JP6340236B2 - 工作機械の診断方法及びシステム - Google Patents

Description

本発明は、工作機械の診断方法及びシステムに関し、より詳細には、１クラスサポートベクターマシン（Support Vector Machines：ＳＶＭ）法を使用して工作機械の診断を行う診断方法及びシステムに関する。

工作機械では、使用による摩耗・劣化といった経時変化や機械損傷などが発生する。このため、工作機械の突然の故障や停止を未然に防ぐことを目的として、定期的な点検及び部品交換が行われてきた。しかし、工作機械に、いったん異常停止や異音の発生といった異常が発生してしまうと、原因究明、交換部品の手配又は製作、更には対策工事の実施も必要となるため、工作機械のダウンタイムが長くなってしまう。そこで、下記の特許文献１〜３に開示されているように、工作機械に異常停止等の異常事態が発生する前に、工作機械を自動的に診断する種々の技術が提案されている。

特許文献１〜３は、工作機械に取り付けた加速度計などのセンサの出力信号の数値と所定の閾値とを比較することによって、工作機械の異常診断を行う技術を開示している。また、複数のセンサの出力信号を利用する方法も提案されているが、基本的には、センサの出力信号の数値や周波数解析等の解析結果の値と所定の閾値とを比較することによって、異常の有無が診断されている。

ところで、工作機械を診断する場合に、工作機械の一つのパラメータの出力信号値だけではなく、複数のパラメータを利用すれば、より総合的な診断が可能になると考えられる。

複数のパラメータを利用した診断にあたっては、例えば、統計学において多変量解析に用いられているマハラノビス法を利用することが考えられる。マハラノビス法では、標本データのパラメータの相関性を考慮した、標本データ群の分布の中心からの基準マハラノビス距離内の単位空間を設定し、測定された対象データのマハラノビス距離が、この単位空間に含まれるか否かが判定される。そして、対象データのマハラノビス距離が、単位空間内に含まれているときに正常と診断し、含まれていないときに異常と診断することが考えられる。

しかしながら、マハラノビス法における写像空間には、正常と判定される単位空間が１つしかない。このため、標本データ群が複数のクラスタに分かれている場合には、クラスタ間の異常データまでもが、単位空間内に含まれてしまうことになる。その結果、マハラノビス法では、異常データを正常と誤診断してしまう可能性がある。

特開２０１３−１６４３８６号公報 特開２００８−９７３６３号公報 特許４４３４３５０号公報

そこで、本発明は、工作機械の高精度な診断の実現を図ることができる診断方法及び診断システムを提供することを目的としている。

上記の目的を達成するため、本発明に係る工作機械の診断方法は、工作機械を所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して当初測定データを取得する当初取得工程と、当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成する生成工程と、工作機械の運転後、工作機械を再び所定の運転パターンで運転させながら、複数のパラメータを測定して再測定データを取得する再取得工程と、再測定データをテストデータとして使用して、テストデータが１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かに基づいて、工作機械の診断を行う診断工程と、を含み、所定の運転パターンは、工作機械が加工物を加工する運転パターンであり、診断工程は、テストデータが正常領域に含まれる場合に、工作機械による加工物の加工を正常加工と診断し、テストデータが正常領域に含まれない場合に、工作機械による加工物の加工を不良加工と診断する、ことを特徴としている。

このように構成された本発明は、１クラスＳＶＭ法により、機械学習のパターン認識（複数のデータの相関関係）を用いて工作機械の診断を実施している。１クラスＳＶＭ法では、正常エリアとして複雑な複数のエリアを生成することができる。このため、楕円領域の１エリアしか単位空間を生成できないマハラノビス法を用いるよりも高精度な診断の実現を図ることができる。

さらに、本発明では、工作機械を所定の運転パターンで運転させながら複数のパラメータを測定した当初測定データをトレーニングデータとして使用し、かつ、同じ所定の運転パターンで運転させながら複数のパラメータを測定した再測定データをテストデータとして使用する。これにより、より精度の高い診断の実現を図ることができる。

また、工作機械は一般に高価であるため、いくつもの工作機械をわざと壊して異常データを取得することは現実的ではない。このため、本発明では、正常時の工作機械の当初測定データ、即ち正常データだけをトレーニングデータとして使用する１クラス法により、サポートベクターマシーン（Support Vector Machines：ＳＶＭ）のトレーニング（機械学習）を行っている。これにより、本発明では、診断に先立って、異常データを取得する必要がない。

したがって、本発明の工作機械の診断方法によれば、工作機械の高精度な診断の実現を図ることができる。

工作機械は、歯車やギヤといった量産加工品を加工する場合に、同じ運転パターンで繰り返し運転される。そこで、加工物を加工する際の運転パターンで工作機械を運転させながら測定した当初測定データをトレーニングデータとして、１クラスＳＶＭ法の写像空間における正常領域を生成しておけば、工作機械が加工物を実際に加工しているときの再測定データをテストデータとして利用することができる。その際、工作機械に異常があれば、その工作機械によって加工された加工品の加工精度も低下してしまうため、加工品の品質も劣化することになる。このため、加工時の運転パターンによるデータに基づいて、加工物の加工の良・不良を診断することができる。したがって、加工品の加工時のデータに基づいて、加工品の加工の良／不良の診断、例えば、加工品の加工精度や品質のチェックを行うことができる。

また、上記の目的を達成するため、本発明に係る工作機械の診断方法は、工作機械を所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して当初測定データを取得する当初取得工程と、測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成する生成工程と、工作機械の運転後、工作機械を再び所定の運転パターンで運転させながら、複数のパラメータを測定して再測定データを取得する再取得工程と、再測定データをテストデータとして使用して、テストデータが１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かに基づいて、工作機械の診断を行う診断工程と、を含み、再取得工程は、異なる時期に複数回実行され、診断工程は、テストデータの写像空間における位置の経時変化に基づいて、テストデータが正常領域から逸脱する時期を、工作機械の故障発生時期として予測する、ことを特徴としている。

このように構成された本発明は、診断結果の時間推移により、テストデータが正常領域から逸脱する時期を、工作機械の故障発生時期として予測することができる。

また、上記の目的を達成するため、本発明に係る工作機械の診断方法は、工作機械を所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して当初測定データを取得する当初取得工程と、測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成する生成工程と、工作機械の運転後、工作機械を再び所定の運転パターンで運転させながら、複数のパラメータを測定して再測定データを取得する再取得工程と、再測定データをテストデータとして使用して、テストデータが１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かに基づいて、工作機械の診断を行う診断工程と、を含み、再取得工程は、異なる時期に複数回実行され、診断工程は、テストデータの写像空間における位置の経時変化に基づいて、テストデータが正常領域から逸脱する時期を、工作機械に組み込まれた消耗部品の交換時期として予測する。

このように構成された本発明は、診断結果の時間推移により、テストデータが正常領域から逸脱する時期を、バイトなどの切削工具や砥石といった、工作機械に組み込まれた消耗部品の交換時期として寿命予測することができる。

また、上記の目的を達成するため、本発明に係る工作機械の診断方法は、工作機械を所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して当初測定データを取得する当初取得工程と、測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成する生成工程と、工作機械の運転後、工作機械を再び所定の運転パターンで運転させながら、複数のパラメータを測定して再測定データを取得する再取得工程と、再測定データをテストデータとして使用して、テストデータが１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かに基づいて、工作機械の診断を行う診断工程と、を含み、再測定データを追加のトレーニングデータとして使用して、１クラスサポートベクターマシン法の新たな写像空間における新たな正常領域を生成する工程を更に含み、診断工程は、テストデータが新たな正常領域に含まれない場合に工作機械を異常と診断し、テストデータが新たな正常領域に含まれる場合であっても、当初の正常領域に含まれない場合に工作機械を経年劣化と診断し、テストデータが新しい正常領域及び当初の正常領域に含まれる場合に工作機械を正常と診断する。

工作機械を含む機械は、一般に、経年で特性が変化する。この特性の経年変化は、必ずしも機械の異常ではなく、むしろ、機械の出荷時よりも安定した運転状態であることも多い。このため、当初のトレーニングデータだけに基づいて工作機械の診断を行っていると、診断の精度が徐々に低下してしまうおそれがある。そこで、このように構成された本発明は、再測定データを追加のトレーニングデータとして、１クラスＳＶＭ法の写像空間の正常領域を更新することにより、工作機械の故障診断とは別に経年劣化診断を行うことにより、診断精度の低下の防止を図ることができる。

上記の目的を達成するため、本発明に係る工作機械の診断システムは、工作機械を所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して当初測定データを出力し、工作機械の運転後、工作機械を再び所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して再測定データを出力する測定手段と、当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成するトレーニング手段と、写像空間における正常領域を記憶する記憶手段と、再測定データをテストデータとして使用して、テストデータが１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かに基づいて、工作機械の診断を行う診断手段とを備え、所定の運転パターンは、工作機械が加工物を加工する運転パターンであり、診断手段は、テストデータが正常領域に含まれる場合に、工作機械による加工物の加工を正常加工と診断し、テストデータが正常領域に含まれない場合に、工作機械による加工物の加工を不良加工と診断する、ことを特徴としている。

このように構成された本発明は、１クラスＳＶＭ法により、機械学習のパターン認識（複数のデータの相関関係）を用いて工作機械の診断を実施している。さらに、本発明では、工作機械を所定の運転パターンで運転させながら複数のパラメータを測定した当初測定データをトレーニングデータとして使用し、かつ、同じ所定の運転パターンで運転させながら複数のパラメータを測定した再測定データをテストデータとして使用する。これにより、第２の発明の工作機械の診断システムによれば、第１の発明と同様に、工作機械の高精度な診断の実現を図ることができる。また、加工品の加工時のデータに基づいて、加工品の加工の良／不良の診断を行うことができる。

また、上記の目的を達成するため、本発明に係る工作機械の診断システムは、工作機械を所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して当初測定データを出力し、工作機械の運転後、工作機械を再び所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して再測定データを出力する測定手段と、当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成するトレーニング手段と、写像空間における正常領域を記憶する記憶手段と、再測定データをテストデータとして使用して、テストデータが１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かに基づいて、工作機械の診断を行う診断手段とを備え、測定手段は、再測定データを異なる時期に複数回測定し、診断手段は、テストデータの写像空間における位置の経時変化に基づいて、テストデータが正常領域から逸脱する時期を、工作機械の故障発生時期として予測する。

このように構成された本発明は、診断結果の時間推移により、テストデータが正常領域から逸脱する時期を、工作機械の故障発生時期として予測することができる。

上記の目的を達成するため、本発明に係る工作機械の診断システムは、工作機械を所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して当初測定データを出力し、工作機械の運転後、工作機械を再び所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して再測定データを出力する測定手段と、当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成するトレーニング手段と、写像空間における正常領域を記憶する記憶手段と、再測定データをテストデータとして使用して、テストデータが１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かに基づいて、工作機械の診断を行う診断手段とを備え、測定手段は、再測定データを異なる時期に複数回測定し、診断手段は、テストデータの写像空間における位置の経時変化に基づいて、テストデータが正常領域から逸脱する時期を、工作機械に組み込まれた消耗部品の交換時期として予測する。

このように構成された本発明は、診断結果の時間推移により、工作機械に組み込まれた消耗部品の交換時期として寿命予測することができる。

また、上記の目的を達成するため、本発明に係る工作機械の診断システムは、工作機械を所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して当初測定データを出力し、工作機械の運転後、工作機械を再び所定の運転パターンで運転させながら、工作機械の複数のパラメータを測定して再測定データを出力する測定手段と、当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成するトレーニング手段と、写像空間における正常領域を記憶する記憶手段と、再測定データをテストデータとして使用して、テストデータが１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かに基づいて、工作機械の診断を行う診断手段とを備え、トレーニング手段は、再測定データを追加のトレーニングデータとして使用して、１クラスサポートベクターマシン法の新たな写像空間における新たな正常領域を生成し、写像空間における新たな正常領域を記憶する記憶手段と、診断手段は、テストデータが新たな正常領域に含まれない場合に工作機械を異常と診断し、テストデータが新たな正常領域に含まれる場合であっても、当初の正常領域に含まれない場合に工作機械を経年劣化と診断し、テストデータが新しい正常領域及び当初の正常領域に含まれる場合に工作機械を正常と診断する。

このように構成された本発明は、再測定データを追加のトレーニングデータとして、１クラスＳＶＭ法の写像空間の正常領域を更新することにより、工作機械の故障診断とは別に経年劣化診断を行うことにより、診断精度の低下の防止を図ることができる。

本発明の工作機械の診断方法及びシステムによれば、工作機械の高精度な診断の実現を図ることができる。

本発明の実施形態による工作機械の診断システムの説明図である。 （ａ）〜（ｅ）は、所定の運転パターンの模式図である。 １クラスＳＶＭ法の写像空間における正常データのクラスを示す模式図である。 第１実施形態における１クラスＳＶＭ法を用いた診断フローを説明するブロック図である。 第２実施形態における１クラスＳＶＭ法を用いた診断フローを説明するブロック図である。 第３実施形態における診断結果に基づく故障時期予測の説明図である。 第４実施形態における診断結果に基づく交換時期予測の説明図である。 第５実施形態における１クラスＳＶＭ法を用いた診断フローを説明するブロック図である。

以下、添付の図面を参照して、本発明の工作機械の診断方法及びシステムの実施形態を説明する。
図１は、各実施形態共通の工作機械の診断システムの説明図である。
図１では、工作機械１０の主に送り系の構成を示す。工作機械１０の送り系のボールスクリューは、ベッド１２上に固定されたブラケット１４内に設けられた支持ベアリング１４に回転自在に支持されたボールスクリューネジ部１６と、このネジ部１６と螺合したボールスクリューナット部１８とから構成されている。

このナット部１８には、テーブル２０が取り付けられている。テーブル２０には、位置検出器３０及び加速度センサ３２が取り付けられている。ボールスクチューのネジ部１６には、減速ギヤ２２を介して、サーボモータ２４の回転力が伝達される。サーボモータ２４の回転は、サーボ制御装置２８によって制御される。サーボ制御装置２８には、数値制御装置（図示せず）から位置指令信号が入力されるとともに、テーブル位置の位置フィードバック信号と、パルスコーダ２６からの速度フィードバック信号とが入力される。

本実施形態は、工作機械の複数のパラメータを測定して当初測定データ３５を取得する。図１に示す例では、サーボモータ２４から、モータ位置、モータ速度及びモータ電流が測定される。また、テーブルの位置検出器３０及び加速度センサ３２からは、テーブル２０の機械位置及び加速度信号が出力される。さらに、送り系以外にも、主軸モータ３４からモータ電流、モータ速度、温度データ、加速度信号が、不図示のセンサによって出力される。

これらの当初測定データ３５は、工作機械１０を所定の運転パターンで運転させながら測定される。ここで、図２の運転パターンの例を示す。図２の（ａ）〜（ｅ）は、それぞれ、往復運動、正方形に沿った運動、八角形に沿った運動、角がカーブさせた長方形に沿った運動、及び円運動の運動パターンを示す。
なお、図２の（ａ）〜（ｅ）に示した運転パターンは、いずれも２次元平面内での運動であるが、３次元空間内での運転パターンを採用することもできる。

続いて、トレーニング手段が、所定の運転パターン時に測定されたこれら当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間（特徴空間）における正常領域を生成する。
また、当初測定データ３５は、工作機械１０の出荷時の正常データである。１クラスＳＶＭでは、正常時の工作機械の当初測定データ、即ち正常データだけをトレーニングデータとして使用する機械学習を行うことができる。このため、工作機械を破壊して異常データを取得する必要がない。

本実施形態では、１クラスＳＶＭにおいてカーネル法を併用してトレーニングを行う。カーネルκは、特徴空間におけるデータどうしの内積であり、このカーネルの設計及びパラメータの設定はパターン認識の精度を決める項目である。なお１クラスＳＶＭでは、実質的にはガウスカーネルのパラメータだけを決めればよい。
ガウスカーネルを用いた場合、下記の式となる（σ2＞０は設計者が設定すべきカーネルパラメータである。）

１クラスＳＶＭのトレーニングでは、下記の評価関数に対して最適なパラメータα＝［α1α2・・・αM］を求める。

ここで、ｘiは、トレーニングデータである。また、１≧ν＞０は、パラメータの一つであり、設計者が任意に設定できるソフトマージンである。ソフトマージンは、トレーニングデータを外れ値とみなす割合の上限であり、例えば、０．１に設定すると、最大で全データの１０％が外れ値とみなされる。）また、αｉは、トレーニングデータｘｉと密接に関連しており、αi＞０なるｘiをサポートベクトルと呼ぶ。トレーニングによって得られたαを用いることにより、下記の式で表されるＳＶＭ識別器が完成する。

ここでｓｇｎ（ｆ１（ｘ））は、符号関数であり、ｆ１（ｘ）≧０のとき、即ち、トレーニングデータと同じクラス（正常領域）に属するときに「＋１」を返し、ｆ１（ｘ）＜０のとき、即ち、トレーニングデータと同じクラスには属さないときに「−１」を返す。またｘsvは、０＜ａi＜１／（νｌ）なるαiに対応するものである。ｌは、トレーニングデータの総数である。なお、実際には、αiの大半は０になるため、識別の際に重要な役割を果たすのは非ゼロのαiと、それに対応するトレーニングデータ（サポートベクトル）ｘiのみである。

ここで、図３に、１クラスＳＶＭ法の写像空間を模式的に示す。図３は、２つのパラメータ（データ１及びデータ２）による二次元の写像空間を示す。この写像空間には、４つの正常領域Ｃが含まれている。

なお、マハラノビス距離を利用した場合には、この写像空間の４つの正常領域Ｃを含む１つの大きな楕円が単位空間となる。このため、単位空間には、４つの正常領域Ｃどうしの間の非正常領域が含まれてしまう。これに対して、１クラスＳＶＭ法を使用すれば、図３に示すように、正常領域Ｃが複数箇所に分かれている場合であっても、正確な正常領域を規定することができる。

そして、トレーニングにより正常領域Ｃが生成された１クラスＳＶＭ法の写像空間の情報（トレーニングデータ）は、正常データベース（図１の３８、図４の４２）に記憶される。

そして、工作機械１０が出荷され、使われ始めた後に、工作機械１０を再び所定の運転パターンで運転させながら、工作機械１０の複数のパラメータを測定して再測定データを取得する。ここでは、出荷時と同じ、図２に示した運転パターンで工作機械を運転させる。そして、各センサによって、同じパラメータの測定データを取得する。

次に、図４を参照して、診断手段４１による工作機械の診断工程を説明する。なお、本実施形態においては、本発明のトレーニング手段及び診断手段は、コンピュータによって実現することができる。

診断に当たっては、再測定データをテストデータとして使用する。そして、テストデータ（再測定データ）が、正常データベース４２に格納された１クラスサポートベクターマシン法の写像空間における正常領域Ｃ（図３参照）に含まれるか否かを判定する。具体的には、上記ＳＶＭ識別器にテストデータを入力して診断結果（ｆ１（ｘ））の値を演算する。

そして、診断結果（ｆ１（ｘ））の値に基づいて、工作機械の診断を行う（ブロック４３）。診断結果（ｆ１（ｘ））の値が非負（ｆ１（ｘ）≧０）であれば、そのテストデータは、トレーニングデータと同じ種類のパターンである、即ち、正常領域内に含まれる。その場合（ブロック４３において「Ｎｏ」の場合）、工作機械は正常と診断される。

これに対し、診断結果（ｆ１（ｘ））の値が負（ｆ１（ｘ）＜０）であれば、そのテストデータは、トレーニングデータとは異なる種類のパターンである、即ち、正常領域内に含まれない。その場合（ブロック４３において「Ｙｅｓ」の場合）、工作機械は異常と診断される。

このように、本実施形態では、所定の運転パターンでの当初測定データをトレーニングデータとして使用し、かつ、同じ所定の運転パターンでの再測定データをテストデータとして使用する。これにより、１クラスＳＶＭ法を用いて工作機械の正常／異常の高精度な診断を行うことができる。

次に、図５を参照して、第２実施形態を説明する。
第２実施形態では、工作機械のトレーニングデータ及びテストデータを取得する際の運転パターンとして、ネジ又はギヤといった量産加工品の加工時の運転パターンを採用する。したがって、第２実施形態では、正常データベース５２には、量産加工品の加工時の運転パターンによる運転時のトレーニングデータによる写像空間の正常領域が生成されている。

正常データベース５２には、量産加工品の加工時のトレーニングにより正常領域Ｃが生成された１クラスＳＶＭ法の写像空間の情報は、正常データベース３８に記憶される。

第２実施形態では、テストデータも、同じ量産加工品の加工時の運転パターンにおけるデータを採用する。そして、診断手段５１により、第１実施形態と同様に、ＳＶＭ識別器にテストデータを入力して診断結果（ｆ１（ｘ））の値を演算する。

そして、診断結果（ｆ１（ｘ））の値に基づいて、工作機械の診断を行う（ブロック５３）。第２実施形態では、診断結果（ｆ１（ｘ））の値が非負（ｆ１（ｘ）≧０）であれば、そのテストデータは、トレーニングデータと同じ種類のパターンである、即ち、正常領域内に含まれる。その場合（ブロック５３において「Ｎｏ」の場合）、工作機械による前記加工物の加工を正常加工と診断する。

これに対し、診断結果（ｆ１（ｘ））の値が負（ｆ１（ｘ）＜０）であれば、そのテストデータは、トレーニングデータとは異なる種類のパターンである、即ち、正常領域内に含まれない。その場合（ブロック５３において「Ｙｅｓ」の場合）、工作機械による前記加工物の加工を不良加工と診断する。

このように、加工物を加工する際の運転パターンで工作機械を運転させながら測定した当初測定データをトレーニングデータとして、１クラスＳＶＭ法の写像空間における正常領域を生成しておけば、工作機械が加工物を実際に加工しているときの再測定データをテストデータとして利用することができる。その際に、工作機械に異常があれば、その工作機械によって加工された加工品の加工精度も低下してしまうため、加工品の品質も劣化することになる。このため、加工時の運転パターンによるデータに基づいて、加工物の加工の良・不良を診断することができる。また、加工の良・不良を診断することによって、その工作機械によって加工された加工物の品質のチェックを間接的に行うことができる。

次に図６を参照して、第３実施形態を説明する。
図６は、診断結果に基づく故障時期予測の説明図であり、横軸は時間を表し、縦軸はＳＶＭ識別器の診断結果（ｆ１（ｘ））の値を表す。この診断結果（ｆ１（ｘ））の値は、例えば図３に示した写像空間におけるテストデータの位置に対応している。診断結果（ｆ１（ｘ））の値が正の値からゼロに近づくほど、テストデータの位置は、図３の正常領域Ｃの内側から、正常領域Ｃと非正常領域との境界に近づく。そして、診断結果（ｆ１（ｘ））の値がゼロのときには、テストデータは、境界線上に位置することになる。さらに、診断結果（ｆ１（ｘ））の値が負の値のときには、テストデータは、正常領域Ｃの外側に位置することになる。

図６の折れ線Ｉは、工作機械の出荷時ｔ０から現在ｔ１に至るまでの複数回のテストデータをＳＶＭ識別器に入力したときの診断結果（ｆ１（ｘ））のプロットを実線で結んだものである。折れ線Ｉに示すように、現在ｔ１に至るまで、プロットは、診断結果（ｆ１（ｘ））＞０の正常領域に含まれている。
なお、テストデータの取得間隔は、任意の時間をとることができ、また、取得間隔は一定間隔であってもよいし、不定期であってもよい。

しかしながら、個々のプロットの値は、時間の経過とともに減少傾向にあり、この傾向を延長すると、破線IIに示すように、時間ｔ２の時点で診断結果（ｆ１（ｘ））の値が０となることが予測される。
なお、予測は、折れ線Ｉに基づく外挿法でもよいし、他の任意好適な方法を採用することができる。

このように、診断結果の時間推移により、テストデータが正常領域Ｃから逸脱する時期を、工作機械の故障発生時期として予測することができる。この場合、時間ｔ２が、工作機械の故障発生時期と予想される。このため、時間ｔ２の前に、点検等の対策を講じる必要があることが分かる。

次に図７を参照して、第４実施形態を説明する。
図７は、診断結果に基づく故障時期予測の説明図であり、横軸は時間を表し、縦軸はＳＶＭ識別器の診断結果（ｆ１（ｘ））の値を表す。図７の折れ線Ｉは、工作機械の出荷時ｔ０から現在ｔ１に至るまでの複数回のテストデータをＳＶＭ識別器に入力したときの診断結果（ｆ１（ｘ））のプロットを実線で結んだものである。折れ線Ｉに示すように、現在ｔ１に至るまで、プロットは、診断結果（ｆ１（ｘ））＞０の正常領域に含まれている。

しかしながら、個々のプロットの値は、時間の経過とともに減少傾向にあり、この傾向を延長すると、破線IIに示すように、時間ｔ２の時点で診断結果（ｆ１（ｘ））の値が０となることが予測される。

このように、診断結果の時間推移により、テストデータが正常領域から逸脱する時期を、バイトなどの切削工具や砥石といった、工作機械に組み込まれた消耗部品の交換時期として予測することができる。この場合、時間ｔ２が、消耗部品の交換時期、すなわち、消耗部品の寿命と予想される。このため、時間ｔ２の前に、消耗部品を交換する必要があることが分かる。

次に図８を参照して、第５実施形態を説明する。
第５実施形態では、テストデータを追加のトレーニングデータとして使用して、１クラスサポートベクターマシン法の新たな写像空間における新たな正常領域を生成する。この新たな正常領域が生成された１クラスＳＶＭ法の写像空間の情報は、最新の正常データベース８２に記憶される。
なお、トレーニングデータの追加による最新の正常データベース８２の更新は、定期的に行ってもよいし、不定期に行ってもよい。

また、出荷時のトレーニングデータに基づく当初のトレーニング情報も、出荷時の正常データベース８５に残されている。

診断に当たっては、先ず、最新の正常データベース８２に記憶されたトレーニングデータに基づいて、テストデータが、１クラスサポートベクターマシン法の写像空間における正常領域Ｃに含まれるか否かを判定する。具体的には、第１実施形態と同様にして、更新されたＳＶＭ識別器にテストデータを入力して診断結果（ｆ１（ｘ））の値を演算する（ブロック８１）。

そして、最新の正常データベース８２に基づく診断結果（ｆ１（ｘ））の値に基づいて、工作機械の診断を行う（ブロック８３）。診断結果（ｆ１（ｘ））の値が負（ｆ１（ｘ）＜０）であれば、そのテストデータは、トレーニングデータとは異なる種類のパターンである、即ち、正常領域内に含まれない。その場合（ブロック８３において「Ｙｅｓ」の場合）、工作機械は異常と診断される。

これに対し、最新の正常データベース８２に基づく診断結果（ｆ１（ｘ））の値が非負（ｆ１（ｘ）≧０）の場合（ブロック８３において「Ｎｏ」の場合）には、今度は、出荷時の正常データベース８５に記憶されたトレーニングデータに基づいて、テストデータが、１クラスサポートベクターマシン法の写像空間における正常領域に含まれるか否かを判定する。具体的には、第１実施形態と同様にして、当初のＳＶＭ識別器にテストデータを入力して診断結果（ｆ１（ｘ））の値を演算する（ブロック８４）。

そして、出荷時の正常データベース８５に基づく診断結果（ｆ１（ｘ））の値に基づいて、工作機械の診断を行う（ブロック８６）。診断結果（ｆ１（ｘ））の値が負（ｆ１（ｘ）＜０）であれば、そのテストデータは、当初のトレーニングデータとは異なる種類のパターンである、即ち、当初の正常領域Ｃ内には含まれない。その場合（ブロック８６において「Ｙｅｓ」の場合）、テストデータは、当初の正常領域には含まれていないが、更新された正常領域には含まれている。この場合には、工作機械は経年劣化と診断される。

これに対し、診断結果（ｆ１（ｘ））の値が正（ｆ１（ｘ）＞０）であれば、そのテストデータは、当初のトレーニングデータと同じ種類のパターンである、即ち、正常領域内に含まれる。その場合（ブロック８６において「Ｎｏ」の場合）、テストデータは、出荷時の正常領域Ｃと更新された正常領域との両方に含まれている。この場合には、工作機械は正常と診断される。

テストデータを追加のトレーニングデータとして、１クラスＳＶＭ法の写像空間の正常領域を更新することにより、工作機械の故障診断とは別に経年劣化診断を行うことにより、工作機械の経年変化による診断精度の低下の防止を図ることができる。

上述の実施形態においては、本発明を特定の条件で構成した例について説明したが、本発明は種々の変更及び組み合わせを行うことができ、これに限定されるものではない。例えば、上述の実施形態では、工作機械のサーボモータを含む送り系と主モータとの両方を含む工作機械全体についてデータを収集して診断を行う例を説明したが、本発明は、例えば、工作機械の送り系だけ、又は主モータだけを対象としてデータを取得して診断を行ってもよい。

１０ 工作機械
１２ ベッド
１４ 支持ベアリング及びブラケット
１６ ボールスクリュー（Ｂ／Ｓ）ネジ部
１８ ボールスクリュー（Ｂ／Ｓ）ナット部
２０ テーブル
２２ 減速ギヤ
２４ サーボモータ
２６ パルスコーダ
２８ サーボ
３０ 位置検出器
３２ 加速度センサ
３４ 主軸モータ
３５ 測定データ
３６ 処理装置
３８ データベース

Claims (8)

1. 工作機械を所定の運転パターンで運転させながら、前記工作機械の複数のパラメータを測定して当初測定データを取得する当初取得工程と、
   前記当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成する生成工程と、
   前記工作機械の運転後、前記工作機械を再び前記所定の運転パターンで運転させながら、前記複数のパラメータを測定して再測定データを取得する再取得工程と、
   前記再測定データをテストデータとして使用して、前記テストデータが１クラスサポートベクターマシン法の前記写像空間における前記正常領域に含まれるか否かに基づいて、前記工作機械の診断を行う診断工程と、を含み、
   前記所定の運転パターンは、前記工作機械が加工物を加工する運転パターンであり、
   前記診断工程は、前記テストデータが前記正常領域に含まれる場合に、前記工作機械による前記加工物の加工を正常加工と診断し、前記テストデータが前記正常領域に含まれない場合に、前記工作機械による前記加工物の加工を不良加工と診断する、ことを特徴とする、工作機械の診断方法。
2. 工作機械を所定の運転パターンで運転させながら、前記工作機械の複数のパラメータを測定して当初測定データを取得する当初取得工程と、
   前記当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成する生成工程と、
   前記工作機械の運転後、前記工作機械を再び前記所定の運転パターンで運転させながら、前記複数のパラメータを測定して再測定データを取得する再取得工程と、
   前記再測定データをテストデータとして使用して、前記テストデータが１クラスサポートベクターマシン法の前記写像空間における前記正常領域に含まれるか否かに基づいて、前記工作機械の診断を行う診断工程と、を含み、
   前記再取得工程は、異なる時期に複数回実行され、
   前記診断工程は、前記テストデータの前記写像空間における位置の経時変化に基づいて、前記テストデータが前記正常領域から逸脱する時期を、前記工作機械の故障発生時期と
   して予測する、ことを特徴とする、工作機械の診断方法。
3. 工作機械を所定の運転パターンで運転させながら、前記工作機械の複数のパラメータを測定して当初測定データを取得する当初取得工程と、
   前記当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成する生成工程と、
   前記工作機械の運転後、前記工作機械を再び前記所定の運転パターンで運転させながら、前記複数のパラメータを測定して再測定データを取得する再取得工程と、
   前記再測定データをテストデータとして使用して、前記テストデータが１クラスサポートベクターマシン法の前記写像空間における前記正常領域に含まれるか否かに基づいて、前記工作機械の診断を行う診断工程と、を含み、
   前記再取得工程は、異なる時期に複数回実行され、
   前記診断工程は、前記テストデータの前記写像空間における位置の経時変化に基づいて、前記テストデータが前記正常領域から逸脱する時期を、前記工作機械に組み込まれた消耗部品の交換時期として予測する、ことを特徴とする、工作機械の診断方法。
4. 工作機械を所定の運転パターンで運転させながら、前記工作機械の複数のパラメータを測定して当初測定データを取得する当初取得工程と、
   前記当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成する生成工程と、
   前記工作機械の運転後、前記工作機械を再び前記所定の運転パターンで運転させながら、前記複数のパラメータを測定して再測定データを取得する再取得工程と、
   前記再測定データをテストデータとして使用して、前記テストデータが１クラスサポートベクターマシン法の前記写像空間における前記正常領域に含まれるか否かに基づいて、前記工作機械の診断を行う診断工程と、を含み、
   前記再測定データを追加のトレーニングデータとして使用して、１クラスサポートベクターマシン法の新たな写像空間における新たな正常領域を生成する工程を更に含み、
   前記診断工程は、
   前記テストデータが前記新たな正常領域に含まれない場合に前記工作機械を異常と診断し、
   前記テストデータが前記新たな正常領域に含まれる場合であっても、当初の正常領域に含まれない場合に前記工作機械を経年劣化と診断し、
   前記テストデータが前記新しい正常領域及び前記当初の正常領域に含まれる場合に前記工作機械を正常と診断する、ことを特徴とする、工作機械の診断方法。
5. 工作機械を所定の運転パターンで運転させながら、前記工作機械の複数のパラメータを測定して当初測定データを出力し、前記工作機械の運転後、前記工作機械を再び前記所定の運転パターンで運転させながら、前記工作機械の前記複数のパラメータを測定して再測定データを出力する測定手段と、
   前記当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成するトレーニング手段と、
   前記写像空間における前記正常領域を記憶する記憶手段と、
   前記再測定データをテストデータとして使用して、前記テストデータが１クラスサポートベクターマシン法の前記写像空間における前記正常領域に含まれるか否かに基づいて、前記工作機械の診断を行う診断手段と、を備え、
   前記所定の運転パターンは、前記工作機械が加工物を加工する運転パターンであり、
   前記診断手段は、前記テストデータが前記正常領域に含まれる場合に、前記工作機械による前記加工物の加工を正常加工と診断し、前記テストデータが前記正常領域に含まれない場合に、前記工作機械による前記加工物の加工を不良加工と診断する、ことを特徴とする、工作機械の診断システム。
6. 工作機械を所定の運転パターンで運転させながら、前記工作機械の複数のパラメータを測定して当初測定データを出力し、前記工作機械の運転後、前記工作機械を再び前記所定の運転パターンで運転させながら、前記工作機械の前記複数のパラメータを測定して再測定データを出力する測定手段と、
   前記当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成するトレーニング手段と、
   前記写像空間における前記正常領域を記憶する記憶手段と、
   前記再測定データをテストデータとして使用して、前記テストデータが１クラスサポートベクターマシン法の前記写像空間における前記正常領域に含まれるか否かに基づいて、前記工作機械の診断を行う診断手段と、を備え、
   前記測定手段は、前記再測定データを異なる時期に複数回測定し、
   前記診断手段は、前記テストデータの前記写像空間における位置の経時変化に基づいて、前記テストデータが前記正常領域から逸脱する時期を、前記工作機械の故障発生時期として予測する、ことを特徴とする、工作機械の診断システム。
7. 工作機械を所定の運転パターンで運転させながら、前記工作機械の複数のパラメータを測定して当初測定データを出力し、前記工作機械の運転後、前記工作機械を再び前記所定の運転パターンで運転させながら、前記工作機械の前記複数のパラメータを測定して再測定データを出力する測定手段と、
   前記当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成するトレーニング手段と、
   前記写像空間における前記正常領域を記憶する記憶手段と、
   前記再測定データをテストデータとして使用して、前記テストデータが１クラスサポートベクターマシン法の前記写像空間における前記正常領域に含まれるか否かに基づいて、前記工作機械の診断を行う診断手段と、を備え、
   前記測定手段は、前記再測定データを異なる時期に複数回測定し、
   前記診断手段は、前記テストデータの前記写像空間における位置の経時変化に基づいて、前記テストデータが前記正常領域から逸脱する時期を、前記工作機械に組み込まれた消耗部品の交換時期として予測する、ことを特徴とする、工作機械の診断システム。
8. 工作機械を所定の運転パターンで運転させながら、前記工作機械の複数のパラメータを測定して当初測定データを出力し、前記工作機械の運転後、前記工作機械を再び前記所定の運転パターンで運転させながら、前記工作機械の前記複数のパラメータを測定して再測定データを出力する測定手段と、
   前記当初測定データをトレーニングデータとして使用して、１クラスサポートベクターマシン法の写像空間における正常領域を生成するトレーニング手段と、
   前記写像空間における前記正常領域を記憶する記憶手段と、
   前記再測定データをテストデータとして使用して、前記テストデータが１クラスサポートベクターマシン法の前記写像空間における前記正常領域に含まれるか否かに基づいて、前記工作機械の診断を行う診断手段と、を備え、
   前記トレーニング手段は、前記再測定データを追加のトレーニングデータとして使用して、１クラスサポートベクターマシン法の新たな写像空間における新たな正常領域を生成し、
   前記写像空間における前記新たな正常領域を記憶する記憶手段と、
   前記診断手段は、
   前記テストデータが前記新たな正常領域に含まれない場合に前記工作機械を異常と診断し、
   前記テストデータが前記新たな正常領域に含まれる場合であっても、当初の正常領域に含まれない場合に前記工作機械を経年劣化と診断し、
   前記テストデータが前記新しい正常領域及び前記当初の正常領域に含まれる場合に前記工作機械を正常と診断する、ことを特徴とする、工作機械の診断システム。

Images