearbeitungswerkzeugs 204 darstellt.
  • Das Modul 311 zur Durchführung der Vorverarbeitung berechnet das Verhältnis der Amplitude der Rotationsfrequenz zur Amplitude der Merkmalsoberwelle gemäß dem Ausdruck (1) (Stufe S106), wobei Mag (f1) die Amplitude der Rotationsfrequenz angibt und Mag (fN) die Amplitude der Merkmalsoberwelle darstellt.
    [Mathematischer Ausdruck 1] Mag ( f 1 ) Mag ( f N )
    Figure DE102019117684B4_0001
  • Es ist darauf hinzuweisen, dass das Modul 311 zur Durchführung der Vorverarbeitung das Verhältnis der Amplitude der Rotationsfrequenz zur Amplitude der Oberwelle gemäß dem Ausdruck (2) berechnen kann, wobei n eine ganze Zahl bedeutet, die der höchsten extrahierten Oberwelle entspricht.
    [Mathematischer Ausdruck 2] Mag ( f 1 ) Mag ( f i ) ( i = 2, , n )
    Figure DE102019117684B4_0002
  • Die für ein Bearbeitungswerkzeug 204 mit zwei Klingen durchgeführte Spektralanalyse führt zu Ergebnissen, wie sie in den 7A und 7B dargestellt sind.
  • Die oberen Diagramme der 7A und 7B geben die Zeitreihendaten von Schneidekräften, die den Segmenten entsprechen, wieder. Speziell gibt 7A die Zeitreihendaten der Schneidekraft wieder, die von einer Werkzeugmaschine 100 im Normalzustand empfangen worden sind. 7B gibt die Zeitreihendaten der Schneidekraft wieder, die von einer anderen Werkzeugmaschine 100 unter Zerspanung an einer Klinge empfangen worden sind. Die unteren Diagramme in den 7A und 7B geben die Ergebnisse der Spektralanalyse wieder. Ein Rechteck 700 gibt die Zeitreihendaten der Schneidekraft an, wenn das Bearbeitungswerkzeug 204 in Rotation versetzt wird.
  • Aus den 7A und 7B ist ersichtlich, dass das Amplitudenverhältnis, das auf der Grundlage der Zeitreihendaten, die von der anderen Werkzeugmaschine 100 in abnormalem Zustand erhalten worden sind, berechnet worden ist, sich vom Amplitudenverhältnis unterscheidet, das auf der Grundlage der Zeitreihendaten, die von der Werkzeugmaschine 100 im Normalzustand erhalten worden sind, berechnet worden ist. Es ist darauf hinzuweisen, dass das aus dem Ausdruck (1) berechnete Amplitudenverhältnis einen Indikator darstellt, der den symmetrischen Abbau einer Klinge wiedergibt.
  • Das Verhältnis des fn-Werts zum ganzzahligen Vielfachen von fn stellt einen Indikator dar, der hauptsächlich die Werkzeugvibration wiederspiegelt. Der Indikator kann ebenfalls als eine der Merkmalsgrößen herangezogen werden.
  • Somit wird erfindungsgemäß das Amplitudenverhältnis als ein Indikator (Merkmalsgröße) für eine Zustandsklassifizierung behandelt. Es ist darauf hinzuweisen, dass das spektrale Leistungsverhältnis an Stelle des Amplitudenverhältnisses verwendet werden kann. Die Verarbeitung gemäß Stufe S106 erfolgt auf die vorstehend beschriebene Weise.
  • Anschließend erzeugt das Modul 311 zur Durchführung der Vorverarbeitung Merkmalsgrößendaten auf der Grundlage der Ergebnisse der Verarbeitung von Stufe S104 bis Stufe S106 (Stufe S107).
  • Speziell erzeugt das Modul 311 zur Durchführung der Vorverarbeitung Merkmalsgrößendaten, unter Einschluss der Identifikationsinformationen über die Werkzeugmaschine 100, der Identifikationsinformationen über das Segment, des Effektivwerts der Schneidekraft, des Effektivwerts der Rotationsgeschwindigkeit, der Rotationsfrequenz und des Amplitudenverhältnisses.
  • Anschließend bestimmt das Modul 311 zur Durchführung der Vorverarbeitung, ob die Verarbeitung für sämtliche Segmente beendet ist (Stufe S108).
  • Für den Fall, dass festgestellt wird, dass die Verarbeitung für sämtliche Segmente nicht beendet ist, kehrt das Modul 311 zur Durchführung der Vorverarbeitung zu Stufe S103 zurück.
  • Für den Fall, dass festgestellt wird, dass die Verarbeitung für sämtliche Segmente beendet worden ist, gibt das Modul 311 zur Durchführung der Vorverarbeitung die erzeugten Merkmalsgrößendaten an die Edge-Vorrichtung 120 aus (Stufe S109) und beendet dann die Verarbeitung.
  • Dabei aktualisiert die Edge-Vorrichtung 120 die Merkmalsgrößendaten-Verwaltungsinformationen 412. Speziell fügt die Edge-Vorrichtung 120 Einträge entsprechend der Anzahl der Stücke von Merkmalsgrößendaten, die empfangen worden sind, zu den Merkmalsgrößendaten-Verwaltungsinformationen 412 hinzu und legt Identifikationsinformationen in der ID 501 der entsprechenden hinzugefügten Einträge fest. Ferner legt die Edge-Vorrichtung 120 jeden Wert, der in den Merkmalsgrößendaten enthalten ist, in den entsprechenden Feldern der hinzugefügten Einträge fest.
  • 8 ist ein Ablaufdiagramm zur Beschreibung der Verarbeitung, die durch das Modul 411 zur Durchführung der Cluster-Analyse gemäß der ersten Ausführungsform durchgeführt wird. 9 ist die graphische Wiedergabe eines beispielhaften Ergebnisses der Cluster-Bildung, die vom Modul 411 zur Durchführung der Cluster-Analyse gemäß der ersten Ausführungsform durchgeführt worden ist.
  • Das Modul 411 zur Durchführung der Cluster-Analyse führt die nachstehend beschriebene Verarbeitung durch, wenn Leistungsinstruktionen erhalten werden oder wenn die Merkmalsgrößendaten-Verwaltungsinformationen 412 aktualisiert werden, oder es führt eine periodische Verarbeitung durch.
  • Das Modul 411 zur Durchführung der Cluster-Analyse führt eine Hauptkomponentenanalyse auf der Basis der Merkmalsgrößen-Datenverwaltungsinformationen 412 durch (Stufe S201). Speziell wird die folgende Verarbeitung durchgeführt.
  • Das Modul 411 zur Durchführung der Cluster-Analyse erzeugt Daten, einschließlich Merkmalsgrößen in der Anzahl d. Das Modul 411 zur Durchführung der Cluster-Analyse standardisiert die Merkmalsgrößen in der Weise, dass jede der Merkmalsgrößen einen Mittelwert von 0 und eine Standardabweichung von 1 aufweist. Bei der ersten Ausführungsform standardisiert das Modul 411 zur Durchführung der Cluster-Analyse Daten, einschließlich der drei Merkmalsgrößen Schneidekraft 504, Amplitude 505 und Verhältnis 506.
  • Das die Cluster-Analyse durchführende Modul 411 berechnet eine Kovarianzmatrix der standardisierten Daten und berechnet ferner Eigenvektoren und Eigenwerte. Das die Cluster-Analyse durchführende Modul 411 wählt die Anzahl k von Eigenvektoren in absteigender Reihenfolge der Eigenwerte aus. Bei der ersten Ausführungsform wählt das die Cluster-Analyse durchführende Modul 411 zwei Eigenvektoren aus.
  • Das die Cluster-Analyse durchführende Modul 411 erzeugt eine Projektionsmatrix auf der Basis der ausgewählten Eigenvektoren. Das die Cluster-Analyse durchführende Modul 411 wendet die Projektionsmatrix auf eine Matrix, die aus den standardisierten Daten zusammengesetzt ist, an. Eine Spalte der Matrix, auf die die Projektionsmatrix angewandt wird, sind Projektionsdaten, bei denen die Merkmalsgrößendaten verändert sind.
  • Die vorstehende Verarbeitung wandelt d-dimensionale Daten in k-dimensionale Daten um. Dies bedeutet, dass der d-dimensionale Merkmalsgrößenraum in den k-dimensionalen Merkmalsgrößenraum komprimiert wird.
  • Die Durchführung der Hauptkomponentenanalyse an den Merkmalsgrößendaten, unter Einschluss des Verhältnisses 506 als Merkmalsgröße, ergibt beispielsweise Charakteristika gemäß den nachstehenden Ausführungen für zwei Achsen (Hauptkomponenten), einschließlich in einem zweidimensionalen Merkmalsgrößenraum. Eine erste Achse ist durch eine lineare Kombination von d-dimensionalen Achsen mit großem Gewicht (Gewichtsfaktor) entsprechend der Amplitude definiert. Eine zweite Achse ist durch eine lineare Kombination von d-dimensionalen Achsen von großem Gewicht (Gewichtsfaktor) entsprechend dem Amplitudenverhältnis definiert. Die Verarbeitung von Stufe S201 wurde vorstehend beschrieben.
  • Anschließend führt das die Cluster-Analyse durchführende Modul 411 die Cluster-Bildung mit den Projektionsdaten durch (Stufe S202). Zu Beispielen für die Cluster-Technik, die in Betracht kommen, gehören die k-Means-Technik, k-Means ++-Technik, DBSCAN-Technik, die Technik des kürzesten Wegs und die Ward-Technik. Bei der ersten Ausführungsform wird die Cluster-Bildung mit der k-Means-Technik durchgeführt. Die Cluster-Bildung wird an einer Basis-Werkzeugmaschine 100 durchgeführt.
  • Anschließend führt das die Cluster-Analyse durchführende Modul 411 eine Zustandsanalysenverarbeitung auf der Grundlage des Ergebnisses der Cluster-Bildung durch (Stufe S203). Die Einzelheiten der Zustandsanalysenverarbeitung werden nachstehend beschrieben. Nach der Zustandsanalysenverarbeitung beendet das die Cluster-Analyse durchführende Modul 411 die Verarbeitung.
  • Das die Cluster-Analyse durchführende Modul 411 gibt die Merkmalsgrößendaten, das Ergebnis der Cluster-Bildung und das Ergebnis der Zustandsanalyse an den Datenverwaltungsserver 130 aus. Der Datenverwaltungsserver 130 speichert die erhaltenen Informationen in der Datenbank 140.
  • Es ist darauf hinzuweisen, dass an Stelle der Hauptkomponentenanalyse eine Kartierung aus dem d-dimensionalen Merkmalgrößenraum zum k-dimensionalen Merkmalsgrößenraum vordefiniert werden kann. In diesem Fall führt das die Cluster-Analyse durchführende Modul 411 eine Cluster-Bildung auf der Basis des Vektorwerts oder skalaren Werts des mit der Kartierung berechneten k-dimensionalen Merkmalsgrößenraums durch.
  • 9 zeigt ein spezielles Beispiel des Ergebnisses der Cluster-Bildung gemäß der ersten Ausführungsform. Wie in 9 angegeben, werden durch die Cluster-Bildung vier Cluster 800, 810, 820 und 830 gebildet. Der Cluster 800 umfasst Merkmalsgrößendaten, die in einem normalen Zustand erhalten worden sind. Der Cluster 810 umfasst Merkmalsgrößendaten, die in einem Zustand, in dem ein Abrieb erfolgt ist, erhalten worden sind. Der Cluster 820 umfasst Merkmalsgrößendaten, die in einem Zustand, bei dem eine Absplitterung erfolgt ist, erhalten worden sind. Der Cluster 830 umfasst Merkmalsgrößendaten, die in einem Zustand erhalten worden sind, bei dem es im Bearbeitungswerkzeug 204 zu Vibrationsabnormalitäten gekommen ist. Ferner ließ sich der Cluster 830 in kleinere Cluster 831, 832, 833 und 834 entsprechend der Verfahrensgenauigkeit für das Element 206 klassifizieren.
  • Wie in 9 angegeben ist, ist es ersichtlich, dass die Durchführung der Cluster-Bildung mit den Merkmalsgrößendaten, einschließlich des Verhältnisses der Amplitude der Rotationsfrequenz zur Amplitude der Merkmalsoberwelle als Merkmalsgröße es ermöglicht, eine genaue Klassifizierung der Zustände in Verbindung mit der Werkzeugmaschine 100 vorzunehmen.
  • Die Zustandsanalysenverarbeitung mit dem Ergebnis der Cluster-Bildung wird nachstehend beschrieben.
  • (Zustandsanalysenverarbeitung 1) Die Echtzeit-Abnormalitätserfassung-Verarbeitung kann als eine einzige Zustandsanalysenverarbeitung angesehen werden.
  • Um die Echtzeit-Abnormalitätserfassung-Verarbeitung zu erreichen, werden Lerndaten in das System eingegeben, um vorher Cluster-Informationen gemäß den Angaben in 9 zu erhalten. Die Edge-Vorrichtung 120 hält die Cluster-Informationen als Lerninformationen bereit.
  • Die Konsolidierungsvorrichtung 110 erzeugt Merkmalsgrößendaten aus den Zeitreihendaten von Zustandswerten, die von der Werkzeugmaschine 100 erhalten worden sind, und die Edge-Vorrichtung 120 erzeugt Projektionsdaten aus den Merkmalsgrößendaten und verwendet die Projektionsdaten zur Durchführung der Cluster-Bildung. Die Edge-Vorrichtung 120 spezifiziert einen Cluster, zu denen die Merkmalsgrößendaten (Projektionsdaten) gehören, auf der Basis der Lerninformationen und spezifiziert den Zustand der Werkzeugmaschine 100. Somit kann die Edge-Vorrichtung 120 eine Abnormalität der Werkzeugmaschine 100 feststellen. Das die Cluster-Analyse durchführende Modul 411 der Edge-Vorrichtung 120 erzeugt Informationen zur Anzeige des Verarbeitungsergebnisses und gibt diese aus. Das Verarbeitungsergebnis wird für jede Werkzeugmaschine 100 verwaltet.
  • 10 zeigt einen beispielhaften Bildschirm, der entsprechend den durch die Edge-Vorrichtung 120 gemäß der ersten Ausführungsform erzeugten Informationen angezeigt wird.
  • Ein Bildschirm 1000 umfasst eine Werkzeugmaschinen-Auswahlspalte 1010, eine Cluster-Anzeigespalte 1020 und eine Ergebnis-Anzeigespalte 1030.
  • Die Werkzeugmaschinen-Auswahlspalte 1010 ist eine Spalte zur Auswahl einer Werkzeugmaschine 100 als Anzeigeziel. Die Werkzeugmaschinen-Auswahlspalte 1010 umfasst eine Spalte, in die Identifikationsinformationen über die Werkzeugmaschine 100 eingegeben sind.
  • Die Cluster-Anzeigespalte 1020 ist eine Spalte, in der das Klassifikationsergebnis der Merkmalsgrößendaten angezeigt wird. Die Punkte 1021, 1022 und 1023 zeigen die Teile der klassifizierten Merkmalsgrößendaten der Werkzeugmaschine 100 an.
  • Die Ergebnis-Anzeigespalte 1030 umfasst eine Cluster-Informationanzeigespalte 1031 und eine Klassifikationsergebnisspalte 1032. Die Cluster-Informationsanzeigespalte 1031 ist eine Spalte, in der die mit den Lerndaten erzeugten Cluster-Informationen angezeigt werden. Die jeweiligen Zahlenwerte von Clustern, die im Cluster der Vibrationsabnormalität enthalten sind, geben jeweils einen Fehler der Prozessgenauigkeit eines Elements 206 an. Die Klassifikationsergebnisspalte 1032 ist eine Spalte, in der ein Cluster, zu der die klassifizierten Merkmalsgrößendaten gehören, angezeigt wird.
  • Die Verwendung des Systems gemäß der ersten Ausführungsform erlaubt einen raschen und genauen Nachweis einer Abnormalität der Werkzeugmaschine 100.
  • (Zustandsanalysenverarbeitung 2) Die Bewertungsverarbeitung über die Prozessgenauigkeit kann als eine Zustandsanalysenverarbeitung angesehen werden. Um die Prozessgenauigkeit des Elements 206 zu bewerten, muss der Anwender die Werkzeugmaschine 100 bedienen und ferner das verarbeitete Element 206 entnehmen, um dessen Qualität zu prüfen. Dabei kann sich ein Nachteil insofern ergeben, als die Bewertung der Prozessgenauigkeit kostspielig ist.
  • Daher berechnet das die Cluster-Analyse durchführende Modul 411 einen Indikator, zum Beispiel die Anzahl von Clustern und den Abstand zwischen Clustern, auf der Grundlage eines Ergebnisses der Cluster-Bildung gemäß Darstellung in 9 und berechnet dann einen Beurteilungswert mit einer Bewertungsfunktion mit dem Indikator als variabler Größe. Das die Cluster-Analyse durchführende Modul 411 bewertet die Prozessgenauigkeit des Elements 206 auf der Grundlage des Beurteilungswerts. Das die Cluster-Analyse durchführende Modul 411 erzeugt Informationen zur Anzeige des Verarbeitungsergebnisses und gibt diese aus.
  • Der Abstand zwischen Clustern wird beispielsweise durch den Euklidischen Abstand in einem Merkmalsgrößenraum angegeben. Ferner bestimmt das die Cluster-Analyse durchführende Modul 411 beispielsweise auf der Grundlage des Vergleichsergebnisses zwischen einem Indikator und einem Schwellenwert, ob die Prozessgenauigkeit des Elements 206 hoch ist oder nicht.
  • 11 zeigt einen beispielhaften Bildschirm, der gemäß den durch die Edge-Vorrichtung 120 gemäß der ersten Ausführungsform erzeugten Informationen angezeigt wird.
  • Ein Bildschirm 1100 umfasst eine Werkzeugmaschinen-Auswahlspalte 1110, eine Cluster-Anzeigespalte 1120 und eine Analysenergebnis-Anzeigespalte 1130. Die Werkzeugmaschinen-Auswahlspalte 1110 ist die gleiche Spalte wie die Werkzeugmaschinen-Auswahlspalte 1010.
  • Bei der Cluster-Anzeigespalte 1120 handelt es sich um eine Spalte, in der das Ergebnis der Cluster-Bildung mit den Merkmalsgrößendaten der Werkzeugmaschine 100 als Anzeigeziel angezeigt wird.
  • Die Analysenergebnis-Anzeigespalte 1130 umfasst eine Indikatoranzeigespalte 1131 und eine Genauigkeitsbewertungsspalte 1132. Bei der Indikatoranzeigespalte 1131 handelt es sich um eine Spalte, in der der berechnete Indikator angezeigt wird. Der „Abstand“ in der Indikatoranzeigespalte 1131 gibt den Gesamtwert des Abstands zwischen den entsprechenden Clustern an. Die Genauigkeitsbewertungsspalte 1132 ist eine Spalte, in der der Beurteilungswert und das Beurteilungsergebnis der Prozessgenauigkeit angezeigt werden.
  • Aus der Darstellung in 11 ist es ersichtlich, dass die Qualität des bearbeiteten Elements 206 bei einer großen Anzahl von Clustern oder einem größeren Abstand zwischen Clustern ungleichmäßig ist. Auf der Grundlage des Ergebnisses der Cluster-Bildung und des Beurteilungsergebnisses der Prozessgenauigkeit auf der Basis der Indikatoren kann der Anwender genau Variationen in der Prozessgenauigkeit, eine Verringerung der Prozessgenauigkeit und dergleichen erfassen.
  • Die Anwendung des Systems gemäß der ersten Ausführungsform erlaubt eine Beurteilung der Prozessgenauigkeit, ohne dass das bearbeitete Element 206 zur Beurteilung der Qualität entnommen werden muss. Diese Anwendung ermöglicht eine Verringerung der Kosten, die für die Bewertung der Prozessgenauigkeit anfallen.
  • (Zustandsanalysenverarbeitung 3) Die Bewertungsverarbeitung von Parametern, die für jeden der Bestandteile des Gehäuses 200 festgelegt worden sind, kann als eine einzige Zustandsanalysenverarbeitung angesehen werden. Um Parameter zu bewerten, muss der Anwender Parameter für die Bestandteile des Gehäuses 200 zur Betätigung der Werkzeugmaschine 100 festlegen. Anschließend entnimmt er das bearbeitete Element 206, um festzustellen, ob die angestrebte Qualität in zufriedenstellender Weise erreicht worden ist. Im Ergebnis kann ein Nachteil insofern entstehen, als die Parameterbewertung kostspielig ist.
  • Daher berechnet das die Cluster-Analyse durchführende Modul 411 einen Indikator, zum Beispiel die Anzahl von Clustern und den Abstand zwischen Clustern, auf der Grundlage der Cluster-Bildung gemäß 9 und berechnet dann einen Beurteilungswert mit einer Bewertungsfunktion, die den Indikator als variable Größe aufweist. Das die Cluster-Analyse durchführende Modul 411 bestimmt auf der Basis des Beurteilungswerts, ob der festgelegte Parameter geeignet ist. Das die Cluster-Analyse durchführende Modul 411 erzeugt Informationen zur Anzeige des Bearbeitungsergebnisses und gibt diese aus.
  • Das die Cluster-Analyse durchführende Modul 411 bestimmt, ob der Parameter geeignet ist, beispielsweise auf der Grundlage des Ergebnisses eines Vergleichs zwischen dem Beurteilungswert und einem Schwellenwert.
  • 12 zeigt einen beispielhaften Bildschirm, der entsprechend den durch die Edge-Vorrichtung 120 der ersten Ausführungsform erzeugten Informationen anzeigt.
  • Ein Bildschirm 1200 umfasst eine Werkzeugmaschinen-Auswahlspalte 1210, eine Cluster-Anzeigespalte 1220 und eine Analysenergebnis-Anzeigenspalte 1230. Bei der Werkzeugmaschinen-Auswahlspalte 1210 handelt es sich um die gleiche Spalte wie die Werkzeugmaschinen-Auswahlspalte 1010. Bei der Cluster-Anzeigespalte 1220 handelt es sich um die gleiche Spalte wie die Cluster-Anzeigespalte 1120.
  • Die Analysenergebnis-Anzeigespalte 1230 umfasst eine Parameter-Anzeigespalte 1231 und eine Eignungsbewertungsspalte 1232. Bei der Parameter-Anzeigespalte 1231 handelt es sich um eine Spalte, in der Parameter, die jeweils für die Werkzeugmaschine 100 festgelegt worden sind, angezeigt werden. Das die Cluster-Analyse durchführende Modul 411 empfängt Steuerinformationen 261 von der Werkzeugmaschine 100, um den Parameter in der Parameter-Anzeigespalte 1231 anzuzeigen. Die Eignungsbewertungsspalte 1232 ist eine Spalte, in der der Beurteilungswert und das Ergebnis der Parameterbewertung angezeigt werden.
  • Aus 12 ist ersichtlich, dass die Qualität des bearbeiteten Elements 206 bei einer großen Anzahl von Clustern oder bei einem größeren Abstand zwischen Clustern ungleichmäßig ist. Dies kann so interpretiert werden, dass der Parameter bei einer hochgradig ungleichmäßigen Qualität ungeeignet ist. Somit kann der Anwender auf der Grundlage des Ergebnisses der Cluster-Bildung und des Ergebnisses der Parameterbeurteilung auf der Basis der Indikatoren feststellen, ob der Parameter geeignet ist.
  • Die Anwendung des Systems gemäß der ersten Ausführungsform erlaubt eine Bewertung des festgelegten Parameters ohne Entnahme des bearbeiteten Elements 206 zur Qualitätsprüfung. Diese Anwendung ermöglicht beispielsweise die effiziente Bestimmung eines Parameters zur Bearbeitung eines unbekannten Elements 206.
  • Es ist darauf hinzuweisen, dass die Konsolidierungsvorrichtung 110 und die Edge-Vorrichtung 120 als getrennte Bestandteile vorgesehen sind. Jedoch können die Konsolidierungsvorrichtung 110 und die Edge-Vorrichtung 120 auch in integrierter Form als eine einzige Vorrichtung bereitgestellt werden. Beispielsweise ist es möglich, dass das System keine Konsolidierungsvorrichtung 110 umfasst. In diesem Fall werden die Funktionen der Konsolidierungsvorrichtung 110 in die Edge-Vorrichtung 120 aufgenommen.
  • Es ist darauf hinzuweisen, dass die Edge-Vorrichtung 120 Bestandteil der durch die Konsolidierungsvorrichtung 110 durchgeführten Verarbeitung sein kann, oder die Konsolidierungsvorrichtung 110 kann Bestandteil der durch die Edge-Vorrichtung 120 durchgeführten Verarbeitung sein. Beispielsweise kann die Konsolidierungsvorrichtung 110 eine hauptsächliche Komponentenanalyse durchführen und dimensionsverringerte Sensordaten auf die Edge-Vorrichtung 120 übertragen. Ferner kann die Konsolidierungsvorrichtung 110 eine Spektralanalyse durchführen und die Edge-Vorrichtung 120 kann das Verhältnis berechnen.
  • Es ist darauf hinzuweisen, dass die vorliegende Erfindung nicht auf die vorliegende Ausführungsform beschränkt ist, sondern verschiedene Modifikationen umfassen kann. Außerdem wurde beispielsweise die vorstehende Ausführungsform ausführlich bezüglich ihrer Konfiguration beschrieben, um das Verständnis der vorliegenden Erfindung zu erleichtern. Die Erfindung ist aber nicht notwendigerweise darauf beschränkt, dass die gesamte beschriebene Konfiguration gegeben ist. Ferner können Merkmale der Konfiguration der vorliegenden Ausführungsform durch Ergänzungen, Weglassungen und Ersetzungen abgewandelt werden.
  • Ferner können die einzelnen Bestandteile, Funktionen, Verarbeitungseinheiten, Verarbeitungsvorrichtungen und dergleichen, die vorstehend beschrieben wurden, in Form von Hardware verwirklicht werden, wobei beispielsweise ein Teil oder die Gesamtheit der Bestandteile, Funktionen, Verarbeitungseinheiten, Verarbeitungsvorrichtungen und dergleichen in Form einer integrierten Schaltung bereitgestellt werden. Alternativ kann die vorliegende Erfindung auch mit einem Programmcode einer Software zur Erzielung der Funktionen der Ausführungsform verwirklicht werden. In diesem Fall wird ein Speichermedium, das den Programmcode aufzeichnet, in einem Rechner bereitgestellt, und ein im Rechner enthaltener Prozessor liest den im Speichermedium gespeicherten Programmcode. In diesem Fall verwirklicht der aus dem Speichermedium gelesene Programmcode selbst die Funktionen der vorstehend beschriebenen Ausführungsform, und der Programmcode selbst und das Speichermedium, das den Programmcode speichert, sind Bestandteile der vorliegenden Erfindung. Zu Beispielen für das Speichermedium zur Bereitstellung eines derartigen Programmcodes gehören eine Diskette, eine CD-ROM, eine DVD-ROM, eine Festplatte, ein Solid-State-Laufwerk (SSD), ein optisches Laufwerk, eine CD-R, ein Magnetband, eine nichtflüchtige Speicherkarte und eine ROM.
  • Ferner kann der Programmcode zur Erreichung der im Rahmen der vorliegenden Ausführungsform beschriebenen Funktionen mit einem breiten Bereich von Programmen oder Skript-Sprachen implementiert werden, zum Beispiel Assembler, C/C++, Python, MATLAB, R, Julia, Perl, Shell, PHP oder Java (registrierte Warenbezeichnung).
  • Außerdem kann der Software-Programmcode zur Verwirklichung der Funktionen der vorliegenden Ausführungsform durch ein Netzwerk ausgegeben werden, um dann den Programmcode in einer Speichervorrichtung zu speichern, zum Beispiel in einer Festplatte oder einem Speicher eines Rechners, oder in einem Speichermedium, wie einer CD-RW oder CD-R. Anschließend kann der im Rechner enthaltene Prozessor den in der Speichervorrichtung oder dem Speichermedium gespeicherten Programmcode auslesen und durchführen.
  • Steuerleitungen und Informationsleitungen, die für die Beschreibung als notwendig angesehen werden, sind angegeben. Es sind aber nicht notwendigerweise sämtliche Steuerleitungen und Informationsleitungen für die Produkte angegeben. Sämtliche Konfigurationen können miteinander verbunden werden.

Claims (13)

  1. System zur Bestimmung des Zustands einer Werkzeugmaschine (100), das zur Bestimmung eines Zustands in Verbindung mit einer Werkzeugmaschine (100), die einen Rotationsmechanismus zur Bearbeitung eines Elements (206) umfasst, konfiguriert ist, wobei das System zur Bestimmung des Zustands einer Werkzeugmaschine (100) Folgendes umfasst: einen Sensor (203), der zur Gewinnung einer Zustandsgröße von der Werkzeugmaschine (100) konfiguriert ist und der ein Geräuschpegelmessgerät umfasst; und eine Analysenvorrichtung (250), die einen Prozessor (251) und einen mit dem Prozessor (251) verbundenen Speicher (252) umfasst, dadurch gekennzeichnet, dass sich die Werkzeugmaschine (100) in einem Gehäuse (200) befindet und ein Teil der Werkzeugmaschine (100) oder ein Teil des Gehäuses (200) ein akustisches Absorptionsmaterial (207, 208) umfasst, die Installationsposition des Geräuschpegelmessgeräts als Sensor (203) so eingestellt ist, dass keine stehende Welle zwischen dem Sensor (203) und einer Wandfläche innerhalb des Gehäuses (200) erzeugt wird, und die Analysenvorrichtung (250) dazu ausgelegt ist, folgende Vorgänge auszuführen: eine Spektralanalyse mit Zeitreihendaten der Zustandsgröße wird durchgeführt, um eine Rotationsfrequenz (f1) des Rotationsmechanismus und eine Oberwelle (f2) zur Rotationsfrequenz (f1) zu extrahieren; das Verhältnis der Amplitude der Rotationsfrequenz (f1) zur Amplitude der Oberwelle (f2) wird berechnet; Merkmalsgrößendaten werden erzeugt, die die Zustandsgröße und das Verhältnis als Merkmalsgrößen umfassen; eine Cluster-Bildung mit den Merkmalsgrößendaten wird durchgeführt; und ein mit der Werkzeugmaschine (100) verbundener Zustand wird auf der Basis des Ergebnisses der Cluster-Bildung bestimmt.
  2. System zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 1, wobei die Werkzeugmaschine (100) einen Schneidemechanismus umfasst, der das Element in Zusammenarbeit mit einem Betrieb des Rotationsmechanismus schneidet, wobei der Schneidemechanismus eine Mehrzahl von Klingen zum Schneiden des Elements (206) aufweist, und wobei die Analysenvorrichtung (250) folgende Vorgänge durchführt: aus den Oberwellen (fN) wird eine solche Oberwelle (f2) ausgewählt, dass die Differenz zwischen der gewählten Oberwelle (f2) und einer durch Multiplikation der Rotationsfrequenz (f1) mit der Anzahl von Klingen im Schneidemechanismus erhaltenen Frequenz am kleinsten ist; und das Verhältnis der Amplitude der Rotationsfrequenz (f1) zur Amplitude der ausgewählten Oberwelle (f2) wird berechnet.
  3. System zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 2, wobei die Analysenvorrichtung (250) folgende Vorgänge durchführt: eine Hauptkomponentenanalyse wird mit den Merkmalsgrößendaten vorgenommen, um eine Mehrzahl von Hauptkomponenten auszuwählen; die Merkmalsgrößendaten werden in einem Merkmalsgrößenraum, der Achsen entsprechend den Merkmalsgrößen umfasst, in Daten in einem Merkmalsgrößenraum umgerechnet, der Achsen entsprechend den ausgewählten Hauptkomponenten umfasst; und eine Cluster-Bildung mit den umgewandelten Merkmalsgrößendaten wird durchgeführt.
  4. System zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 3, wobei die Achsen, die der Mehrzahl von Hauptkomponenten entsprechen, eine Achse umfassen, die durch eine lineare Kombination der den Merkmalsgrößen entsprechenden Achsen definiert ist, wobei die Achse, die dem Verhältnis entspricht, stark gewichtet wird.
  5. System zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 4, wobei die Analysenvorrichtung (250) folgende Vorgänge durchführt: als Lerninformationen werden das Ergebnis der Cluster-Bildung mit Lerndaten, die einen Normalzustand anzeigen, und Lerndaten, die einen abnormalen Zustand anzeigen, festgehalten; und das Ergebnis der Cluster-Bildung von neu erzeugten Merkmalsgrößendaten wird mit den Lerninformationen verglichen, um eine Abnormalität der Werkzeugmaschine (100) festzustellen.
  6. System zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 4, wobei die Analysenvorrichtung (250) folgende Vorgänge durchführt: ein Indikator zur Bewertung der Bearbeitungsgenauigkeit des Elements (206) wird auf der Grundlage der Cluster-Bildung berechnet; und die Bearbeitungsgenauigkeit des Elements (206) wird auf der Grundlage des Indikators bewertet.
  7. System zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 4, wobei die Analysenvorrichtung (250) folgende Vorgänge durchführt: auf der Grundlage des Ergebnisses der Cluster-Bildung wird ein Beurteilungswert berechnet, um festzustellen, ob ein Parameter für die Steuerung der Werkzeugmaschine (100) geeignet ist; und auf der Grundlage des Beurteilungswerts wird festgestellt, ob der Parameter geeignet ist.
  8. System zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 2, wobei der Sensor (203) direkt am Rotationsmechanismus der Werkzeugmaschine (100) oder als ein Bestandteil, der sich vom Rotationsmechanismus der Werkzeugmaschine (100) unterscheidet, installiert ist oder kontaktfrei zur Werkzeugmaschine (100) installiert ist, und wobei das System zur Bestimmung des Zustands einer Werkzeugmaschine (100) als Sensor (203) mindestens einen Kraftsensor, einen Spannungssensor, einen Abstandssensor, ein Velozimeter, ein Beschleunigungsmessgerät, ein Winkelvelozimeter, einen akustischen Sensor, einen Ultraschallsensor, ein Mikrofon, einen Temperatursensor, einen Laser-Sensor und eine Kamera umfasst.
  9. Verfahren zur Bestimmung des Zustands einer Werkzeugmaschine (100) zur Ausführung durch ein System, das eine Werkzeugmaschine (100) mit einem Rotationsmechanismus zur Bearbeitung eines Elements (206) steuert, wobei das System einen ein Geräuschpegelmessgerät umfassenden Sensor (203), der so konfiguriert ist, dass er einen Zustandswert von der Werkzeugmaschine (100) erhält, sowie eine Analysenvorrichtung (250) umfasst, die einen Prozessor (251) und einen mit dem Prozessor (251) verbundenen Speicher (252) umfasst, dadurch gekennzeichnet, dass sich die Werkzeugmaschine (100) in einem Gehäuse (200) befindet und ein Teil der Werkzeugmaschine (100) oder ein Teil des Gehäuses (200) ein akustisches Absorptionsmaterial (207, 208) umfasst, die Installationsposition des Geräuschpegelmessgeräts als Sensor (203) so eingestellt ist, dass keine stehende Welle zwischen dem Sensor (203) und einer Wandfläche innerhalb des Gehäuses (200) erzeugt wird, und das Verfahren zur Bestimmung des Zustands der Werkzeugmaschine (100) Folgendes umfasst: Durchführung einer Spektralanalyse mit Zeitreihendaten des Zustandswerts, um eine Rotationsfrequenz (f1) aus dem Rotationsmechanismus und eine Oberwelle (f2) zur Rotationsfrequenz (f1) mit der Analysenvorrichtung (250) zu extrahieren; Berechnung des Verhältnisses einer Amplitude der Rotationsfrequenz (f1) zur Amplitude der Oberwelle (f2) mit der Analysenvorrichtung (250); Erzeugen von Merkmalsgrößendaten, unter Einschluss des Zustandswerts und des Verhältnisses als Merkmalsgrößen, mit der Analysenvorrichtung (250); Durchführung einer Cluster-Bildung mit den Merkmalsgrößendaten mit der Analysen-Vorrichtung; und Bestimmung eines mit der Werkzeugmaschine (100) verbundenen Zustands auf der Basis des Ergebnisses der Cluster-Bildung mit der Analysenvorrichtung (250).
  10. Verfahren zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 9, wobei die Werkzeugmaschine (100) einen Schneidemechanismus aufweist, der das Element in Zusammenarbeit mit dem Betrieb des Rotationsmechanismus schneidet, wobei der Schneidemechanismus eine Mehrzahl von Klingen zum Schneiden des Elements (206) aufweist und wobei die Berechnung Folgendes umfasst: aus den Oberwellen (fN) wird mit der Analysenvorrichtung (250) eine solche Oberwelle (f2) ausgewählt, dass die Differenz zwischen der gewählten Oberwelle (f2) und einer durch Multiplikation der Rotationsfrequenz (f1) mit der Anzahl von Klingen im Schneidemechanismus erhaltenen Frequenz am kleinsten ist; und das Verhältnis der Amplitude der Rotationsfrequenz (f1) zur Amplitude der ausgewählten Oberwelle (f2) wird mit der Analysenvorrichtung (250) berechnet.
  11. Verfahren zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 10, wobei die Durchführung der Cluster-Bildung Folgendes umfasst: Durchführung einer Hauptkomponentenanalyse mit den Merkmalsgrößendaten, um eine Mehrzahl von Hauptkomponenten auszuwählen, mit der Analysenvorrichtung (250); Umwandlung der Merkmalsgrößendaten in einem Merkmalsgrößenraum, der Achsen entsprechend den Merkmalsgrößen umfasst, in Daten in einem Merkmalsgrößenraum, der Achsen entsprechend den ausgewählten Hauptkomponenten umfasst, mit der Analysenvorrichtung (250); und Durchführung einer Cluster-Bildung mit den umgewandelten Merkmalsgrößendaten mit der Analysenvorrichtung (250).
  12. Verfahren zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 11, wobei die Achsen, die der Mehrzahl von Hauptkomponenten entsprechen, eine Achse umfassen, die durch eine lineare Kombination der Achsen definiert ist, wobei die Achse, die dem Verhältnis entspricht, stark gewichtet wird.
  13. Verfahren zur Bestimmung des Zustands einer Werkzeugmaschine (100) nach Anspruch 12, wobei die Analysenvorrichtung (250) als Lerninformationen das Ergebnis der Cluster-Bildung mit Lerndaten, die einen Normalzustand anzeigen, und Lerndaten, die einen abnormalen Zustand anzeigen, festhält und wobei die Bestimmung das Vergleichen eines Ergebnisses der Cluster-Bildung von neu erzeugten Merkmalsgrößendaten mit den Lerninformationen umfasst, um eine Abnormalität der Werkzeugmaschine (100) mit der Analysenvorrichtung (250) zu erfassen.
DE102019117684.0A 2018-07-18 2019-07-01 System zur Bestimmung eines Werkzeugmaschinenzustands und Verfahren zur Bestimmung des Werkzeugmaschinenzustands Expired - Fee Related DE102019117684B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018134608A JP6987030B2 (ja) 2018-07-18 2018-07-18 システム及び工作機械の異常又は加工作業に関する分析方法
JP2018-134608 2018-07-18

Publications (2)

Publication Number Publication Date
DE102019117684A1 DE102019117684A1 (de) 2020-01-23
DE102019117684B4 true DE102019117684B4 (de) 2021-06-24

Family

ID=69148406

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102019117684.0A Expired - Fee Related DE102019117684B4 (de) 2018-07-18 2019-07-01 System zur Bestimmung eines Werkzeugmaschinenzustands und Verfahren zur Bestimmung des Werkzeugmaschinenzustands

Country Status (3)

Country Link
US (1) US10990085B2 (de)
JP (1) JP6987030B2 (de)
DE (1) DE102019117684B4 (de)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11579598B2 (en) * 2019-10-17 2023-02-14 Mitsubishi Electric Research Laboratories, Inc. Manufacturing automation using acoustic separation neural network
KR20210112494A (ko) * 2020-03-05 2021-09-15 한국브로치주식회사 포그 컴퓨팅을 이용한 atc 탑재형 브로칭 머신
CN115297983A (zh) * 2020-04-13 2022-11-04 住友电气工业株式会社 切削***、显示***、处理装置、处理方法以及处理程序
EP3929682B1 (de) * 2020-06-25 2023-10-18 Volkswagen Ag Schätzung eines mechanischen verschleisses einer maschine
CN114165777B (zh) * 2020-09-10 2023-10-24 河北云酷科技有限公司 电厂锅炉四管泄漏智能识别模型
CN112416996B (zh) * 2020-10-14 2024-03-01 国能大渡河沙坪发电有限公司 振动区确定方法及装置
CN112631207B (zh) * 2020-12-09 2022-07-26 哈尔滨工业大学 一种基于工业服务器集群的数控***
KR102547850B1 (ko) * 2020-12-21 2023-06-26 건국대학교 산학협력단 공작기계 수명 진단 장치 및 방법
WO2022239189A1 (ja) * 2021-05-13 2022-11-17 住友電気工業株式会社 加工条件管理システム、加工制御装置、加工システム、および加工プログラム
KR20220159291A (ko) 2021-05-25 2022-12-02 젠틀에너지 주식회사 데이터 분류 장치 및 방법
US20230061688A1 (en) * 2021-08-31 2023-03-02 Rockwell Automation Technologies, Inc. Automated diagnosis of augmented acoustic measurement in industrial environments
CN113985831B (zh) * 2021-11-17 2023-06-16 河北工业大学 一种工业控制***状态机构建方法
TWI809761B (zh) * 2022-03-15 2023-07-21 苗新元 機械運動現場資料之自動處理裝置
CN115220396B (zh) * 2022-09-20 2022-12-20 南通韦俐数控机床有限公司 一种数控机床智能监控方法及***
CN117697464B (zh) * 2024-01-03 2024-06-11 广东德力星智能装备有限公司 一种高精度数控机床的控制方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69526507T2 (de) * 1994-08-15 2002-09-26 Monitoring Technology Corp., Fairfax Verfahren zum bestimmen von resonanzinformation
WO2013031353A1 (ja) * 2011-09-02 2013-03-07 株式会社日立製作所 加工異常検知方法および加工装置
EP2676174B1 (de) * 2011-02-14 2017-04-12 Schneider GmbH & Co. KG Verfahren und vorrichtung zur regelung eines antriebs für ein werkzeug oder werkstück

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09174383A (ja) * 1995-12-26 1997-07-08 Hitachi Ltd 回転工具の異常検出方法および装置
US6604013B1 (en) * 2000-10-11 2003-08-05 Ford Motor Company Tool failure detection utilizing frequency derived, pre-characterization templates
US7341410B2 (en) * 2003-03-10 2008-03-11 Foster-Miller, Inc. Dynamical instrument for machining
WO2006043511A1 (ja) * 2004-10-18 2006-04-27 Nsk Ltd. 機械設備の異常診断システム
JP4501918B2 (ja) * 2006-09-29 2010-07-14 パナソニック電工株式会社 工具の取付異常検出装置
JP3185019U (ja) * 2013-05-16 2013-07-25 キタムラ機械株式会社 マシニングセンタ
JP5956619B2 (ja) * 2015-01-13 2016-07-27 ファナック株式会社 加工条件に応じてパラメータを調整するパラメータ自動調整装置
WO2017090098A1 (ja) * 2015-11-25 2017-06-01 株式会社日立製作所 設備管理装置および方法
JP6140331B1 (ja) * 2016-04-08 2017-05-31 ファナック株式会社 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム
WO2017217069A1 (ja) * 2016-06-13 2017-12-21 株式会社日立製作所 回転機診断装置、回転機診断方法及び回転機診断プログラム
JP6450738B2 (ja) * 2016-12-14 2019-01-09 ファナック株式会社 工作機械における工具のビビり発生の予兆を検知する機械学習装置、cnc装置および機械学習方法
JP6404893B2 (ja) * 2016-12-22 2018-10-17 ファナック株式会社 工具寿命推定装置
JP6487475B2 (ja) * 2017-02-24 2019-03-20 ファナック株式会社 工具状態推定装置及び工作機械
JP2018156151A (ja) * 2017-03-15 2018-10-04 ファナック株式会社 異常検知装置及び機械学習装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69526507T2 (de) * 1994-08-15 2002-09-26 Monitoring Technology Corp., Fairfax Verfahren zum bestimmen von resonanzinformation
EP2676174B1 (de) * 2011-02-14 2017-04-12 Schneider GmbH & Co. KG Verfahren und vorrichtung zur regelung eines antriebs für ein werkzeug oder werkstück
WO2013031353A1 (ja) * 2011-09-02 2013-03-07 株式会社日立製作所 加工異常検知方法および加工装置
US20140288882A1 (en) * 2011-09-02 2014-09-25 Hitachi, Ltd. Processing Abnormality Detection Method and Processing Device

Also Published As

Publication number Publication date
DE102019117684A1 (de) 2020-01-23
US20200026262A1 (en) 2020-01-23
JP2020011330A (ja) 2020-01-23
JP6987030B2 (ja) 2021-12-22
US10990085B2 (en) 2021-04-27

Similar Documents

Publication Publication Date Title
DE102019117684B4 (de) System zur Bestimmung eines Werkzeugmaschinenzustands und Verfahren zur Bestimmung des Werkzeugmaschinenzustands
US6651012B1 (en) Method and apparatus for trending and predicting the health of a component
DE102019204161B4 (de) Abnormitätsdiagnoseverfahren und Abnormitätsdiagnoseeinrichtung für ein Wälzlager
US6711523B2 (en) Method and apparatus for determining a condition indicator for use in evaluating the health of a component
DE69937737T2 (de) Beurteilung des zustands eines lagers
US6847917B2 (en) Method and apparatus for selecting condition indicators in determining the health of a component
Lei et al. Gear crack level identification based on weighted K nearest neighbor classification algorithm
EP2378256B1 (de) Beurteilung von Zustandsanzeigern in Gegenwart von Synchronrauschen
US7136794B1 (en) Method and apparatus for estimating values for condition indicators
DE102019127085B4 (de) Lager- und fehlerfrequenzidentifikation anhand von vibrationsspektraldiagrammen
DE69617142T2 (de) Bestimmen eines Werkzeugmaschinensystems
DE60221149T2 (de) System und verfahren zur identifikation des vorhandenseins von defekten in einer vibrierenden maschine
DE112015006099B4 (de) Anormales-Geräusch-Diagnosegerät, Anormales-Geräusch-Diagnosesystem, Anormales-Geräusch-Diagnoseverfahren und Anormales-Geräusch-Diagnoseprogramm
US6728658B1 (en) Method and apparatus for determining the health of a component using condition indicators
US20040199368A1 (en) Poor data quality identification
DE69718714T2 (de) Fehlererfassung während des Betriebes von elektrischer Gerätschaft
US6754569B2 (en) Method and apparatus for normalizing condition indicators
DE102017124135A1 (de) Maschinenfehlervorhersage basierend auf einer Analyse von periodischen Informationen in einem Signal
DE102019106903A1 (de) Bestimmung der Maschinendrehzahl auf der Basis von Schwingungsspektraldiagrammen
DE112017007532B4 (de) Alterungsdegradationsdiagnosevorrichtung und alterungsdegradationsdiagnoseverfahren
DE102011084373A1 (de) Betriebsverlaufsverwaltungsverfahren und Betriebsverlaufsverwaltungseinrichtung
DE102019122772B4 (de) Bearbeitungsumgebungsmessvorrichtung
Junior et al. Unbalance evaluation of a scaled wind turbine under different rotational regimes via detrended fluctuation analysis of vibration signals combined with pattern recognition techniques
DE102019122771B4 (de) Bearbeitungsumgebungsschätzvorrichtung
DE102019133002B4 (de) Grafische differenzierung von spektralfrequenzfamilien

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee