JP2020027563A - Health monitoring system - Google Patents
Health monitoring system Download PDFInfo
- Publication number
- JP2020027563A JP2020027563A JP2018153453A JP2018153453A JP2020027563A JP 2020027563 A JP2020027563 A JP 2020027563A JP 2018153453 A JP2018153453 A JP 2018153453A JP 2018153453 A JP2018153453 A JP 2018153453A JP 2020027563 A JP2020027563 A JP 2020027563A
- Authority
- JP
- Japan
- Prior art keywords
- machine tool
- vibration acceleration
- monitoring system
- health monitoring
- feature amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Testing And Monitoring For Control Systems (AREA)
- Numerical Control (AREA)
Abstract
Description
本発明は、主軸ユニットを備えた工作機械のメンテナンス時期（ユニット交換を含む）を予測するためのヘルスモニタリングシステムに関する。さらに言えば、工作機械における振動等のデータを総合的に判断し、具体的には、パターン認識を用いて工作機械に共通な特徴空間を設定して、工作機械の故障を未然に予知するヘルスモニタリングシステムに関する。 The present invention relates to a health monitoring system for predicting a maintenance time (including unit replacement) of a machine tool including a spindle unit. More specifically, a health tool that comprehensively judges data such as vibrations in a machine tool, sets a common feature space for the machine tool using pattern recognition, and predicts machine tool failures in advance. Related to monitoring system.
近年、工作機械は自動化され工場内で一括管理される傾向にあり、工作機械に異常が生じると、製品の生産や品質管理に大きな影響を与えてしまう。そのため、工作機械の故障により製造ラインが止まることの無いように、定期的なメンテナンスを行ってきた。工作機械の故障に対して単に部品を交換する程度であれば、製造ラインの復帰までに、そんなに時間は掛からないのであるが、工作機械の各部ユニットは、多種類の部品から構成され、かつ、高精度で微調整が必要であるため、ユニットを組み立てるための時間が必要であることが多く、かかる組み立て工程においては、長い時で１ヶ月程度も掛かってしまうこともある。最悪の場合、その間製造ラインが全く動かないという事態が生じることもあった。 In recent years, machine tools have tended to be automated and managed collectively in factories. If an abnormality occurs in a machine tool, it will greatly affect product production and quality control. Therefore, regular maintenance has been performed so that the production line does not stop due to the failure of the machine tool. If it is only a matter of replacing parts for a machine tool failure, it does not take much time until the production line returns, but each unit of the machine tool is composed of various types of parts, and Since fine adjustment is required with high accuracy, it often takes time to assemble the unit, and in such an assembling process, it may take as long as about one month. In the worst case, the production line may not move at all during that time.
製造ラインが全く動かないという事態を生じないようにする対策として、工作機械の異常を予知するための、例えば、振動や温度等のデータ等を見ながら、人が異常と判断する閾値（しきい値）を定義する等による主軸軸受の寿命計算等から一定の交換目安時間を設定することで、工作機械の部品（ユニットを含む）の交換時期を予測していた。しかしながら、工作機械毎に閾値が異なるため、工作機械毎にデータを取得し、解析する必要があった。このため、同じような解析作業を工作機械毎に行わなくてはならず、手間暇が掛かり、運用が困難になっており好ましい状態では無かった。 As a measure to prevent a situation in which the production line does not move at all, a threshold (threshold) for predicting an abnormality of a machine tool, for example, while observing data such as vibration and temperature, etc. Value) or the like, a fixed replacement guide time is set based on the calculation of the life of the spindle bearing by defining the value, etc., thereby predicting the replacement time of the parts (including the unit) of the machine tool. However, since the threshold value differs for each machine tool, it is necessary to acquire and analyze data for each machine tool. For this reason, the same analysis work must be performed for each machine tool, which takes time and effort, makes the operation difficult, and is not in a favorable state.
一方において、工作機械の主軸周りの振動や温度等のデータを取り、解析することで工作機械の異常発生の予兆を捉えることができるのであれば、工作機械の故障によるトラブルを未然に防ぐことができる。即ち、故障が予知される部品（或いはユニット）を故障が発生する前に交換しておくことができれば、工作機械の突発的な故障も無くなり製造ラインのダウンタイムを発生させることも無い。 On the other hand, if data such as vibration and temperature around the main axis of the machine tool can be obtained and analyzed to provide an indication of the occurrence of a machine tool abnormality, it is possible to prevent troubles caused by machine tool failures before they occur. it can. That is, if a component (or unit) for which a failure is predicted can be replaced before the failure occurs, no sudden failure of the machine tool occurs, and no downtime of the production line occurs.
特許文献１には、詳細な加工診断や機械診断に必要な機械情報を好適に取得する（特許文献１：課題）ことを課題として、「ＮＣ装置１０は、主軸負荷や各送り軸の負荷・指令値等の機械情報を任意の時刻毎に機械動作指令部１４から取得する時系列記録部１３Ａと、プログラム名や工具番号及びオペレータ操作によるオーバーライド値等のイベント情報を、変更時に当該変更時刻と共に機械情報指令部１４より取得するイベント記録部１３Ｂとからなる機械情報取得部１３と、機械情報の時系列データとイベントデータとを対応させて出力する機械情報切り抜き部１８及びモニタ１９とを備えている（特許文献１：解決手段）」工作機械の情報取得装置（特許文献１：発明の名称）が開示されている。即ち、工作機械の加工性を診断（加工具合をチェック）するシステムが開示されている。 Patent Document 1 has an object to appropriately acquire machine information necessary for detailed machining diagnosis and machine diagnosis (Patent Document 1: Problem). A time-series recording unit 13A that acquires machine information such as a command value from the machine operation command unit 14 at an arbitrary time, and event information such as a program name, a tool number, and an override value by an operator operation together with the change time at the time of change. A machine information acquisition unit 13 including an event recording unit 13B acquired from the machine information command unit 14; a machine information cutout unit 18 and a monitor 19 for outputting time-series data and event data of machine information in association with each other. (Patent Document 1: Means of Solution) "discloses an information acquisition device for a machine tool (Patent Document 1: Title of Invention). That is, a system for diagnosing the workability of a machine tool (checking the processing condition) is disclosed.
特許文献１に係る「工作機械の情報取得装置（特許文献１：発明の名称）」は、工作機械の時系列データとイベントデータとをそれぞれ個別に取得することで、例えば、どの時刻までプログラム、工具、操作盤のスイッチ操作、ワーク、オペレータ情報に変化が無かったか、どの時刻まで機械制御が行われていたのかが分かる負荷などの時系列データを得ることができるので、詳細な加工診断や機械診断に必要な機械情報を好適に取得することができるのであるが、所詮、個々の工作機械毎に診断するシステムであって、工作機械毎にデータを取得し、分析する必要があった。そのため同じ作業を工作機械毎に行わなくてはならず、手間暇が掛かり好ましく無い。 The “machine tool information acquisition device” (Patent document 1: title of the invention) according to Patent Literature 1 obtains time-series data and event data of a machine tool individually, so that, for example, It is possible to obtain time-series data such as load, which indicates whether there has been no change in tool, operation panel switch operation, work, and operator information, and until what time machine control has been performed. Although the machine information required for the diagnosis can be suitably acquired, it is a system for diagnosing each machine tool, and it is necessary to acquire and analyze data for each machine tool. Therefore, the same work must be performed for each machine tool, which is troublesome and time-consuming, which is not preferable.
本発明の目的は、パターン認識を用いて各工作機械間に共通な特徴空間を設定して異常分析を行うことによる工作機械のメンテナンス時期（ユニット交換を含む）を予測することができるヘルスモニタリングシステムを提供することにある。 An object of the present invention is to provide a health monitoring system that can predict a maintenance time (including unit replacement) of a machine tool by performing a failure analysis by setting a common feature space between the machine tools using pattern recognition. Is to provide.
上記課題を解決するために、請求項１に記載された発明は、主軸ユニットを備えた工作機械においてデータ解析を行うことにより工作機械の主軸軸受を診断するヘルスモニタリングシステムであって、主軸軸受から振動加速度データを収集し記憶する収集記憶手段と、前記収集記憶手段により収集され記憶された前記振動加速度データから所定の特徴量を算出する算出手段と、前記所定の特徴量を空間上にプロットすることにより特徴空間へと展開する視覚化手段と、前記特徴空間を正常領域と異常領域に分離する分離手段を備えており、前記所定の特徴量を前記特徴空間に随時プロットすることで、前記所定の特徴量の時系列変化を視覚的に捉えることができると共に、前記所定の特徴量が前記特徴空間上の前記異常領域に位置していることを根拠として工作機械の主軸軸受が潤滑不良状態であると診断することを特徴とするヘルスモニタリングシステムであることを特徴とするものである。 In order to solve the above-mentioned problem, the invention described in claim 1 is a health monitoring system for diagnosing a spindle bearing of a machine tool by performing data analysis on a machine tool having a spindle unit. Collecting and storing means for collecting and storing vibration acceleration data; calculating means for calculating a predetermined characteristic amount from the vibration acceleration data collected and stored by the collecting and storing means; and plotting the predetermined characteristic amount on a space And a separating unit that separates the feature space into a normal region and an abnormal region. The predetermined feature amount is plotted in the feature space as needed, whereby the predetermined It is possible to visually grasp the time-series change of the feature amount of the above, and that the predetermined feature amount is located in the abnormal region in the feature space. Machine tool spindle bearing as rationale is characterized in that a health monitoring system, characterized by diagnosed with poor lubrication conditions.
請求項２に記載された発明は、請求項１において、前記所定の特徴量は振動加速度の実効値の増加率、及び、振動加速度のピーク値の増加率であるヘルスモニタリングシステムであることを特徴とするものである。尚、振動加速度とは、単位時間当たりの速度変化量を示すものである。振動加速度の実効値とは、単位時間当たりの信号の平均値のことであり、信号の２乗値の平均の平方根（root mean square）のことである。振動加速度のピーク値とは、単位時間当たりの信号の最大値のことである。但し、本発明においてはノイズの影響を考慮して、ピーク値は、最大値の上位１％を平均した値を採用している。 The invention described in claim 2 is the health monitoring system according to claim 1, wherein the predetermined feature amount is an increase rate of an effective value of vibration acceleration and an increase rate of a peak value of vibration acceleration. It is assumed that. Note that the vibration acceleration indicates a speed change amount per unit time. The effective value of the vibration acceleration is an average value of a signal per unit time, that is, a root mean square of an average of a square value of the signal. The peak value of the vibration acceleration is the maximum value of the signal per unit time. However, in the present invention, in consideration of the influence of noise, the peak value employs a value obtained by averaging the upper 1% of the maximum value.
請求項３に記載された発明は、請求項１において、前記所定の特徴量は、予め、工作機械の振動加速度データを時系列的に収集し、前記振動加速度データから多数の特徴量を算出するとともに、主軸軸受が潤滑不良状態にあるかどうかの確認を行い、前記多数の特徴量の時系列変化との因果関係を見極めることにより、前記多数の特徴量の中から工作機械の主軸軸受の潤滑不良を診断するために有効な特徴量を選択したものであり、前記有効な特徴量における前記正常領域と前記異常領域に分割された前記特徴空間を準備したものであるヘルスモニタリングシステムであることを特徴とするものである。 According to a third aspect of the present invention, in the first aspect, the predetermined feature amount is obtained by collecting vibration acceleration data of the machine tool in a time series in advance and calculating a large number of feature amounts from the vibration acceleration data. At the same time, it is checked whether the spindle bearing is in a lubrication failure state, and a causal relationship with the time series change of the large number of features is determined. A health monitoring system in which a feature amount effective for diagnosing a defect is selected, and the feature space divided into the normal region and the abnormal region in the effective feature amount is prepared. It is a feature.
本発明に係るヘルスモニタリングシステムは、主軸ユニットを備えた工作機械においてデータ解析を行うことにより工作機械の主軸軸受の異常を診断する異常判定システムである。主軸軸受から振動加速度データを収集し記憶する収集記憶手段と、記憶収集手段により収集され記憶された振動加速度データから所定の特徴量を算出する算出手段と、所定の特徴量を空間上にプロットすることにより特徴空間へと展開する視覚化手段と、特徴空間を正常領域と異常領域に分離する分離手段を備えている。 The health monitoring system according to the present invention is an abnormality determination system that diagnoses an abnormality of a spindle bearing of a machine tool by performing data analysis on a machine tool including a spindle unit. Collection and storage means for collecting and storing vibration acceleration data from the main shaft bearing; calculating means for calculating a predetermined characteristic amount from the vibration acceleration data collected and stored by the storage collection means; and plotting the predetermined characteristic amount in space In this case, there are provided visualization means for expanding the feature space into a feature space, and separation means for separating the feature space into a normal region and an abnormal region.
所定の特徴量を特徴空間に随時プロットすることで、所定の特徴量の時系列変化を視覚的に捉えることができると共に、所定の特徴量が特徴空間上の異常領域に位置していることを根拠として工作機械の主軸軸受が潤滑不良状態にあると判定することができる。さらに、主軸軸受が潤滑不良状態になる前に、所定の特徴量が特徴空間上の異常領域に近づいていることを根拠として工作機械の主軸軸受が潤滑不良状態に向かっていると判定することができる。 By plotting the predetermined feature amount in the feature space as needed, it is possible to visually grasp the time-series change of the predetermined feature amount and to confirm that the predetermined feature amount is located in the abnormal region in the feature space. As a basis, it can be determined that the spindle bearing of the machine tool is in a poor lubrication state. Further, before the main shaft bearing is in a poor lubrication state, it may be determined that the main shaft bearing of the machine tool is approaching a poor lubrication state based on the fact that a predetermined feature amount is approaching an abnormal region in the feature space. it can.
要するに、特徴量の特徴空間上での挙動から工作機械の主軸軸受が潤滑不良状態にあると判定することができるので、従来のように、工作機械毎に閾値を設定して、（工作機械の診断の都度）測定データを検出し、解析することで、その工作機械のメンテナンスの時期を予想する必要もなく、高価な市販の異常診断装置を購入する必要もなくなった。 In short, it is possible to determine from the behavior of the feature amount in the feature space that the spindle bearing of the machine tool is in a lubrication failure state. By detecting and analyzing the measurement data each time a diagnosis is made, there is no need to predict the maintenance time of the machine tool, and it is no longer necessary to purchase an expensive commercially available abnormality diagnosis device.
ヘルスモニタリングシステムに採用される所定の特徴量の一つは、振動加速度の実効値の増加率であり、もう一つのヘルスモニタリングシステムに採用される所定の特徴量は振動加速度のピーク値の増加率である。これらの特徴量は全ての工作機械に共通する値であるので、工作機械毎に独自の閾値（異常値と正常値の境界値）を設定して評価する必要が無くなった。さらに言えば、従来からあった高価な異常診断装置を使用すること無く、工作機械の主軸ユニットの異常を診断し、予知することができるようになったことでコスト的にもメリットがある。 One of the predetermined feature values adopted in the health monitoring system is an increase rate of the effective value of the vibration acceleration, and another predetermined feature value adopted in the health monitoring system is an increase rate of the peak value of the vibration acceleration. It is. Since these feature values are common to all machine tools, it is no longer necessary to set and evaluate unique threshold values (boundary values between abnormal values and normal values) for each machine tool. Furthermore, it is possible to diagnose and predict the abnormality of the spindle unit of the machine tool without using a conventional expensive abnormality diagnosis apparatus, which is advantageous in terms of cost.
さらに、所定の特徴量を特徴空間上に随時プロットしマッピングすることで、特徴量の時系列変化を視覚的に捉えることができると共に、特徴量が特徴空間上の異常領域に位置していることを根拠として、工作機械の主軸軸受が潤滑不良状態にあると判定することができる。 Furthermore, by plotting and mapping a predetermined feature amount in the feature space as needed, a time series change of the feature amount can be visually grasped, and the feature amount is located in an abnormal region in the feature space. Based on this, it can be determined that the spindle bearing of the machine tool is in a poor lubrication state.
ヘルスモニタリングシステムは前段階として、工作機械の主軸軸受の品質に影響する所定の特徴量を、予め、工作機械の振動加速度データを時系列的に収集し、振動加速度データから多数の特徴量を算出し、主軸状態の確認を目視または軸受診断装置にて行い、工作機械の主軸の状態と多数の特徴量との因果関係を見極めることにより決定しているので、所定の特徴量を算出し、特徴空間による視覚化、サポートベクターマシン（空間の領域分け）というテクニックを利用して、視覚的に主軸の現在の状態や時刻歴を把握できるようになったため、現時点で主軸軸受の状態が十分正常な状態、或いは、潤滑不良状態に向かっている状態なのかも視覚的に把握することができるようになった。 As a pre-stage, the health monitoring system collects in advance the specified characteristics that affect the quality of the spindle bearings of the machine tool in time series with the vibration acceleration data of the machine tool, and calculates a number of features from the vibration acceleration data. Then, the state of the spindle is confirmed visually or by a bearing diagnosis device, and determined by examining the causal relationship between the state of the spindle of the machine tool and a large number of characteristic amounts. Using the technique of spatial visualization and support vector machine (space area division), the current status and time history of the spindle can now be visually grasped. It is now possible to visually grasp the state, or the state of approaching the state of poor lubrication.
尚、本発明に係るヘルスモニタリングシステムに採用される特徴量は、種々の統計量を候補とすることができるが、時間領域に関する統計量として、波形率、波高率、歪み度、尖り度等があり、周波数領域に関する統計量として、周波数波形率、周波数波高率、正規化平均周波数、等価帯域、周波数工程比、安定指数等が挙げられる。しかしながら、これら以外の統計量が採用されても良い。 In addition, the feature amount adopted in the health monitoring system according to the present invention can be various statistics as candidates, but the statistics regarding the time domain include waveform rate, crest factor, distortion degree, sharpness, and the like. In addition, the statistics related to the frequency domain include a frequency waveform ratio, a frequency crest factor, a normalized average frequency, an equivalent band, a frequency step ratio, a stability index, and the like. However, statistics other than these may be adopted.
＜準備段階としての特徴空間を作成するための工程＞
本発明に係るヘルスモニタリングシステム１０を説明する前に、本発明に係るヘルスモニタリングシステム１０を構築するための準備段階として行った特徴空間を作成するための予備試験について説明する。要するに、主軸ユニットを備えた工作機械において、主軸軸受の品質に関わる各種の測定データ（温度、振動、電流、音、変位、制御波形、ＡＥ波等）と主軸軸受の不具合との関連性を調査することにより、特定の不具合（本発明においては主軸軸受の潤滑不良）における特有の特徴量（所定の特徴量）から、特定の不具合（本発明においては主軸軸受の潤滑不良）における特有の特徴空間を作成するための予備試験について説明する。
<Process for creating feature space as preparation stage>
Before describing the health monitoring system 10 according to the present invention, a preliminary test for creating a feature space performed as a preparation stage for constructing the health monitoring system 10 according to the present invention will be described. In short, for a machine tool equipped with a spindle unit, investigate the relationship between various measurement data (temperature, vibration, current, sound, displacement, control waveform, AE wave, etc.) related to the quality of the spindle bearing and defects in the spindle bearing. By doing so, from the characteristic amount (predetermined characteristic amount) in the specific defect (in the present invention, poor lubrication of the main shaft bearing), the characteristic space in the specific defect (in the present invention, poor lubrication of the main shaft bearing) is changed. Preliminary tests for preparing the test will be described.
図１は、本発明に係るヘルスモニタリングシステム１０に必要な特徴空間を作成する手順を説明するための図である。ヘルスモニタリングシステム１０は、予め、工作機械における特定の不具合（本発明においては主軸軸受の潤滑不良）における特有の特徴量（所定の特徴量）を多数の特徴量の中から予備試験の結果を基に抽出し、所定の特徴量における正常領域と異常領域に分割された特徴空間を作成する。即ち、主軸軸受の潤滑不良の判断に有効な所定の特徴量を予備試験結果から抽出しておき、該所定の特徴量を使って主軸軸受の潤滑不良の判断に特有の特徴空間を事前に作成しておくことが大きな特徴になっている。 FIG. 1 is a diagram for explaining a procedure for creating a feature space required for the health monitoring system 10 according to the present invention. The health monitoring system 10 preliminarily determines a characteristic amount (predetermined characteristic amount) of a specific defect (in the present invention, poor lubrication of a spindle bearing) in a machine tool based on a result of a preliminary test from a large number of characteristic amounts. To generate a feature space divided into a normal region and an abnormal region in a predetermined feature amount. That is, a predetermined characteristic amount effective for judging poor lubrication of the main shaft bearing is extracted from the preliminary test result, and a characteristic space specific to the judgment of poor lubrication of the main shaft bearing is created in advance using the predetermined characteristic amount. It is a big feature to keep.
工作機械の中でも重要なパーツである主軸軸受の故障要因として考えられる潤滑不良が発生する際、振動加速度（当然のことながら、振動加速度以外の測定データにおける潤滑不良との因果関係も検証し、最終的に振動加速度の測定データを抽出した訳であるが、これらの経緯については詳細を記載しない）の測定データが時系列的にどのような挙動を示すのかを検証するために、主軸軸受を作動させながら主軸軸受に故意に潤滑不良を生じさせるような処置を施しつつ、主軸軸受の潤滑不良を意図的に発生させ、正常な状態から潤滑不良による不具合発生までの振動加速度の測定データを時系列的に収集した。 When lubrication failure is considered as a cause of failure of the spindle bearing, which is an important part in machine tools, vibration acceleration (of course, the causal relationship with lubrication failure in measurement data other than vibration acceleration was also verified. (The details of the details of the measurement data of the vibration acceleration are not described here.) In order to verify the behavior of the measurement data in time series, the spindle bearing was operated. While taking measures to intentionally cause poor lubrication in the main shaft bearing, intentionally generate poor lubrication in the main shaft bearing, and chronologically measure the vibration acceleration measurement data from the normal state to the failure due to poor lubrication. Collected.
主軸軸受が潤滑不良か否かの判断は、目視、或いは、数値的な判断が可能な軸受診断装置（市販）を用いて行った。予め、工作機械の振動加速度データを時系列的に収集し、該振動加速度データから多数の特徴量を算出し、主軸状態の確認を目視または軸受診断装置にて行い、工作機械の主軸の状態と多数の特徴量との因果関係（特徴量が時系列的に変化することで主軸軸受の潤滑不良状態の度合いの挙動）を見極めることにより、主軸軸受の診断（異常判定）に有効な所定の特徴量を決定した。決定した所定の特徴量から正常領域と異常領域に分割された特徴空間を作成し準備した。尚、各種の測定データとして、時間領域に関する統計量として、波形率、波高率、歪み度、尖り度等があり、周波数領域に関する統計量として、周波数波形率、周波数波高率、正規化平均周波数、等価帯域、周波数工程比、安定指数等が挙げられる。 The determination as to whether or not the main shaft bearing had poor lubrication was made using a bearing diagnostic device (commercially available) that allows visual or numerical determination. In advance, vibration acceleration data of the machine tool is collected in chronological order, a large number of features are calculated from the vibration acceleration data, and the spindle state is checked visually or by a bearing diagnosis device, and the state of the spindle of the machine tool is checked. By determining the causal relationship with a large number of feature values (the behavior of the degree of poor lubrication of the spindle bearing due to the change of the feature value in time series), a predetermined feature effective for diagnosis (abnormality determination) of the spindle bearing The amount was determined. A feature space divided into a normal region and an abnormal region from the determined predetermined feature amount was created and prepared. In addition, as various measurement data, there are a waveform rate, a crest factor, a distortion degree, a sharpness, and the like as statistics in the time domain, and a frequency waveform rate, a frequency crest factor, a normalized average frequency, Equivalent band, frequency step ratio, stability index, and the like.
（特徴量に関する測定データの中から）振動加速度の測定データと軸受の潤滑不良との相関関係を調査するための予備実験を行った結果、振動加速度の測定データから振動加速度の実効値の増加率の（時系列的）変化、及び振動加速度のピーク値の増加率の（時系列的）変化が、主軸軸受の潤滑不良と高い相関を有していることが明らかになった。この結果を基に本発明に係るヘルスモニタリングシステム１０においても、特徴量として振動加速度の測定データから振動加速度の実効値の増加率、及び振動加速度のピーク値の増加率を抽出し、これらの特徴量によりサポートベクターマシンを用いて特徴空間（正常領域と異常領域に分割：図４参照）を作成した。（振動加速度の実効値の増加率が２５０％以上、かつ、振動加速度のピーク値の増加率が２５０％以上になった際、工作機械の主軸軸受が潤滑不良であると判定することができることが予備試験により判明した（図４において特徴空間に表示している）。 Preliminary experiments were conducted to investigate the correlation between measured vibration acceleration data and poor lubrication of bearings (among the measured data related to feature values). As a result, the rate of increase in the effective value of vibration acceleration was calculated from the measured vibration acceleration data. (Time-series) change and the (time-series) change in the rate of increase in the peak value of the vibration acceleration have a high correlation with poor lubrication of the spindle bearing. Based on this result, the health monitoring system 10 according to the present invention also extracts the effective value increase rate of the vibration acceleration and the increase rate of the peak value of the vibration acceleration from the measurement data of the vibration acceleration as the feature amounts, and extracts these characteristics. A feature space (divided into a normal region and an abnormal region: see FIG. 4) was created using a support vector machine according to the amount. (When the increase rate of the effective value of the vibration acceleration is 250% or more and the increase rate of the peak value of the vibration acceleration is 250% or more, it is possible to determine that the spindle bearing of the machine tool is poorly lubricated. It was found by a preliminary test (shown in the feature space in FIG. 4).
＜ヘルスモニタリングシステムの概要＞
以下、本発明に係るヘルスモニタリングシステム１０の一実施形態について、図２〜図４に基づいて詳細に説明する。
<Overview of Health Monitoring System>
Hereinafter, an embodiment of the health monitoring system 10 according to the present invention will be described in detail with reference to FIGS.
図２は、本発明に係るヘルスモニタリングシステム１０のシステムの概要を説明するための図である。ヘルスモニタリングシステム１０は、工作機械の不具合に関連する独自の特徴量（本発明においては、主軸軸受の軸受異常における振動加速度の実効値の増加率、振動加速度のピーク値の増加率）を算出するとともに、パターン認識を用いて特徴量における特徴空間を設定してデータ解析を行うことにより、工作機械の潤滑不良を診断する。要するに、ヘルスモニタリングシステム１０は、工作機械の主軸軸受が正常な状態か否かを診断する異常判定システムである。 FIG. 2 is a diagram for explaining an outline of a system of the health monitoring system 10 according to the present invention. The health monitoring system 10 calculates a unique feature amount (in the present invention, the rate of increase of the effective value of vibration acceleration and the rate of increase of the peak value of vibration acceleration in the case of a bearing abnormality of the main shaft bearing) related to the failure of the machine tool. At the same time, by setting a feature space in the feature amount using pattern recognition and performing data analysis, a lubrication failure of the machine tool is diagnosed. In short, the health monitoring system 10 is an abnormality determination system that diagnoses whether the spindle bearing of the machine tool is in a normal state.
図２に記載したように、ヘルスモニタリングシステム１０は、工作機械の主軸ユニットの主要部である旋削主軸に取り付けた振動加速度センサから検出された振動加速度の測定データを収集し記憶する収集記憶手段２０（具体的には、振動加速度センサをパソコン等の情報処理端末とデータのやり取りができるようにする）と、収集記憶手段２０により記憶された振動加速度の測定データ（時系列）から、演算により特徴量（振動加速度の実効値の増加率、振動加速度のピーク値の増加率）を算出する算出手段３０（具体的には、振動加速度センサからパソコン等の情報処理端末に取り込んだデータを所定の数式に当てはめて計算する）を備えている。 As shown in FIG. 2, the health monitoring system 10 collects and stores measurement data of vibration acceleration detected from a vibration acceleration sensor attached to a turning spindle which is a main part of a spindle unit of a machine tool. (Specifically, the vibration acceleration sensor allows data to be exchanged with an information processing terminal such as a personal computer), and is characterized by calculation from vibration acceleration measurement data (time series) stored by the collection and storage unit 20. Calculating means 30 for calculating the amount (the rate of increase of the effective value of the vibration acceleration and the rate of increase of the peak value of the vibration acceleration) (specifically, the data taken from the vibration acceleration sensor into an information processing terminal such as a personal computer is converted into a predetermined mathematical expression) Calculate by applying to).
そして、本発明の大きなポイントである算出手段３０により算出された特徴量（振動加速度の実効値の増加率、振動加速度のピーク値の増加率）を二次元特徴空間に展開するために、二次元空間上にプロットする視覚化手段４０（工作機械の状態をマッピングする）と、視覚化手段４０によりマッピングされた特徴空間を正常領域と異常領域に分離する分離手段５０を備えている。特徴量を特徴空間上に随時プロットしマッピングすることで、特徴量の挙動を時系列的、かつ、視覚的に捉えることができると共に、特徴量が特徴空間上の異常領域に位置していることを根拠として、工作機械の主軸軸受が潤滑不良状態にある、或いは、所定の特徴量が特徴空間上の異常領域に近づいていることを根拠として工作機械の主軸軸受が潤滑不良状態に向かっていると判定することができることに特徴がある。 Then, in order to develop the feature amounts (the increase rate of the effective value of the vibration acceleration and the increase rate of the peak value of the vibration acceleration) calculated by the calculation means 30, which is a major point of the present invention, in a two-dimensional feature space, The visualization unit 40 is provided with a visualization unit 40 (mapping the state of the machine tool) for plotting in a space, and a separation unit 50 for separating the feature space mapped by the visualization unit 40 into a normal region and an abnormal region. By plotting and mapping features in the feature space as needed, the behavior of the features can be captured in a time-series and visual manner, and the features are located in abnormal regions in the feature space On the basis of this, the spindle bearing of the machine tool is in a state of poor lubrication, or the spindle bearing of the machine tool is approaching the state of poor lubrication on the basis that a predetermined feature amount is approaching an abnormal region in the feature space. Is characterized in that it can be determined that
＜ヘルスモニタリングシステムの流れ＞
本発明に係るヘルスモニタリングシステム１０の一実施形態として、主軸軸受の潤滑不良を判断する際の流れについて説明する。図３は、本発明に係るヘルスモニタリングシステム１０の流れ図である。
<Flow of health monitoring system>
As one embodiment of the health monitoring system 10 according to the present invention, a flow when judging poor lubrication of a spindle bearing will be described. FIG. 3 is a flowchart of the health monitoring system 10 according to the present invention.
ヘルスモニタリングシステム１０においては、工作機械の主軸軸受に生じた振動加速度の測定データから抽出された特徴量を特徴空間に展開することにより、工作機械の主軸軸受の状態（具体的には潤滑不良）を視覚化することに特徴がある。ヘルスモニタリングシステム１０では、振動加速度の時系列的測定データから、振動加速度の実効値の増加率と振動加速度のピーク値の増加率を算出し、数値変動を基に主軸軸受が潤滑不良状態にあるのか否かを診断する。 In the health monitoring system 10, the state of the spindle bearing of the machine tool (specifically, poor lubrication) is developed in the feature space by extracting the feature amount extracted from the measurement data of the vibration acceleration generated in the spindle bearing of the machine tool. It is characterized by visualizing. The health monitoring system 10 calculates the rate of increase of the effective value of the vibration acceleration and the rate of increase of the peak value of the vibration acceleration from the time-series measurement data of the vibration acceleration, and the main shaft bearing is in a poor lubrication state based on the numerical variation. Diagnose whether or not.
先ず、工作機械の主軸ユニットの主要部である旋削主軸から振動加速度をサンプリングレート１０キロヘルツ（毎秒１００００回の割合で）で時系列的に採取する。採取した測定データを収集記憶手段２０により収集し記憶する（図３：振動加速度データの収集）。 First, vibration acceleration is sampled in time series at a sampling rate of 10 kHz (at a rate of 10,000 times per second) from a turning spindle which is a main part of a spindle unit of a machine tool. The collected measurement data is collected and stored by the collection storage means 20 (FIG. 3: collection of vibration acceleration data).
次に、主軸軸受の潤滑不良であるか否かを把握するための特徴量である振動加速度の実効値の増加率と振動加速度のピーク値の増加率を算出手段３０により算出する（図３：特徴量算出）。尚、特徴量を算出するとは、収集記憶手段２０により記憶された測定データから主軸軸受の潤滑不良の診断に必要な特徴量を計算により算出する処理のことである。ヘルスモニタリングシステム１０においては、振動加速度の測定データから診断に必要な特徴量（振動加速度の実効値の増加率と振動加速度のピーク値の増加率）をコンピュータ等の演算処理装置を用いて算出するプロセスである。 Next, the calculating means 30 calculates the increasing rate of the effective value of the vibration acceleration and the increasing rate of the peak value of the vibration acceleration, which are the characteristic amounts for grasping whether or not the main shaft bearing is defective in lubrication (FIG. 3: Feature amount calculation). The calculation of the characteristic amount refers to a process of calculating a characteristic amount necessary for diagnosing a lubrication failure of the spindle bearing from the measurement data stored by the collection and storage unit 20. In the health monitoring system 10, a characteristic amount (an increase rate of the effective value of the vibration acceleration and an increase rate of the peak value of the vibration acceleration) necessary for diagnosis is calculated from the measurement data of the vibration acceleration by using an arithmetic processing device such as a computer. Process.
先行予備試験の結果から、振動加速度から抽出すべき主軸軸受の潤滑不良状態を診断することができる特徴量は、振動加速度の実効値の増加率、及び振動加速度のピーク値の増加率であることが解っている。さらに、振動加速度の実効値の増加率が２５０％以上、かつ、振動加速度のピーク値の増加率が２５０％以上になった際、工作機械の主軸軸受が潤滑不良であると判定することができることが解っている（図４において特徴空間に表示している）。 From the results of the preliminary test, the characteristic amount that can diagnose the lubrication failure state of the spindle bearing to be extracted from the vibration acceleration is the rate of increase of the effective value of vibration acceleration and the rate of increase of the peak value of vibration acceleration. I understand. Furthermore, when the increase rate of the effective value of the vibration acceleration is 250% or more and the increase rate of the peak value of the vibration acceleration is 250% or more, it is possible to determine that the spindle bearing of the machine tool has poor lubrication. (Shown in the feature space in FIG. 4).
図４に記載したように、主軸軸受の潤滑不良状態を判定することができる特徴量（振動加速度の実効値の増加率、振動加速度のピーク値の増加率）から、二次元空間である特徴空間（縦軸：振動加速度のピーク値の増加率、横軸：振動加速度の実効値の増加率）を作成する。特徴空間の作成のプロセスは、特徴量を二次元平面にプロットし、分離手段５０であるサポートベクターマシン（ＳＶＭ）を用いて境界線を定め、主軸軸受の潤滑性に関する正常領域と異常領域に分離することにより作成する。 As shown in FIG. 4, a feature space that is a two-dimensional space is obtained from feature amounts (increase rate of effective value of vibration acceleration, increase rate of peak value of vibration acceleration) from which the lubrication failure state of the spindle bearing can be determined. (Ordinate: increase rate of peak value of vibration acceleration, abscissa: increase rate of effective value of vibration acceleration). In the process of creating the feature space, the feature amount is plotted on a two-dimensional plane, a boundary is determined using a support vector machine (SVM), which is a separating unit 50, and separated into a normal region and an abnormal region related to lubrication of the spindle bearing. Create by doing.
実際にサポートベクターマシン（ＳＶＭ）を用いて作成した境界線が太線（太線内が異常領域）にて記載されているが（図４参照）、システム運用上、境界をデフォルメ（特徴を誇張、強調して簡略化した表現方法とすること）された領域にすることもできる（図４：斜線部参照）。ヘルスモニタリングシステム１０は、特徴量を特徴空間上にリアルタイムでプロットしてモニタリングを行うことにより、時間軸を考慮した主軸軸受の潤滑不良に関する性能の挙動を視覚的に観察することができつつ、主軸軸受が潤滑不良状態であるか否かを診断することができる。 Although the boundary line actually created by using the support vector machine (SVM) is indicated by a bold line (the area inside the bold line is an abnormal area) (see FIG. 4), the boundary is deformed (exaggeration and emphasis of features) due to system operation. To a simplified expression method) (see FIG. 4: shaded area). The health monitoring system 10 is capable of visually observing the behavior of performance related to poor lubrication of the spindle bearing in consideration of the time axis by plotting the feature amounts in real time on the feature space and performing monitoring. It can be diagnosed whether or not the bearing is in a poor lubrication state.
尚、本明細書において、サポートベクターマシンとは（教師あり学習による）パターン認識手法の一つであり、未学習のデータに対しても高い識別性能を発揮する特徴空間の判別方法である。「マージン最大化」という手法を特徴としており、現在知られている方法としては、最も優秀なパターン識別能力を持つとされている。 In this specification, a support vector machine is one of pattern recognition methods (by supervised learning), and is a method of determining a feature space that exhibits high discrimination performance even for unlearned data. It is characterized by the technique of "maximizing margin", and is said to have the most excellent pattern identification ability as a currently known method.
＜ヘルスモニタリングシステムの効果＞
本発明に係るヘルスモニタリングシステム１０では特徴空間、特徴量、サポートベクターマシン（空間の領域分け）というテクニックを利用して、視覚的に主軸の現在の状態や時刻歴を把握できる点、即ち、現時点で主軸軸受の状態が正常なのか、或いは潤滑不良状態なのか、潤滑不良状態に向かっているのか等を視覚的に把握できる点が大きな特徴となっている。即ち、主軸軸受の特徴量を、特徴空間上にリアルタイムでプロットすることによりモニタリングを行うことにより、時間軸を考慮した主軸軸受の潤滑不良における性能の挙動を観察することができる。
<Effect of health monitoring system>
The health monitoring system 10 according to the present invention can visually grasp the current state and time history of the main axis by using a feature space, a feature amount, and a technique of a support vector machine (division of a space). The major feature is that it is possible to visually grasp whether the state of the main shaft bearing is normal, is in a poor lubrication state, is approaching a poor lubrication state, and the like. That is, by monitoring the feature amount of the main shaft bearing by plotting it in real time on the feature space, it is possible to observe the performance behavior of the main shaft bearing in the case of poor lubrication in consideration of the time axis.
従来は、工作機械毎に不具合との関連性に関するデータを取得し、分析する必要があった。即ち、同じ作業を工作機械毎に行わなくてはならず、手間暇が掛かり好ましく無かった。ヘルスモニタリングシステム１０は、振動加速度の実効値の増加率と振動加速度のピーク値の増加率を使用しているので、工作機械毎に特徴量を求める必要は無く、一般的な工作機械に（汎用性を有しつつ）適用することができるという利点がある。 Conventionally, it has been necessary to acquire and analyze data relating to a defect for each machine tool. That is, the same work has to be performed for each machine tool, which takes time and effort, which is not preferable. Since the health monitoring system 10 uses the increase rate of the effective value of the vibration acceleration and the increase rate of the peak value of the vibration acceleration, it is not necessary to obtain the characteristic amount for each machine tool. There is an advantage that it can be applied (while having the property).
ヘルスモニタリングシステム１０は、工作機械に関する振動加速度のデータを取り、波高率、及び歪み度の数値から主軸軸受の潤滑不良を予測し、判断することができる。さらに、ヘルスモニタリングシステム１０は、主軸軸受の旋削時の特徴量（波高率、及び歪み度）を、特徴空間上にリアルタイムでプロットすることによりモニタリングを行うことにより、時間軸を考慮した主軸軸受の潤滑不良における性能の挙動を観察することができるので、工作機械の故障によるトラブルを未然に防ぐことができる。従って、事前に故障が予知される部品（或いはユニット）を交換しておくことで、故障が無くなり製造ラインを止めることも無くなった。 The health monitoring system 10 obtains vibration acceleration data relating to the machine tool, and predicts and determines lubrication failure of the spindle bearing from numerical values of the crest factor and the degree of distortion. Further, the health monitoring system 10 performs monitoring by plotting feature amounts (crest factor and degree of distortion) at the time of turning of the main shaft bearing on a feature space in real time, so that the time axis of the main shaft bearing is considered. Since the behavior of the performance in the case of poor lubrication can be observed, it is possible to prevent troubles due to failure of the machine tool. Therefore, by replacing a component (or unit) for which a failure is predicted in advance, the failure is eliminated and the production line is not stopped.
＜ヘルスモニタリングシステムの変更例＞
本発明に係るヘルスモニタリングシステムは、上記した各実施形態の態様に何ら限定されるものではなく、収集記憶手段、算出手段、視覚化手段、分離手段等の構成を、本発明の趣旨を逸脱しない範囲で、必要に応じて適宜変更することができる。
<Example of change of health monitoring system>
The health monitoring system according to the present invention is not limited to the aspects of the above-described embodiments, and the configurations of the collection storage unit, the calculation unit, the visualization unit, the separation unit, and the like do not depart from the gist of the present invention. Within the range, it can be appropriately changed as needed.
本発明に係るヘルスモニタリングシステムは、上記の如く優れた効果を奏するものであるので、工作機械の部品（含むユニット）等の故障を予知するためのモニタリングシステムとして好適に用いることができる。 Since the health monitoring system according to the present invention has the above-described excellent effects, it can be suitably used as a monitoring system for predicting a failure of a part (including a unit) of a machine tool.
１０・・ヘルスモニタリングシステム
２０・・収集記憶手段
３０・・算出手段
４０・・視覚化手段
５０・・分離手段
10. Health monitoring system 20 Collection and storage means 30 Calculation means 40 Visualization means 50 Separation means
Claims (3)
主軸軸受から振動加速度データを収集し記憶する収集記憶手段と、
前記収集記憶手段により収集され記憶された前記振動加速度データから所定の特徴量を算出する算出手段と、
前記所定の特徴量を空間上にプロットすることにより特徴空間へと展開する視覚化手段と、
前記特徴空間を正常領域と異常領域に分離する分離手段を備えており、
前記所定の特徴量を前記特徴空間に随時プロットすることで、前記所定の特徴量の時系列変化を視覚的に捉えることができると共に、前記所定の特徴量が前記特徴空間上の前記異常領域に位置していることを根拠として工作機械の主軸軸受が潤滑不良状態であると診断することを特徴とするヘルスモニタリングシステム。 A health monitoring system for diagnosing a spindle bearing of a machine tool by performing data analysis on a machine tool having a spindle unit,
Collection and storage means for collecting and storing vibration acceleration data from the main shaft bearing;
Calculation means for calculating a predetermined feature amount from the vibration acceleration data collected and stored by the collection storage means,
Visualization means for developing the feature amount by plotting the predetermined feature amount on a space;
A separation unit that separates the feature space into a normal region and an abnormal region,
By plotting the predetermined feature amount as needed in the feature space, a time-series change of the predetermined feature amount can be visually grasped, and the predetermined feature amount is displayed in the abnormal region in the feature space. A health monitoring system characterized in that a spindle bearing of a machine tool is diagnosed as being in a poor lubrication state based on its position.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018153453A JP7166839B2 (en) | 2018-08-17 | 2018-08-17 | Health monitoring system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018153453A JP7166839B2 (en) | 2018-08-17 | 2018-08-17 | Health monitoring system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020027563A true JP2020027563A (en) | 2020-02-20 |
| JP7166839B2 JP7166839B2 (en) | 2022-11-08 |
Family
ID=69620560
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018153453A Active JP7166839B2 (en) | 2018-08-17 | 2018-08-17 | Health monitoring system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7166839B2 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113341879A (en) * | 2021-05-11 | 2021-09-03 | 中国软件与技术服务股份有限公司 | Data acquisition and monitoring method and system for numerical control machine tool |
| CN115202287A (en) * | 2022-09-19 | 2022-10-18 | 徐州凌风俊自动化设备有限公司 | Online intelligent monitoring, diagnosing and analyzing system for operation of numerical control machine tool |
| CN115685879A (en) * | 2023-01-05 | 2023-02-03 | 广东美的制冷设备有限公司 | Machine tool state adjustment method, device, apparatus, machine tool, medium, and program product |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61128128A (en) * | 1984-11-28 | 1986-06-16 | Toshiba Corp | Diagnostic apparatus for abnormality of rotating body |
| JPH04291606A (en) * | 1991-03-20 | 1992-10-15 | Hitachi Ltd | Method and device for monitoring plant apparatus and plant operation supporting device |
| JPH096432A (en) * | 1995-06-14 | 1997-01-10 | Mitsubishi Electric Corp | Abnormality detector for control system |
| JP2006519709A (en) * | 2003-03-10 | 2006-08-31 | フォスター−ミラー・インク | Dynamics instrument for machining |
| JP2007010415A (en) * | 2005-06-29 | 2007-01-18 | Toshiba Corp | Abnormality diagnosis system, device, and technique of bearing |
| JP2018025450A (en) * | 2016-08-09 | 2018-02-15 | オークマ株式会社 | Bearing diagnostic device |
-
2018
- 2018-08-17 JP JP2018153453A patent/JP7166839B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61128128A (en) * | 1984-11-28 | 1986-06-16 | Toshiba Corp | Diagnostic apparatus for abnormality of rotating body |
| JPH04291606A (en) * | 1991-03-20 | 1992-10-15 | Hitachi Ltd | Method and device for monitoring plant apparatus and plant operation supporting device |
| JPH096432A (en) * | 1995-06-14 | 1997-01-10 | Mitsubishi Electric Corp | Abnormality detector for control system |
| JP2006519709A (en) * | 2003-03-10 | 2006-08-31 | フォスター−ミラー・インク | Dynamics instrument for machining |
| JP2007010415A (en) * | 2005-06-29 | 2007-01-18 | Toshiba Corp | Abnormality diagnosis system, device, and technique of bearing |
| JP2018025450A (en) * | 2016-08-09 | 2018-02-15 | オークマ株式会社 | Bearing diagnostic device |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113341879A (en) * | 2021-05-11 | 2021-09-03 | 中国软件与技术服务股份有限公司 | Data acquisition and monitoring method and system for numerical control machine tool |
| CN115202287A (en) * | 2022-09-19 | 2022-10-18 | 徐州凌风俊自动化设备有限公司 | Online intelligent monitoring, diagnosing and analyzing system for operation of numerical control machine tool |
| CN115202287B (en) * | 2022-09-19 | 2022-11-25 | 徐州凌风俊自动化设备有限公司 | Online intelligent monitoring, diagnosing and analyzing system for operation of numerical control machine tool |
| CN115685879A (en) * | 2023-01-05 | 2023-02-03 | 广东美的制冷设备有限公司 | Machine tool state adjustment method, device, apparatus, machine tool, medium, and program product |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7166839B2 (en) | 2022-11-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9477223B2 (en) | Condition monitoring system and method | |
| KR102141391B1 (en) | Failure data management method based on cluster estimation | |
| JP5460160B2 (en) | Equipment diagnostic equipment | |
| WO2008142386A1 (en) | Machining process monitor | |
| JP6291161B2 (en) | Detection of rotor abnormality | |
| KR102123522B1 (en) | Failure diagnostic method based on cluster of fault data | |
| JP2020027563A (en) | Health monitoring system | |
| CN110543147B (en) | Analysis device, analysis method, and computer-readable medium storing analysis program | |
| KR102040179B1 (en) | Method for sensing and diagnosing abnormality of manufacture equipment | |
| KR20110009615A (en) | Data collection device, and diagnosis device of facility management with data collection device thereof | |
| JP6714498B2 (en) | Equipment diagnosis device and equipment diagnosis method | |
| JP2019098515A (en) | Blade tool state inspection system and method | |
| CN112800563A (en) | Coal mining machine fault discrimination method and system and readable storage medium | |
| JP4312477B2 (en) | Diagnosis method, diagnosis apparatus and program for rotating machine | |
| JP2008058191A (en) | Method of diagnosing rotary machine, program therefor, and diagnosing device therefor | |
| KR102471830B1 (en) | Apparatus and method for simultaneous monitoring of bearing and tool condition | |
| JP2004020484A (en) | Abnormality monitoring device and program for monitoring abnormality | |
| KR20220096794A (en) | Method and system for diagnosing defects in rotating machinery | |
| KR20220096793A (en) | Method and system for comprehensive diagnosis defects in rotating machinery | |
| TWM542534U (en) | Device applying rigidity prediction of tool to suppress the chatter of cutting | |
| JP6744342B2 (en) | Machine tool controller | |
| Chu et al. | An effective method for monitoring the vibration data of bearings to diagnose and minimize defects | |
| Alekseev et al. | Data measurement system of compressor units defect diagnosis by vibration value | |
| JP6777686B2 (en) | Diagnostic equipment, diagnostic methods and diagnostic programs | |
| Wescoat et al. | A Proposed Method for Generating Lifetime Failure Data for Manufacturing Equipment: Validation With Bearings |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210802 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220622 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220624 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220729 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20221004 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221026 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7166839 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |