JP7181440B1 - 診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 - Google Patents
診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 Download PDFInfo
- Publication number
- JP7181440B1 JP7181440B1 JP2022536631A JP2022536631A JP7181440B1 JP 7181440 B1 JP7181440 B1 JP 7181440B1 JP 2022536631 A JP2022536631 A JP 2022536631A JP 2022536631 A JP2022536631 A JP 2022536631A JP 7181440 B1 JP7181440 B1 JP 7181440B1
- Authority
- JP
- Japan
- Prior art keywords
- data
- machining
- processing
- machine tool
- type
- 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
Links
- 238000013480 data collection Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims description 28
- 238000012545 processing Methods 0.000 claims abstract description 205
- 238000003754 machining Methods 0.000 claims abstract description 130
- 230000007717 exclusion Effects 0.000 claims abstract description 37
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 238000003801 milling Methods 0.000 description 15
- 238000010079 rubber tapping Methods 0.000 description 14
- 238000005553 drilling Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000009760 electrical discharge machining Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q37/00—Metal-working machines, or constructional combinations thereof, built-up from units designed so that at least some of the units can form parts of different machines or combinations; Units therefor in so far as the feature of interchangeability is important
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q39/00—Metal-working machines incorporating a plurality of sub-assemblies, each capable of performing a metal-working operation
- B23Q39/02—Metal-working machines incorporating a plurality of sub-assemblies, each capable of performing a metal-working operation the sub-assemblies being capable of being brought to act at a single operating station
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q41/00—Combinations or associations of metal-working machines not directed to a particular result according to classes B21, B23, or B24
-
- 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
- G05B19/408—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 data handling or data format, e.g. reading, buffering or conversion of data
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
Abstract
Description
この点、切削時のモータトルクの急激な低下により工具折損を判定する工具折損検出の技術が知られている。例えば、特許文献1参照。
また、切削時のモータトルクの上昇から工具摩耗の度合いを判定する工具摩耗監視の技術が知られている。例えば、特許文献2、3参照。
また、人工知能(AI)によるモータトルクの正常モデルとの比較により異常度を計算する故障予知の技術が知られている。例えば、特許文献4参照。
なお、後々の解析のために、収集した波形データはHDD(Hard Disk Drive)等に半永久的に保存されることが多い。
このため、全ての加工の波形データを保存することによる波形データの膨張が生じてしまう。
また、波形データの膨張により必要メモリ容量が増大し、波形データ保存用の記憶装置の容量が不足してしまう。また、当該波形データを使用する機械診断装置等のメモリ限界の仕様を超える可能性もある。
さらに、必要メモリ容量増大に伴うコストアップが発生する。
なお、用途や加工内容によって、特定の加工の波形データが不要なケースも多い。例えば、工具折損検出の場合、フライス加工において折れにくいフライス工具を対象外とするようにしてもよい。また、工具摩耗監視や工具折損検出の場合、ドリルのみの波形データは保存するが、その他のデータは対象外とするようにしてもよい。
ここで、各実施形態は、工作機械の加工運転時の波形データを時系列に収集し、収集した波形データに基づいて工作機械の各加工期間における加工種類を判定し、判定された加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の波形データを除外対象として除外するという構成において共通する。
ただし、加工種類の判定において、第1実施形態では収集する波形データは、少なくとも工作機械に含まれる駆動軸の座標値と運転状態とを含み、座標値と運転状態とに基づいて工作機械の加工期間における加工種類を判定する。これに対し、第2実施形態では工作機械による任意の加工の波形データである入力データと任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した学習済みモデルと収集された波形データとを用いて工作機械の加工期間における加工種類を判定する点が、第1実施形態と相違する。
以下では、まず第1実施形態について詳細に説明し、次に第2実施形態において第1実施形態と相違する部分を中心に説明を行う。
図1は、第1実施形態に係る診断用データ収集システムの機能的構成例を示す機能ブロック図である。ここでは、ドリル加工及びタップ加工をデータの収集対象の加工種類とし、フライス加工を予めデータの収集が不要と設定された除外対象の加工種類とする場合を例示する。なお、本発明は、ドリル加工及びタップ加工をデータの収集対象の加工種類とし、フライス加工を除外対象の加工種類とすることに限定されず、ドリル加工及びタップ加工以外の任意の加工をデータの収集対象の加工種類とし、フライス加工以外の任意の加工を除外対象の加工種類としても適用可能である。
図1に示すように、診断用データ収集システム100は、診断用データ収集装置1、工作機械2、数値制御装置3、診断装置4、及び記憶装置5を有する。
また、図1では、診断用データ収集装置1は、数値制御装置3と異なる装置としたが、数値制御装置3に含まれてもよい。また、数値制御装置3は、工作機械2と異なる装置としたが、工作機械2に含まれてもよい。
また、診断装置4、及び記憶装置5は、診断用データ収集装置1と異なる装置としたが、診断用データ収集装置1に含まれてもよい。
工作機械2は、例えば、当業者にとって公知の3軸や5軸等の工作機械であり、後述する数値制御装置3からの指令に基づいて動作する。
数値制御装置3は、当業者にとって公知の数値制御装置であり、制御情報に基づいて指令を生成し、生成した指令を工作機械2に送信する。これにより、数値制御装置3は、工作機械2の動作を制御する。また、数値制御装置3は、工作機械2を制御している間の主軸等の駆動軸の座標値、工作機械2の運転状態、主軸速度等のデータを後述する診断用データ収集装置1に出力する。
診断装置4は、例えば、工具折損検出を行う工具折損検出装置(例えば、特許文献1)、工具摩耗監視を行う工具摩耗監視装置(例えば、特許文献2、3)、又は故障予測を行う故障予測装置(例えば、特許文献4)等である。診断装置4は、後述する診断用データ収集装置1によって収集された波形データを用いて、工具折損検出、工具摩耗監視、又は故障予測等を行う。
記憶装置5は、SSD(Solid State Drive)やHDD(Hard Disk Drive)等を有するデータサーバ等であり、後述する診断用データ収集装置1により収集された波形データを記憶する。
診断用データ収集装置1は、例えば、公知のコンピュータ等であり、図1に示すように、制御部10を有する。また、制御部10は、収集部101、加工種類判定部102、及びデータ除外部103を有する。
制御部10は、CPU、ROM、RAM、CMOSメモリ等を有し、これらはバスを介して相互に通信可能に構成される、当業者にとって公知のものである。
CPUは診断用データ収集装置1を全体的に制御するプロセッサである。CPUは、ROMに格納されたシステムプログラム及びアプリケーションプログラムを、バスを介して読み出し、システムプログラム及びアプリケーションプログラムに従って診断用データ収集装置1全体を制御する。これにより、図1に示すように、制御部10は、収集部101、加工種類判定部102、及びデータ除外部103の機能を実現するように構成される。RAMには一時的な計算データや表示データ等の各種データが格納される。CMOSメモリは図示しないバッテリでバックアップされ、診断用データ収集装置1の電源がオフされても記憶状態が保持される不揮発性メモリとして構成される。
具体的には、加工種類判定部102は、例えば、加工期間開始から所定期間終了まで波形データをサンプリングし、サンプリングした波形データをRAM等のメモリに一時的に保存する。なお、加工期間には、主軸正転中、工具選択中、シーケンス番号(又はブロック番号)による範囲指定でユーザが期間を定義、その他、加工中と分かるプログラム指令中(M/S/Tコード)又は運転状態が含まれる。
図2は、タップ加工の場合の波形データの一例を示す図である。図3は、フライス加工の場合の波形データの一例を示す図である。図4は、ドリル加工の場合の波形データの一例を示す図である。図2から図4では、横軸は時刻を示し、縦軸は上から主軸速度、切削中信号の状態、タップ中信号の状態、X軸及びZ軸の座標値を示す。なお、図2から図4では、Y軸の座標値は省略する。また、図2から図4では、切削中信号がオンの期間を網掛けで示す。
加工種類判定部102は、図2に示すように、時刻t1から時刻t2の間の加工期間(切削中信号がオン)において運転状態を示すタップ中信号が時刻t1でオフからオンに変化したことから、図2の加工種類をタップ加工と判定する。
また、加工種類判定部102は、図3に示すように、時刻t3から時刻t5の加工期間において、最初の切削中信号がオンとなる時刻t4において、XY軸が移動を開始することから、図3の加工種類をフライス加工と判定する。
また、加工種類判定部102は、図4に示すように、時刻t6から時刻t8の加工期間に、最初の1つ目の穴開け終了時の時刻t7においてタップ中信号がオフで、XY軸の移動がないことから、図4の加工種類をドリル加工と判定する。
具体的には、データ除外部103は、判定された加工種類が、予め波形データの収集が必要と設定された収集対象の加工種類に該当する場合(例えば、ドリル加工やタップ加工が収集対象の加工種類に設定されている場合)、加工期間開始から終了までの波形データを診断装置4及び/又は記憶装置5に出力する。一方、データ除外部103は、判定された加工種類が、予め波形データの収集が不要と設定された除外対象の加工種類に該当する場合(例えば、フライス加工が除外対象の加工種類に設定されている場合)、加工期間開始から終了までの波形データを除外対象として除外(削除)し、診断装置4及び記憶装置5に出力しない。
次に、図5を参照しながら、診断用データ収集装置1のデータ収集処理の流れを説明する。
図5は、診断用データ収集装置1のデータ収集処理について説明するフローチャートである。ここで示すフローは、工作機械2が加工を行う度に繰り返し実行される。
また、診断用データ収集装置1は、必要メモリ容量の増大を抑止することできる。すなわち、診断用データ収集装置1は、データ保存用の記憶装置5の容量が少なくても、実質長期間の波形データが保存可能となり、メモリ容量が少ない診断装置4にも、実質長期間のデータを利用可能となる。
また、診断用データ収集装置1は、必要メモリ容量増大に伴うコストアップを抑止することができる。
以上、第1実施形態について説明した。
次に、第2実施形態について説明する。第1実施形態では収集する波形データは、少なくとも工作機械に含まれる駆動軸の座標値と運転状態とを含み、座標値と運転状態とに基づいて工作機械の加工期間における加工種類を判定する。これに対し、第2実施形態では工作機械による任意の加工の波形データである入力データと任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した学習済みモデルと収集された波形データとを用いて工作機械の加工期間における加工種類を判定する点が、第1実施形態と相違する。
これにより、第2実施形態に係る診断用データ収集装置1Aは、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
以下、第2実施形態について説明する。
図8に示すように、診断用データ収集システム100は、診断用データ収集装置1A、工作機械2、数値制御装置3、診断装置4、及び記憶装置5を有する。
工作機械2、数値制御装置3、診断装置4、及び記憶装置5は、第1実施形態における工作機械2、数値制御装置3、診断装置4、及び記憶装置5と同等の機能を有する。
図8に示すように、診断用データ収集装置1Aは、制御部10aを含む。また、制御部10aは、収集部101、加工種類判定部102a、及びデータ除外部103を有する。
収集部101、及びデータ除外部103は、第1実施形態における収集部101、及びデータ除外部103と同等の機能を有する。
具体的には、加工種類判定部102aは、学習フェーズにおいて、例えば、学習用の教師データとして、図9に示すように、波形データと当該波形データ内の実際の加工種類を示すデータ(ラベルデータ)とのセットを予め複数準備し、診断用データ収集装置1Aに含まれるHDD等の記憶部(図示しない)又は記憶装置5等に記憶する。
図9は、教師データの一例を示す図である。
図9に示すように、教師データは、「加工期間No.」、「加工種類」、及び「波形データ」の格納領域を有する。
教師データ内の「加工期間No.」の格納領域には、例えば、教師データとして格納された順番を示す番号が格納される。なお、図9では、108個の教師データが格納されているが、これに限定されず、任意の数の教師データが格納されてもよい。
教師データ内の「加工種類」の格納領域には、例えば、「フライス」、「ドリル」、「タップ」等の加工種類が格納される。
教師データ内の「波形データ」の格納領域には、例えば、「加工期間No.」の加工期間毎に工作機械2でサンプリングされた波形データが格納される。なお、サンプリング期間は、加工期間開始からある程度切削が進むまでの所定期間(例えば、30秒や1分等)とする。
そうすることで、診断用データ収集装置1Aは、所定期間のサンプリングデータから除外対象の加工種類を判定することで、不要な波形データを保存しないようにすることができる。
ここで、特徴ベクトルとは、例えば、モータトルク最大値、モータ速度平均値、切削時間等を成分とするN次元ベクトルである(Nは2以上の整数)。なお、以下では、特徴ベクトルは、切削時間と主軸速度平均値の2次元ベクトルとして説明するが、2以外のN次元ベクトルの特徴ベクトルについても2次元の場合と同様であり、説明を省略する。また、切削時間とは、切削全体の時間ではなく、切削送り動作時間の合計を示す。
図10は、クラスタリングの場合の機械学習の結果の一例を示す図である。
図10に示すように、学習済みモデルとして加工種類毎のクラスタが生成される。すなわち、フライス加工のクラスタは、切削時間が長く、主軸速度平均値が高いという特徴量の傾向がある。また、ドリル加工のクラスタは、切削時間が短く、主軸速度平均値が高いという特徴量の傾向がある。また、タップ加工のクラスタは、切削時間が短く、主軸速度平均値が低いという特徴量の傾向がある。
また、診断用データ収集装置1Aは、必要メモリ容量の増大を抑止することできる。すなわち、診断用データ収集装置1Aは、データ保存用の記憶装置5の容量が少なくても、実質長期間の波形データが保存可能となり、メモリ容量が少ない診断装置4にも、実質長期間のデータを利用可能となる。
また、診断用データ収集装置1Aは、必要メモリ容量増大に伴うコストアップを抑止することができる。
以上、第2実施形態について説明した。
第1実施形態及び第2実施形態では、診断用データ収集装置1、1Aは、加工種類として、フライス加工、ドリル加工、タップ加工の場合を説明したが、これに限定されない。例えば、診断用データ収集装置1、1Aは、加工種類として、バイト(工具)を用いた旋削加工、レーザ加工、パンチプレス加工、放電加工等を含めてもよい。
また例えば、上述の実施形態では、診断用データ収集装置1、1Aは、数値制御装置3と異なる装置としたが、これに限定されない。例えば、診断用データ収集装置1、1Aは、数値制御装置3に含まれてもよい。また、診断用データ収集装置1、1Aは、診断装置4、及び記憶装置5を含んでもよい。
また、例えば、診断用データ収集装置1の収集部101、加工種類判定部102、及びデータ除外部103の一部又は全部、又は、診断用データ収集装置1Aの収集部101、加工種類判定部102a、及びデータ除外部103の一部又は全部を、サーバが備えるようにしてもよい。また、クラウド上で仮想サーバ機能等を利用して、診断用データ収集装置1、1Aの各機能を実現してもよい。
さらに、診断用データ収集装置1、1Aは、診断用データ収集装置1、1Aの各機能を適宜複数のサーバに分散される、分散処理システムとしてもよい。
この診断用データ収集装置1、1Aによれば、診断に関係ない加工種類を早期に判定し、当該加工の波形データを保存せず除外することで、データの膨張を抑制することができる。
そうすることで、診断用データ収集装置1は、精度良く加工種類を判定することができる。
そうすることで、加工種類が増えても柔軟に対応することができる。
この診断用データ収集方法によれば、(1)と同様の効果を奏することができる。
この記録媒体によれば、(1)と同様の効果を奏することができる。
この数値制御装置3によれば、(1)と同様の効果を奏することができる。
10、10a 制御部
101 収集部
102、102a 加工種類判定部
103 データ除外部
2 工作機械
3 数値制御装置
4 診断装置
5 記憶装置
100 診断用データ収集システム
Claims (6)
- 複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集する診断用データ収集装置であって、
前記工作機械の加工運転時のデータを時系列に収集する収集部と、
収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定部と、
判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の前記収集部で収集した前記データを少なくとも記憶装置への保存の対象から除外するデータ除外部と、
を備える診断用データ収集装置。 - 前記収集部が収集するデータは、少なくとも前記工作機械に含まれる駆動軸の座標値と運転状態とを含み、
前記加工種類判定部は、前記座標値と前記運転状態とに基づいて前記工作機械の加工期間における加工種類を判定する、請求項1に記載の診断用データ収集装置。 - 前記加工種類判定部は、前記工作機械による任意の加工のデータである入力データと前記任意の加工の加工種類を示すラベルデータとの教師データを用いて機械学習を実行して学習済みモデルを生成し、生成した前記学習済みモデルと収集された前記データとを用いて前記工作機械の加工期間における加工種類を判定する、請求項1に記載の診断用データ収集装置。
- 複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集する診断用データ収集方法であって、
前記工作機械の加工運転時のデータを時系列に収集する収集ステップと、
収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定ステップと、
判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の前記収集ステップで収集した前記データを少なくとも記憶装置への保存の対象から除外するデータ除外ステップと、
を備える診断用データ収集方法。 - 複数の加工種類で構成されている加工を行う工作機械を診断するためのデータを収集するために、コンピュータを
前記工作機械の加工運転時のデータを時系列に収集する収集部と、
収集した前記データに基づいて前記工作機械の各加工期間における加工種類を判定する加工種類判定部と、
判定された前記加工種類が予めデータの収集が不要と設定された除外対象の加工種類である場合、当該加工種類の加工期間内の前記収集部で収集した前記データを少なくとも記憶装置への保存の対象から除外するデータ除外部と、
して機能させるためのプログラムを記録したコンピュータが読み取り可能な記録媒体。 - 請求項1に記載の診断用データ収集装置を備える制御装置。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/018715 WO2023209768A1 (ja) | 2022-04-25 | 2022-04-25 | 診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7181440B1 true JP7181440B1 (ja) | 2022-11-30 |
JPWO2023209768A1 JPWO2023209768A1 (ja) | 2023-11-02 |
Family
ID=84271406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022536631A Active JP7181440B1 (ja) | 2022-04-25 | 2022-04-25 | 診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7181440B1 (ja) |
WO (1) | WO2023209768A1 (ja) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000011528A1 (fr) * | 1998-08-24 | 2000-03-02 | Okuma Corporation | Procede et appareil destine au support de machines a commande numerique |
JP2015207095A (ja) * | 2014-04-18 | 2015-11-19 | ファナック株式会社 | 加工サイクル生成機能を有する数値制御装置およびプログラム編集方法 |
JP2018132809A (ja) * | 2017-02-13 | 2018-08-23 | ファナック株式会社 | 診断用データ取得システム、診断用システム、及び診断用データ取得プログラム |
KR20180133974A (ko) * | 2017-06-07 | 2018-12-18 | 충남대학교산학협력단 | 지능형 절삭유 분사장치 및 이의 분사방법 |
KR20190001371A (ko) * | 2017-06-27 | 2019-01-04 | 현대위아 주식회사 | Nc 데이터를 이용한 가공 공정 판별 시스템 및 그 방법 |
JP2020178454A (ja) * | 2019-04-18 | 2020-10-29 | 株式会社日立産機システム | 監視装置、および監視方法 |
JP2020203356A (ja) * | 2019-06-18 | 2020-12-24 | 株式会社ジェイテクト | 加工工具の異常検知装置 |
WO2021029036A1 (ja) * | 2019-08-14 | 2021-02-18 | 駿河精機株式会社 | 機械学習装置、データ処理システム及び機械学習方法 |
-
2022
- 2022-04-25 JP JP2022536631A patent/JP7181440B1/ja active Active
- 2022-04-25 WO PCT/JP2022/018715 patent/WO2023209768A1/ja active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000011528A1 (fr) * | 1998-08-24 | 2000-03-02 | Okuma Corporation | Procede et appareil destine au support de machines a commande numerique |
JP2015207095A (ja) * | 2014-04-18 | 2015-11-19 | ファナック株式会社 | 加工サイクル生成機能を有する数値制御装置およびプログラム編集方法 |
JP2018132809A (ja) * | 2017-02-13 | 2018-08-23 | ファナック株式会社 | 診断用データ取得システム、診断用システム、及び診断用データ取得プログラム |
KR20180133974A (ko) * | 2017-06-07 | 2018-12-18 | 충남대학교산학협력단 | 지능형 절삭유 분사장치 및 이의 분사방법 |
KR20190001371A (ko) * | 2017-06-27 | 2019-01-04 | 현대위아 주식회사 | Nc 데이터를 이용한 가공 공정 판별 시스템 및 그 방법 |
JP2020178454A (ja) * | 2019-04-18 | 2020-10-29 | 株式会社日立産機システム | 監視装置、および監視方法 |
JP2020203356A (ja) * | 2019-06-18 | 2020-12-24 | 株式会社ジェイテクト | 加工工具の異常検知装置 |
WO2021029036A1 (ja) * | 2019-08-14 | 2021-02-18 | 駿河精機株式会社 | 機械学習装置、データ処理システム及び機械学習方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2023209768A1 (ja) | 2023-11-02 |
WO2023209768A1 (ja) | 2023-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11237539B2 (en) | System and method for operational-data-based detection of anomaly of a machine tool | |
US10649435B2 (en) | Tool life estimating device | |
US11112768B2 (en) | Numerical controller and machine learning device | |
US11467024B2 (en) | Diagnostic device, computer program, and diagnostic system | |
JP2022103461A (ja) | 診断装置、診断方法、プログラムおよび診断システム | |
CN106406228A (zh) | 机床的信息取得装置 | |
CN107885164B (zh) | 刀库性能评估方法及相应装置 | |
CN111687652A (zh) | 握持力调整装置以及握持力调整*** | |
JP5391826B2 (ja) | 鉄鋼プラントシステムのデータ収集装置 | |
JP2019038074A (ja) | 異常検知装置及び機械学習装置 | |
US20180011474A1 (en) | Method for monitoring a machine tool | |
CN109270894A (zh) | 信息收集装置以及信息收集方法 | |
JP7181440B1 (ja) | 診断用データ収集装置、診断用データ収集方法、記録媒体、及び制御装置 | |
US20200033836A1 (en) | Tool management system, tool management device, and tool management method | |
CN108572630B (zh) | 生产管理装置以及生产*** | |
JP2020154712A (ja) | システム、演算装置、及びプログラム | |
CN110231802B (zh) | 机器人控制装置、记录的生成方法以及存储介质 | |
EP3832415A1 (en) | Automation system, tracking device of said automation system, and method for controlling the same | |
JP6865057B2 (ja) | 工作機械制御装置、工作機械制御方法及び工作機械制御システム | |
JP7310195B2 (ja) | 診断装置、診断システム及び診断プログラム | |
CN112835330A (zh) | 程序重新开始辅助装置 | |
CN112019097A (zh) | 从单元以及伺服驱动*** | |
JP7471529B1 (ja) | 診断システム及び診断方法 | |
WO2024075567A1 (ja) | 診断システム、情報処理装置、診断方法、及びプログラム | |
US20220317650A1 (en) | Analysis apparatus, control method thereof, and analysis system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220614 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220614 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220823 |
|
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: 20221018 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221117 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7181440 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |