JP6710232B2 - 管理装置、管理方法およびプログラム。 - Google Patents

管理装置、管理方法およびプログラム。 Download PDF

Info

Publication number
JP6710232B2
JP6710232B2 JP2018033363A JP2018033363A JP6710232B2 JP 6710232 B2 JP6710232 B2 JP 6710232B2 JP 2018033363 A JP2018033363 A JP 2018033363A JP 2018033363 A JP2018033363 A JP 2018033363A JP 6710232 B2 JP6710232 B2 JP 6710232B2
Authority
JP
Japan
Prior art keywords
time series
machine
time
cluster
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018033363A
Other languages
English (en)
Other versions
JP2019148997A (ja
Inventor
達也 野▲崎▼
達也 野▲崎▼
克明 森田
克明 森田
榎本　智之
榎本　　智之
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Heavy Industries Ltd
Original Assignee
Mitsubishi Heavy Industries Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Heavy Industries Ltd filed Critical Mitsubishi Heavy Industries Ltd
Priority to JP2018033363A priority Critical patent/JP6710232B2/ja
Priority to EP19761051.2A priority patent/EP3745225B1/en
Priority to PCT/JP2019/005586 priority patent/WO2019167676A1/ja
Priority to US16/971,831 priority patent/US20200387141A1/en
Priority to TW108106034A priority patent/TWI704973B/zh
Publication of JP2019148997A publication Critical patent/JP2019148997A/ja
Application granted granted Critical
Publication of JP6710232B2 publication Critical patent/JP6710232B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4155—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4093—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
    • G05B19/40937—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine concerning programming of machining or material parameters, pocket machining
    • G05B19/40938—Tool management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49092—Vary, change controlled parameter as function of detected power
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49225—Adapt machining conditions as function of workpiece cutting resistance
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Human Computer Interaction (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Geometry (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Factory Administration (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Software Systems (AREA)
  • Numerical Control (AREA)
  • Machine Tool Sensing Apparatuses (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)

Description

本発明は、管理装置、管理方法およびプログラムに関する。
特許文献１には、多軸ボール盤の電動機の消費電力量を検出し、被加工材の板厚を判別する技術が開示されている。
実開昭６３−１７２５０７号公報
特許文献１に開示された技術によれば、多軸ボール盤によって穿孔される被加工材の板厚を測定することができる。これは、被加工材の板厚と多軸ボール盤の穿孔に要する総電力消費量とが比例するためである。一方で、近年の工作機械においては、ＮＣ旋盤など、単なる穿孔に限らず、複雑な切削加工などの作業を可能とするものがある。このような複雑な作業を実行する機械においては、加工対象物や作業内容（プロセス）と総電力消費量とは必ずしも比例関係にない。そのため、特許文献１に記載の技術のように、機械の総電力消費量に基づく方法によっては、プロセスを特定することができない場合がある。
本発明の目的は、複雑な作業を実行する機械のプロセスを推定することができる管理装置、管理方法およびプログラムを提供することにある。
本発明の第１の態様によれば、管理装置は、一定時間における機械の消費電力に係る時系列を取得する時系列取得部と、前記時系列を複数のクラスタのいずれかに分類する分類部と、前記複数のクラスタと前記機械のプロセスとの関係を示す関係情報と、前記時系列が分類された前記クラスタとに基づいて、前記機械が実行したプロセスを推定するプロセス推定部とを備える。
本発明の第２の態様によれば、第１の態様に係る管理装置は、前記時系列取得部は、前記機械が稼働している間の連続する複数の時系列を取得し、前記複数の時系列のそれぞれが分類された前記クラスタの種類に基づいて、前記複数の時系列に係る時間に前記機械が実行した前記プロセスを推定するものであってよい。
本発明の第３の態様によれば、第２の態様に係る管理装置は、前記関係情報は、前記クラスタと前記プロセスとを関連付けたものであって、前記プロセス推定部は、前記関係情報において、前記複数の時系列のそれぞれが分類された前記クラスタのうち最頻出のものに関連付けられた前記プロセスを、前記複数の時系列に係る時間に前記機械が実行した前記プロセスとして推定するものであってよい。
本発明の第４の態様によれば、第２の態様に係る管理装置は、前記関係情報は、前記クラスタと前記プロセスとを関連付けたものであって、前記プロセス推定部は、前記関係情報において、前記複数の時系列のそれぞれが分類された前記クラスタのうち頻出する上位複数のものに関連付けられた前記プロセスを、前記複数の時系列に係る時間に前記機械が実行した前記プロセスとして推定するものであってよい。
本発明の第５の態様によれば、第２の態様に係る管理装置は、前記関係情報は、前記クラスタの出現パターンと前記プロセスとを関連付けたものであって、前記プロセス推定部は、前記関係情報において、前記複数の時系列のそれぞれが分類された前記クラスタの出現パターンに類似する出現パターンに関連付けられた前記プロセスを、前記複数の時系列に係る時間に前記機械が実行したプロセスとして推定するものであってよい。
本発明の第６の態様によれば、第１から第５の何れかの態様に係る管理装置は、前記複数のクラスタは、一定時間における前記機械の消費電力に係る複数の時系列のクラスタリングにより予め特定されたものであるものであってよい。
本発明の第７の態様によれば、管理方法は、一定時間における機械の消費電力に係る時系列を取得することと、前記時系列を複数のクラスタのいずれかに分類することと、前記複数のクラスタと前記機械のプロセスとの関係を示す関係情報と、前記時系列が分類された前記クラスタとに基づいて、前記機械が実行したプロセスを推定することとを含む。
本発明の第８の態様によれば、プログラムは、コンピュータに、一定時間における機械の消費電力に係る時系列を取得することと、前記時系列を複数のクラスタのいずれかに分類することと、前記複数のクラスタと前記機械のプロセスとの関係を示す関係情報と、前記時系列が分類された前記クラスタとに基づいて、前記機械が実行したプロセスを推定することと実行させる。
上記態様のうち少なくとも１つの態様によれば、管理装置は、複雑な作業を実行する機械のプロセスを推定することができる。
第１の実施形態に係るプロセス管理システムの構成を示す概略図である。 第１の実施形態に係る管理装置の構成を示す概略ブロック図である。 第１の実施形態に係る管理装置による学習フェーズにおける動作を示すフローチャートである。 各サブ時系列のプロセスの実績と、各サブ時系列のクラスタリングの結果とを表すタイムチャートである。 第１の実施形態に係る管理装置による推定フェーズにおける動作を示すフローチャートである。 第２の実施形態に係る管理装置の構成を示す概略ブロック図である。 第２の実施形態に係る管理装置による推定フェーズにおける動作を示すフローチャートである。 第３の実施形態に係る管理装置による学習フェーズにおける動作を示すフローチャートである。 第３の実施形態に係る管理装置による推定フェーズにおける動作を示すフローチャートである。 少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
〈第１の実施形態〉
《プロセス管理システム》
以下、図面を参照しながら実施形態について詳しく説明する。
図１は、第１の実施形態に係るプロセス管理システムの構成を示す概略図である。
プロセス管理システム１は、工作機械１０、計測システム２０、および管理装置３０を備える。
工作機械１０は、電力で駆動し、操作者の操作に従って様々なプロセスを実行する。第１の実施形態では、工作機械１０の例としてＮＣ（Numerical Control）旋盤などが挙げられる。工作機械１０は、様々な製品（被加工物）を加工することができる。工作機械１０による各被加工物の加工は、工作機械１０の各プロセスの一例である。
計測システム２０は、工作機械１０の消費電力に係る値（例えば、電流値、電圧、電力量など）を計測する。計測システム２０の構成の例として、以下のものがあげられる。計測システム２０は、クランプメータ２１と、送信器２２と受信器２３とを備える。クランプメータ２１は、工作機械１０に電力を供給する電力線を挟むことで、電気回路を開くことなく当該電力線に流れる電流を計測する電流計である。送信器２２と受信器２３とは互いに無線通信により接続されている。当該無線通信は工作機械１０が設けられる設備において用いられる無線通信とは独立した通信である。そのため、計測システム２０による無線通信は、設備の無線通信環境に干渉しない。送信器２２は、クランプメータ２１の近傍に設置され、クランプメータ２１と有線で接続される。送信器２２は、クランプメータ２１が計測した電流値を無線通信にて受信器２３に送信する。受信器２３は、送信器２２から受信した電流値を時系列として記録する。管理装置３０は、受信器２３に記録された電流値の時系列を取得することができる。なお、計測システム２０の構成はこれに限られない。計測システム２０は、例えば１分間隔で消費電力に係る値を計測することで時系列を生成する。
管理装置３０は、計測システム２０から入力された消費電力に係る時系列に基づいて、工作機械１０が実行したプロセスを特定する。具体的には、管理装置３０は、工作機械１０が加工した被加工物の種類を推定する。
《管理装置の構成》
図２は、第１の実施形態に係る管理装置の構成を示す概略ブロック図である。
管理装置３０は、時系列取得部３１、分割部３２、クラスタリング部３３、クラスタ記憶部３４、プロセス入力部３５、関係特定部３６、関係記憶部３７、分類部３８、プロセス推定部３９、出力部４０を備える。
時系列取得部３１は、計測システム２０から消費電力に係る時系列を取得する。時系列取得部３１は消費電力に係る時系列として、例えばＤＩ信号、主電源の電流値の時系列を取得することができる。
分割部３２は、時系列取得部３１が取得した消費電力に係る時系列を一定時間ごとに切り出すことで、複数のサブ時系列に分割する。サブ時系列の長さ（例えば、１時間）は時系列の計測間隔（例えば、１分）より長いものとする。分割部３２は、時系列を重複なく切り出すことで複数のサブ時系列を生成してもよいし、窓関数により一部を重複させながら複数のサブ時系列を生成してもよい。このとき、分割部３２は、電流が流れていない時間に係るサブ時系列をクラスタリングの対象から除外する。例えば、分割部３２は、サブ時系列に係る電流値の平均値が所定の閾値未満である場合、電流値の最大値が所定の閾値未満である場合、ＤＩ信号が常にオフを示す場合などに、当該サブ時系列をクラスタリングの対象から除外する。
クラスタリング部３３は、分割部３２が分割した消費電力に係る複数のサブ時系列を、教師なし学習により複数のクラスタに区分けする。例えば、クラスタリング部３３は、Ｋ−ｍｅａｎｓ法、ウォード法、最短距離法、群平均法、自己組織化マップなどの手法により、複数のサブ時系列のクラスタリングを行う。なお、クラスタリング部３３によって区分けされるクラスタの数は、推定すべきプロセスの種類の数より多い値に設定される。
クラスタ記憶部３４は、クラスタリング部３３によって区分けされたクラスタの境界を示す境界情報を記憶する。クラスタの境界は、例えばボロノイ境界として特定することができる。
プロセス入力部３５は、プロセスの特定の学習のために、教師データとして、計測システム２０によって電流が計測されている間に工作機械１０によって実行されたプロセスを示すプロセス情報の入力を受け付ける。つまり、プロセス情報は、プロセスの内容と当該プロセスが実行された時刻（時間帯）とを関連付けたものである。プロセス情報としては、例えば工作機械１０による生産計画情報や、工作機械１０の操作者によって入力される作業実績情報などを用いることができる。
関係特定部３６は、プロセス入力部３５に入力されたプロセス情報に基づいて、分割部３２によって分割された各サブ時系列とプロセスの種類とを関連付ける。関係特定部３６は、クラスタリング部３３によって区分けされた各クラスタに属するサブ時系列と、各サブ時系列に関連付けられたプロセスの種類とに基づいて、クラスタとプロセスとの関係を特定する。例えば、関係特定部３６は、第１のクラスタに属するサブ時系列において、第１のプロセスに係るサブ時系列が支配的である場合に、第１のクラスタと第１のプロセスとを関連付ける。なお、関係特定部３６は、ニューラルネットワークモデルなどを用いた機械学習的手法により、クラスタとプロセスとの関係を特定してもよい。
関係記憶部３７は、関係特定部３６によって特定されたクラスタとプロセスの関係を示す関係情報を記憶する。関係特定部３６が機械学習的手法によりクラスタとプロセスとの関係を特定する場合、関係記憶部３７は、関係情報として学習済みモデルを記憶することとなる。
分類部３８は、クラスタ記憶部３４および関係記憶部３７に十分に情報が蓄積された場合に、クラスタ記憶部３４が記憶する境界情報に基づいて、分割部３２によって分割されたサブ時系列をクラスタに分類する。
プロセス推定部３９は、関係記憶部３７が記憶する関係情報に基づいて、分類部３８によって分類されたクラスタから、工作機械１０のプロセスを推定する。関係記憶部３７が学習済みモデルを記憶する場合、プロセス推定部３９は、関係記憶部３７が記憶する学習済みモデルに分類部３８によって分類されたクラスタを入力することで、工作機械１０のプロセスを得る。
出力部４０は、プロセス推定部３９が推定したプロセスを出力する。例えば、出力部４０は、プロセス推定部３９が推定した各サブ時系列のプロセスを、タイムチャートの表示データとして出力する。
《管理装置の動作》
管理装置３０の動作は、消費電力に係る時系列のクラスタリング、およびクラスタとプロセスとの関係を学習する学習フェーズと、学習された関係に基づいて工作機械１０のプロセスを推定する推定フェーズとを有する。以下、管理装置３０の学習フェーズにおける動作および推定フェーズにおける動作についてそれぞれ説明する。
《管理装置の学習フェーズにおける動作》
図３は、第１の実施形態に係る管理装置による学習フェーズにおける動作を示すフローチャートである。
管理装置３０が学習フェーズにある場合、管理装置３０の時系列取得部３１は、計測システム２０から工作機械１０の消費電力に係る時系列を取得する（ステップＳ１）。ここでは、時系列取得部３１は、プロセス推定の学習に十分な長さ（例えば、１か月）の消費電力に係る時系列を取得する必要がある。時系列取得部３１が時系列を取得すると、分割部３２は、取得した時系列を単位時間（例えば、１時間）ごとの複数のサブ時系列に分割する（ステップＳ２）。このとき、分割部３２は、電流が検出されない時間帯における時系列を除外する。
次に、クラスタリング部３３は、分割部３２によって分割された複数のサブ時系列をクラスタリングにより複数のクラスタに区分けする（ステップＳ３）。このとき、クラスタリング部３３は、各サブ時系列がどのプロセスに係るかの情報を用いることなくクラスタリングを行う。クラスタリング部３３は、サブ時系列をクラスタに区分けすると、各クラスタの境界を示す境界情報をクラスタ記憶部３４に記録する（ステップＳ４）。これにより、分類部３８は、未知のサブ時系列を既知のクラスタに分類することができるようになる。
また、プロセス入力部３５は、時系列取得部３１が取得した時系列に相当する期間における工作機械１０のプロセスの実績を示すプロセス情報の入力を受け付ける（ステップＳ５）。そして、関係特定部３６は、プロセス入力部３５に入力されたプロセス情報とクラスタリング部３３によって区分けされたクラスタとの関係を特定し、当該関係を示す関係情報を関係記憶部３７に記録する（ステップＳ６）。
図４は、各サブ時系列のプロセスの実績と、各サブ時系列のクラスタリングの結果とを表すタイムチャートである。
図４に示すように、第１プロセスに係る時系列は、第１クラスタおよび第３クラスタに多く分類されていることがわかる。また第２プロセスに係る時系列は、第２クラスタおよび第５クラスタに多く分類されていることがわかる。このように、プロセスに係る情報を用いずにクラスタリングしても、クラスタとプロセスとの間に強い相関が生じることがわかる。図４に示す例においては、関係特定部３６は、第１プロセスと、第１クラスタおよび第３クラスタとを関連付け、第２プロセスと、第２クラスタおよび第５クラスタとを関連付けて、関係記憶部３７に記録する。
これにより管理装置３０は、学習フェーズを終えることができる。
《管理装置の推定フェーズにおける動作》
図５は、第１の実施形態に係る管理装置による推定フェーズにおける動作を示すフローチャートである。
学習フェーズを終えると、管理装置３０は、工作機械１０の消費電力に係る未知の時系列に基づいて工作機械１０のプロセスを推定することができるようになる。
管理装置３０が推定フェーズにある場合、管理装置３０の時系列取得部３１は、計測システム２０から工作機械１０の消費電力に係る時系列を取得する（ステップＳ５１）。ここでは、時系列取得部３１は、プロセスの推定対象となる時間帯（例えば１日）における消費電力に係る時系列を取得する。時系列取得部３１が時系列を取得すると、分割部３２は、取得した時系列を単位時間（例えば、１時間）ごとの複数のサブ時系列に分割する（ステップＳ５２）。このとき、分割部３２は、電流が検出されない時間帯における時系列を除外する。
次に、分類部３８は、クラスタ記憶部３４が記憶する境界情報に基づいて、分割部３２によって分割された複数のサブ時系列をそれぞれクラスタに分類する（ステップＳ５３）。次に、プロセス推定部３９は、関係記憶部３７が記憶する関係情報に基づいて、サブ時系列が示す時間帯において工作機械１０が実行したプロセスを推定する（ステップＳ５４）。具体的には、プロセス推定部３９は、サブ時系列のそれぞれについて、当該サブ時系列が分類されたクラスタを特定し、当該クラスタに関連付けられたプロセスを特定することで、サブ時系列が示す時間帯におけるプロセスを推定する。そして、出力部４０は、推定したプロセスを出力する（ステップＳ５５）。
《作用・効果》
このように、第１の実施形態に係る管理装置３０は、一定時間における工作機械１０の消費電力に係るサブ時系列をクラスタに分類し、分類されたクラスタと、クラスタとプロセスとの関係を示す関係情報とに基づいて、工作機械１０のプロセスを推定する。これにより、管理装置３０は、消費電力に係る値に基づいて複雑な作業を実行する工作機械１０のプロセスを推定することができる。
これにより、管理者は、管理装置３０が出力したプロセスの推定結果と生産計画とを比較することで、生産工程の進捗状況を容易に認識することができる。
なお、第１の実施形態に係る分割部３２は、電流が流れていない時間に係るサブ時系列をクラスタリングの対象から除外するが、これに限られない。例えば、他の実施形態に係る管理装置３０は、電流が流れていない時間に係るサブ時系列をも含めてクラスタリングを行ってもよい。
〈第２の実施形態〉
第１の実施形態に係る管理装置３０は、サブ時系列ごとに、分類されたクラスタに関連付けられたプロセスを特定することで、工作機械１０のプロセスを推定する。一方で、サブ時系列が必ずしもすべて正しいプロセスに関連付けられたクラスタに割り当てられるとは限らない。例えば、図４に示すように、第１プロセスに係るサブ時系列であるにも関わらず第２クラスタに分類されたサブ時系列があったり、第２プロセスに係るサブ時系列であるにも関わらず第３クラスタに分類されたサブ時系列があったりする。
第２実施形態に係る管理装置３０は、このような分類のノイズの影響を抑制してプロセスを推定する。
《管理装置の構成》
図６は、第２の実施形態に係る管理装置の構成を示す概略ブロック図である。
第２の実施形態に係る管理装置３０は、第１の実施形態の構成に加え、さらにグループ特定部４１を備える。グループ特定部４１は、分割部３２が分割した複数のサブ時系列を、工作機械１０が稼働している間の連続する複数のサブ時系列からなるグループごとにグルーピングする。具体的には、グループ特定部４１は、分割部３２によって除外された電流が検出されない時間帯で複数のサブ時系列を切り分けることで、グルーピングする。例えば、図４に示す例では、複数のサブ時系列は、７つのサブ時系列グループに分けられる。
また、第２の実施形態に係るプロセス推定部３９の動作は、第１の実施形態と異なる。
《管理装置の動作》
第２の実施形態に係る管理装置３０の動作は、第１の実施形態と同様に、学習フェーズと推定フェーズとを有する。第２の実施形態に係る管理装置３０の学習フェーズにおける動作は、第１の実施形態と同じである。したがって、以下、第２の実施形態に係る管理装置３０の推定フェーズにおける動作について説明する。
《管理装置の推定フェーズにおける動作》
図７は、第２の実施形態に係る管理装置による推定フェーズにおける動作を示すフローチャートである。
管理装置３０が推定フェーズにある場合、管理装置３０の時系列取得部３１は、計測システム２０から工作機械１０の消費電力に係る時系列を取得する（ステップＳ１５１）。ここでは、時系列取得部３１は、プロセスの推定対象となる時間帯（例えば１日）における消費電力に係る時系列を取得する。時系列取得部３１が時系列を取得すると、分割部３２は、取得した時系列を単位時間（例えば、１時間）ごとの複数のサブ時系列に分割する（ステップＳ１５２）。このとき、分割部３２は、電流が検出されない時間帯における時系列を除外する。
次に、グループ特定部４１は、分割部３２が分割した複数のサブ時系列を、工作機械１０が稼働している間の連続する複数のサブ時系列からなるグループごとにグルーピングする（ステップＳ１５３）。
次に、分類部３８は、クラスタ記憶部３４が記憶する境界情報に基づいて、分割部３２によって分割された複数のサブ時系列をそれぞれクラスタに分類する（ステップＳ１５４）。次に、プロセス推定部３９は、グループ特定部４１によってグルーピングされたグループごとに、当該グループに属する各サブ時系列に分類されたクラスタのうち、最頻出のもの（出現回数が多いもの、占める時間が最も長いもの）を特定する（ステップＳ１５５）。例えば、１０のサブ時系列で構成されるグループにおいて、７つのサブ時系列が第１クラスタに分類され、２つのサブ時系列が第２クラスタに分類され、１つのサブ時系列が第３クラスタに分類された場合、プロセス推定部３９は、第１クラスタを当該グループにおいて最頻出のクラスタとして特定する。
次に、プロセス推定部３９は、関係記憶部３７が記憶する関係情報に基づいて、各グループについて工作機械１０が実行したプロセスを推定する（ステップＳ１５６）。具体的には、プロセス推定部３９は、グループのそれぞれについて、当該グループにおいて最頻出のクラスタを特定し、当該クラスタに関連付けられたプロセスを特定することで、各グループに係る時間帯におけるプロセスを推定する。そして、出力部４０は、推定したプロセスを出力する（ステップＳ１５７）。
《作用・効果》
このように、第２の実施形態に係る管理装置３０は、工作機械１０が稼働している間の連続する複数のサブ時系列のそれぞれが分類されたクラスタの種類に基づいて、当該複数の時系列に係る時間に工作機械１０が実行したプロセスを推定する。特に、第２の実施形態に係る管理装置３０は、同一のグループに属するサブ時系列それぞれが分類されたクラスタのうち最頻出のものに関連付けられたプロセスを、当該グループに属する時系列に係る時間に工作機械１０が実行したプロセスとして推定する。これにより、管理装置３０は、クラスタへの分類のノイズの影響を抑制してプロセスを推定することができる。これは、工作機械１０による被加工物が比較的小型である場合（例えば、サブ時系列の単位時間において複数の被加工物を生産できる場合）、工作機械１０が連続して稼働している間は、一般的に同一の被加工物を生産し続けるためであり、連続稼働中に生産する部品を切り替えることがまれであるためである。なお、工作機械１０による被加工物は、当然に比較的大型のものであってもよい。
例えば、図４の左端のグループにおいて最頻出となるクラスタは第１クラスタである。そのため、第２の実施形態によれば、管理装置３０は、当該グループに第２クラスタや第３クラスタに分類された時系列が含まれるにも関わらず、当該グループに係る時間帯に第１プロセスが実行されたと推定することができる。
なお、第２の実施形態に係る管理装置３０は、最頻出となるクラスタのみに基づいてプロセスを推定するが、これに限られない。例えば他の実施形態に係る管理装置３０は、出現頻度が上位となる２以上のクラスタに基づいてプロセスを推定してもよい。この場合、関係特定部３６は、クラスタの出現割合とプロセスとの関係を示す関係情報を生成し、プロセス推定部３９は、クラスタの出現割合に基づいてプロセスを推定してもよい。
〈第３の実施形態〉
第１、第２の実施形態に係る管理装置３０は、工作機械１０が比較的短時間に完了するプロセスを繰り返し実行する場合に、精度よくプロセスを推定することができる。他方、被加工物の種類よっては、１つの被加工物の加工に数時間を要するものもある。第３の実施形態に係る管理装置３０は、比較的長時間かかるプロセスを実行する場合に、精度よくプロセスを推定する。
第３の実施形態に係る管理装置３０の構成は、第２の実施形態と同様である。一方で、第３の実施形態に係る関係特定部３６およびプロセス推定部３９の動作が第２の実施形態と異なる。
《管理装置の動作》
管理装置３０の動作は、第１、第２の実施形態と同様に、学習フェーズと推定フェーズとを有する。以下、管理装置３０の学習フェーズにおける動作および推定フェーズにおける動作についてそれぞれ説明する。
《管理装置の学習フェーズにおける動作》
図８は、第３の実施形態に係る管理装置による学習フェーズにおける動作を示すフローチャートである。
管理装置３０が学習フェーズにある場合、管理装置３０の時系列取得部３１は、計測システム２０から工作機械１０の消費電力に係る時系列を取得する（ステップＳ２０１）。ここでは、時系列取得部３１は、プロセス推定の学習に十分な長さ（例えば、１か月）の消費電力に係る時系列を取得する必要がある。時系列取得部３１が時系列を取得すると、分割部３２は、取得した時系列を単位時間（例えば、１時間）ごとの複数のサブ時系列に分割する（ステップＳ２０２）。このとき、分割部３２は、電流が検出されない時間帯における時系列を除外する。
次に、グループ特定部４１は、分割部３２が分割した複数のサブ時系列を、工作機械１０が稼働している間の連続する複数のサブ時系列からなるグループごとにグルーピングする（ステップＳ２０３）。
次に、クラスタリング部３３は、分割部３２によって分割された複数のサブ時系列をクラスタリングにより複数のクラスタに区分けする（ステップＳ２０４）。このとき、クラスタリング部３３は、各時系列がどのプロセスに係るかの情報およびどのグループに属するかの情報を用いることなくクラスタリングを行う。クラスタリング部３３は、サブ時系列をクラスタに区分けすると、各クラスタの境界を示す境界情報をクラスタ記憶部３４に記録する（ステップＳ２０５）。
また、プロセス入力部３５は、時系列取得部３１が取得した時系列に相当する期間における工作機械１０のプロセスの実績を示すプロセス情報の入力を受け付ける（ステップＳ２０６）。そして、関係特定部３６は、プロセス入力部３５に入力されたプロセス情報と、同一のグループに属する時系列が区分けされたクラスタのパターンとの関係を特定し、当該関係を示す関係情報を関係記憶部３７に記録する（ステップＳ２０７）。クラスタのパターンとしては、例えばクラスタの出現順や出現頻度などが挙げられる。関係特定部３６は、ニューラルネットワークなどの機械学習に基づいてプロセス情報とクラスタのパターンとの関係を特定するとよい。
《管理装置の推定フェーズにおける動作》
図９は、第３の実施形態に係る管理装置による推定フェーズにおける動作を示すフローチャートである。
管理装置３０が推定フェーズにある場合、管理装置３０の時系列取得部３１は、計測システム２０から工作機械１０の消費電力に係る時系列を取得する（ステップＳ２５１）。ここでは、時系列取得部３１は、プロセスの推定対象となる時間帯（例えば１日）における消費電力に係る時系列を取得する。時系列取得部３１が時系列を取得すると、分割部３２は、取得した時系列を単位時間（例えば、１時間）ごとの複数のサブ時系列に分割する（ステップＳ２５２）。このとき、分割部３２は、電流が検出されない時間帯における時系列を除外する。
次に、グループ特定部４１は、分割部３２が分割した複数のサブ時系列を、工作機械１０が稼働している間の連続する複数のサブ時系列からなるグループごとにグルーピングする（ステップＳ２５３）。
次に、分類部３８は、クラスタ記憶部３４が記憶する境界情報に基づいて、分割部３２によって分割された複数のサブ時系列をそれぞれクラスタに分類する（ステップＳ２５４）。次に、プロセス推定部３９は、関係記憶部３７が記憶する関係情報に基づいて、グループ特定部４１によってグルーピングされたグループごとに、当該グループに属する各サブ時系列に分類されたクラスタの出現パターンから、工作機械１０が実行したプロセスを推定する（ステップＳ２５５）。具体的には、プロセス推定部３９は、グループのそれぞれについて、当該グループにおけるクラスタの出現パターンと、関係記憶部３７が記憶する関係情報に含まれるクラスタの出現パターンとを比較し、最も類似するパターンに関連付けられたプロセスを特定することで、各グループに係る時間帯におけるプロセスを推定する。このとき、プロセス推定部３９は、クラスタの出現パターンについて、前方一致での部分マッチングによってプロセスを特定してもよい。この場合、時系列取得部３１が取得した時系列において工作機械１０のプロセスが未完了である場合にも、実行しているプロセスを特定することができる。つまり、プロセス推定部３９は、前方一致での部分マッチングにより、プロセスの途中段階においてもプロセスを推定することができる。そして、出力部４０は、推定したプロセスを出力する（ステップＳ２５６）。
《作用・効果》
このように、第３の実施形態に係る管理装置３０は、連続するサブ時系列におけるクラスタの出現パターンに基づいて、プロセスを特定する。これにより、管理装置３０は、比較的長時間かかるプロセスを実行する場合にも、精度よくプロセスを推定することができる。比較的長時間かかるプロセスは、より小さい複数のサブプロセスから構成されることが多い。例えば、ある部品を加工するプロセスは、底面の加工、上面の加工、周面の加工、孔部の加工など、複数のサブプロセスから構成される。このような場合に、消費電力に係る時系列のクラスタリングによって、各サブプロセスがクラスタに分類される。あるプロセスにおいて、当該プロセスを構成するサブプロセスの順がある程度定まっているのであれば、これがクラスタの出現パターンとして現れる。したがって、管理装置３０は、クラスタの出現パターンを用いることで、比較的長時間かかるプロセスを実行する場合にも、精度よくプロセスを推定することができる。なお、工作機械１０による被加工物は、当然に比較的小型のものであってもよい。
なお、第３の実施形態において、プロセス推定部３９は、クラスタの出現パターンについて、前方一致での部分マッチングを行うことでプロセスの途中段階においてもプロセスを推定することができる。このとき、プロセス推定部３９は、部分マッチング結果に基づいて、将来の消費電力に係る時系列を予測してもよい。この場合に、プロセス推定部３９は、将来の消費電力に係る時系列に基づいて、プロセスを推定してもよい。またこの場合に、プロセス推定部３９は、将来の消費電力に係る時系列に基づいて将来のプロセスの進行を予測してもよい。なお、管理装置３０が工作機械１０のプロセスが未完了である場合にプロセスを特定することで、管理者はリアルタイムに工作機械の状況を認識することができる。
〈他の実施形態〉
以上、図面を参照して一実施形態について詳しく説明してきたが、具体的な構成は上述のものに限られることはなく、様々な設計変更等をすることが可能である。
例えば、上述した実施形態に係る管理装置３０は、計測システム２０からまず消費電力に係る時系列を取得し、これを複数のサブ時系列に分割してプロセスの推定を行うが、これに限られない。例えば、他の実施形態に係る管理装置３０は、計測システム２０から一定時間に係る時系列を取得し、これを用いてクラスタリングおよび分類をすることで、サブ時系列への分割をしなくてもよい。
また例えば、上述した実施形態に係る計測システム２０において、判定対象となるプロセスの種類が増えた場合、管理装置３０は改めて学習フェーズへ移行する必要がある。一方、増加したプロセス以外についてのサブ時系列はすでに取得されているため、管理装置３０は新たなプロセスに係るサブ時系列を追加して改めてクラスタリングをすることにより、再学習をすることができる。
また上述した実施形態においては、計測システム２０は一のクランプメータ２１によって電力線の電流を計測するが、これに限られない。例えば、他の実施形態に係る計測システム２０は、加工軸ごとの電力線の電流を計測し、管理装置３０がこれを含む時系列に基づいてプロセスの推定を行ってもよい。
また上述した実施形態においては、管理装置３０による管理対象が工作機械１０である場合について説明したが、これに限られない。例えば他の実施形態においては、ロボットなどの電気で駆動する他の機械を管理装置３０の管理対象としてもよい。
また上述した実施形態においては、管理装置３０が学習と推定の両方を実行するが、これに限られない。例えば、他の実施形態においては、クラスタの境界や関係情報の学習を行う装置と、学習結果である学習済みモデルを記憶する装置と、学習済みモデルを用いて推定を行う管理装置３０とが、それぞれ別個に設けられていてもよい。
〈コンピュータ構成〉
図１０は、少なくとも１つの実施形態に係るコンピュータの構成を示す概略ブロック図である。
コンピュータ９０は、ＣＰＵ９１、主記憶装置９２、補助記憶装置９３、インタフェース９４を備える。
上述の管理装置３０は、コンピュータ９０に実装される。そして、上述した各処理部の動作は、プログラムの形式で補助記憶装置９３に記憶されている。ＣＰＵ９１は、プログラムを補助記憶装置９３から読み出して主記憶装置９２に展開し、当該プログラムに従って上記処理を実行する。また、ＣＰＵ９１は、プログラムに従って、上述した各記憶部に対応する記憶領域を主記憶装置９２に確保する。
補助記憶装置９３の例としては、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、磁気ディスク、光磁気ディスク、ＣＤ−ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ−ＲＯＭ（Digital Versatile Disc Read Only Memory）、半導体メモリ等が挙げられる。補助記憶装置９３は、コンピュータ９０のバスに直接接続された内部メディアであってもよいし、インタフェース９４または通信回線を介してコンピュータ９０に接続される外部メディアであってもよい。また、このプログラムが通信回線によってコンピュータ９０に配信される場合、配信を受けたコンピュータ９０が当該プログラムを主記憶装置９２に展開し、上記処理を実行してもよい。少なくとも１つの実施形態において、補助記憶装置９３は、一時的でない有形の記憶媒体である。
また、当該プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、当該プログラムは、前述した機能を補助記憶装置９３に既に記憶されている他のプログラムとの組み合わせで実現するもの、いわゆる差分ファイル（差分プログラム）であってもよい。
１ プロセス管理システム
１０ 工作機械
２０ 計測システム
３０ 管理装置
３１ 時系列取得部
３２ 分割部
３３ クラスタリング部
３４ クラスタ記憶部
３５ プロセス入力部
３６ 関係特定部
３７ 関係記憶部
３８ 分類部
３９ プロセス推定部
４０ 出力部
４１ グループ特定部

Claims (8)

  1. 一定時間における機械の消費電力に係る時系列のうち、前記機械が稼働している間の連続する複数の時系列を取得する時系列取得部と、
    前記複数の時系列のうち、前記消費電力が閾値よりも大きい複数の時系列のそれぞれを複数のクラスタのいずれかに分類する分類部と、
    前記複数のクラスタと前記機械のプロセスとの関係を示す関係情報と、前記時系列が分類された前記クラスタの種類とに基づいて、前記複数の時系列に係る時間に前記機械が実行したプロセスを推定するプロセス推定部と
    を備える管理装置。
  2. 一定時間における機械の消費電力に係る時系列のうち、前記機械が稼働している間の連続する複数の時系列を取得する時系列取得部と、
    前記複数の時系列のそれぞれを複数のクラスタのいずれかに分類する分類部と、
    前記複数のクラスタの出現パターンと前記機械のプロセスとの関係を示す関係情報と、前記複数の時系列のそれぞれが分類された前記クラスタの種類とに基づいて、前記機械が実行したプロセスを推定するプロセス推定部と
    を備え、
    前記プロセス推定部は、前記関係情報において、前記複数の時系列のそれぞれが分類された前記クラスタの出現パターンに類似する出現パターンに関連付けられた前記プロセスを、前記複数の時系列に係る時間に前記機械が実行したプロセスとして推定する
    管理装置。
  3. 前記関係情報は、前記クラスタと前記プロセスとを関連付けたものであって、
    前記プロセス推定部は、前記関係情報において、前記複数の時系列のそれぞれが分類された前記クラスタのうち最頻出のものに関連付けられた前記プロセスを、前記複数の時系列に係る時間に前記機械が実行した前記プロセスとして推定する
    請求項１または２に記載の管理装置。
  4. 前記関係情報は、前記クラスタと前記プロセスとを関連付けたものであって、
    前記プロセス推定部は、前記関係情報において、前記複数の時系列のそれぞれが分類された前記クラスタのうち頻出する上位複数のものに関連付けられた前記プロセスを、前記複数の時系列に係る時間に前記機械が実行した前記プロセスとして推定する
    請求項１または２に記載の管理装置。
  5. 前記関係情報は、前記クラスタの出現パターンと前記プロセスとを関連付けたものであって、
    前記プロセス推定部は、前記関係情報において、前記複数の時系列のそれぞれが分類された前記クラスタの出現パターンに類似する出現パターンに関連付けられた前記プロセスを、前記複数の時系列に係る時間に前記機械が実行したプロセスとして推定する
    請求項１に記載の管理装置。
  6. 前記複数のクラスタは、一定時間における前記機械の消費電力に係る複数の時系列のクラスタリングにより予め特定されたものである
    請求項１から請求項５の何れか１項に記載の管理装置。
  7. 一定時間における機械の消費電力に係る時系列のうち、前記機械が稼働している間の連続する複数の時系列を取得することと、
    前記複数の時系列のうち、前記消費電力が閾値よりも大きい複数の時系列のそれぞれを複数のクラスタのいずれかに分類することと、
    前記複数のクラスタと前記機械のプロセスとの関係を示す関係情報と、前記時系列が分類された前記クラスタの種類とに基づいて、前記複数の時系列に係る時間に前記機械が実行したプロセスを推定することと
    を含む管理方法。
  8. コンピュータに、
    一定時間における機械の消費電力に係る時系列のうち、前記機械が稼働している間の連続する複数の時系列を取得することと、
    前記複数の時系列のうち、前記消費電力が閾値よりも大きい複数の時系列のそれぞれを複数のクラスタのいずれかに分類することと、
    前記複数のクラスタと前記機械のプロセスとの関係を示す関係情報と、前記時系列が分類された前記クラスタの種類とに基づいて、前記複数の時系列に係る時間に前記機械が実行したプロセスを推定することと
    実行させるためのプログラム。
JP2018033363A 2018-02-27 2018-02-27 管理装置、管理方法およびプログラム。 Active JP6710232B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2018033363A JP6710232B2 (ja) 2018-02-27 2018-02-27 管理装置、管理方法およびプログラム。
EP19761051.2A EP3745225B1 (en) 2018-02-27 2019-02-15 Management device, management method, and program
PCT/JP2019/005586 WO2019167676A1 (ja) 2018-02-27 2019-02-15 管理装置、管理方法およびプログラム
US16/971,831 US20200387141A1 (en) 2018-02-27 2019-02-15 Management device, management method, and program
TW108106034A TWI704973B (zh) 2018-02-27 2019-02-22 管理裝置、管理方法及程式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018033363A JP6710232B2 (ja) 2018-02-27 2018-02-27 管理装置、管理方法およびプログラム。

Publications (2)

Publication Number Publication Date
JP2019148997A JP2019148997A (ja) 2019-09-05
JP6710232B2 true JP6710232B2 (ja) 2020-06-17

Family

ID=67806113

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018033363A Active JP6710232B2 (ja) 2018-02-27 2018-02-27 管理装置、管理方法およびプログラム。

Country Status (5)

Country Link
US (1) US20200387141A1 (ja)
EP (1) EP3745225B1 (ja)
JP (1) JP6710232B2 (ja)
TW (1) TWI704973B (ja)
WO (1) WO2019167676A1 (ja)

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS63172507U (ja) 1987-04-29 1988-11-09
JP2002304207A (ja) * 2001-04-04 2002-10-18 Honda Motor Co Ltd 工作機械の稼働状況管理方法
JP2003326438A (ja) * 2002-02-28 2003-11-18 Fanuc Ltd 工具異常検出装置
JP4182399B2 (ja) * 2002-08-01 2008-11-19 シムックス株式会社 工作機械の稼働情報収集システム
CN1782937A (zh) * 2004-12-02 2006-06-07 达方电子股份有限公司 自动化制程管理***及方法
EP1947539A4 (en) * 2005-09-27 2011-05-18 Advantest Corp CONTROL METHOD, AND CONTROL SYSTEM
JP4697877B2 (ja) * 2006-04-28 2011-06-08 東京エレクトロン株式会社 プロセス情報管理装置、およびプログラム
JP4321581B2 (ja) * 2006-11-30 2009-08-26 パナソニック電工株式会社 工作機械総合監視装置
JP5099066B2 (ja) * 2009-04-10 2012-12-12 オムロン株式会社 エネルギー監視装置およびその制御方法、ならびにエネルギー監視プログラム
JP5218453B2 (ja) * 2009-04-10 2013-06-26 オムロン株式会社 設備運転状態計測装置、設備運転状態計測方法、および制御プログラム
FR2953432B1 (fr) * 2009-12-08 2012-03-30 Arts Procede pour optimiser les conditions de travail d'un outil coupant
JP5586718B2 (ja) * 2012-06-19 2014-09-10 株式会社東芝 制御プログラム、ホスト装置の制御方法、情報処理装置およびホスト装置
KR101512950B1 (ko) * 2012-06-26 2015-04-16 도시바 미쓰비시덴키 산교시스템 가부시키가이샤 데이터 관리 장치, 데이터 관리 방법 및 데이터 관리 프로그램이 기록된 기록매체
JP5946573B1 (ja) * 2015-08-05 2016-07-06 株式会社日立パワーソリューションズ 異常予兆診断システム及び異常予兆診断方法
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
JP6765590B2 (ja) * 2016-02-29 2020-10-07 国立大学法人東海国立大学機構 振動加工装置及び振動加工方法
JP6811567B2 (ja) 2016-08-31 2021-01-13 日清食品ホールディングス株式会社 生麺及び冷凍麺の製造方法

Also Published As

Publication number Publication date
JP2019148997A (ja) 2019-09-05
WO2019167676A1 (ja) 2019-09-06
EP3745225A1 (en) 2020-12-02
EP3745225A4 (en) 2021-03-24
EP3745225B1 (en) 2023-12-20
US20200387141A1 (en) 2020-12-10
TW201936313A (zh) 2019-09-16
TWI704973B (zh) 2020-09-21

Similar Documents

Publication Publication Date Title
CN108500736B (zh) 工具状态推定装置以及机床
TWI481978B (zh) 工具機之加工品質的預測方法
TW201834784A (zh) 刀具磨耗監測與預測方法
CN111046084A (zh) 一种多元时间序列监测数据的关联规则挖掘方法
JP6832327B2 (ja) 生産プロセス中に異常なワークピースを自動検出するためのデータ駆動方法
EP0509817A1 (en) System and method utilizing a real time expert system for tool life prediction and tool wear diagnosis
US20180259947A1 (en) Management device and non-transitory computer-readable medium
US20200125970A1 (en) Defect factor estimation device and defect factor estimation method
TWI747055B (zh) 狀態推斷裝置以及狀態推斷方法
Züfle et al. A machine learning-based workflow for automatic detection of anomalies in machine tools
Netzer et al. Intelligent anomaly detection of machine tools based on mean shift clustering
JP6710232B2 (ja) 管理装置、管理方法およびプログラム。
JP2021010980A (ja) 研削状態監視方法、研削状態監視プログラムおよび装置
CN114326593A (zh) 一种刀具寿命预测***及方法
Leem et al. Design and implementation of sensor-based tool-wear monitoring systems
JP7005419B2 (ja) 状態識別装置、状態識別方法、及び機械装置
CN101923155B (zh) 基于设备移动性分类的位置过滤
Pantazis et al. An automated feature extraction method with application to empirical model development from machining power data
JP7108577B2 (ja) 診断装置と診断方法および加工装置
US20210118248A1 (en) Methods and systems for continuously determining remaining useful lives of vehicle components
KR20210059271A (ko) 진동 신호 기반의 기계 상태 관리 시스템
Herrera-Granados et al. An experimental study of multi-sensor tool wear monitoring and its application to predictive maintenance
Pang et al. Tool wear forecast using Dominant Feature Identification of acoustic emissions
WO2023031984A1 (ja) 加工寸法予測装置、加工寸法予測システム、加工寸法予測方法及びプログラム
Leem A practical monitoring strategy for machining process control

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200326

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200326

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200330

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200407

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200507

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: 20200519

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200526

R150 Certificate of patent or registration of utility model

Ref document number: 6710232

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150