JP7425191B2

JP7425191B2 - 工具診断装置

Info

Publication number: JP7425191B2
Application number: JP2022526928A
Authority: JP
Inventors: 泰弘芝▲崎▼
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2020-05-25
Filing date: 2021-05-19
Publication date: 2024-01-30
Anticipated expiration: 2041-05-19
Also published as: CN115666836A; JPWO2021241352A1; US20230191513A1; DE112021002975T5; WO2021241352A1

Description

本発明は、工具診断装置に関し、特にタップ加工に用いる工具の状態を診断する診断装置に関する。

工作機械で使用される工具は、加工に使用する時間の経過と共に刃先が摩耗し、また、刃先の欠損が生じる。その結果、切削抵抗が増加して加工精度が悪化する。そして、いずれはワークに求められる所定の加工精度を維持することができなくなる。一般には、その時点を工具が利用できないほどに劣化したものとして寿命と判断する。

工具が寿命に達した場合に、そのまま加工を続けると製造されるワークの品質が低下する。そのため、工具の交換が行われる。従来、工具の設計仕様に従って工具の稼働可能回数を事前に定めておき、稼働可能回数に達した時点で工具の交換が行なわれる。
このようにすると、実際の稼働条件や工具自体の個体差が工具交換のタイミングに反映されないため、本来の寿命を十分に生かすことができない。

工具自体から取得できる状態量に基づいて工具の状態を判断するための従来技術としては、撮像手段を用いて切削工具を撮像し、この画像データに基づいて工具の状態を診断する方法がある（例えば、特許文献１等）。
また、加工時に取得される状態量を用いて工具の状態を判断するための従来技術としては、工具を駆動するスピンドルモータの負荷や駆動に係る電力を状態量として取得し、得られた負荷乃至電力の波形から工具の状態を診断する方法がある（例えば、特許文献２、３等）。

特開２０１１－０４５９８８号公報特開２０１３－２４８７１７号公報特開平０９－３００１７６号公報

産業機械に対して新たにセンサを追加するとコストが増加する。そのため、新たにセンサを追加せずに、基本的な構成のままで測定できる状態量を用いて工具の状態を診断したいという要求がある。基本的な構成のままで測定できる状態量としては、モータから取得できる電流・電圧値、位置、速度等のデータが考えられる。しかしながら、モータから取得した電流・電圧、位置、速度等のデータには、様々な加工条件で加工が行われているときに取得されたデータが含まれている。また、加工の状況や環境が要因となるノイズが含まれる。そのため、時系列データ波形を単純に解析したとしても、工具劣化の影響がどのように現れるか簡単にはわからない。また、経験に基づいたルールベースを構築し、これを用いて工具の状態を診断しようとしても、多くの状況に対応することは難しい。そのため、精度良く加工を行うことができないことがある。
そこで、機械から取得した状態量に基づいて精度よく工具の状態を診断できる手法が望まれている。

工具診断装置は、類似設計仕様のタップによる加工時のサーボデータを収集し、回転停止前後の加減速区間に着目し、基準波形に対する変化度合いを学習する。そして、その学習結果を用いた診断対象波形に対する推論結果をもとに工具の状態を診断することで、上記課題を解決する。

本発明の一態様は、タップ加工を行う産業機械で用いられる工具の状態を診断する工具診断装置であって、前記タップ加工において前記工具の回転が停止する前後における前記工具を駆動するモータの状態量を波形データとして取得するデータ取得部と、前記工具による最初の加工時に取得された波形データに基づいて基準波形データを生成する基準波形生成部と、前記データ取得部による取得された波形データと、前記基準波形データとの差分を差分波形データとして算出する差分波形算出部と、前記差分波形データから、波形の特徴を示す波形特徴データを算出する波形特徴算出部と、波形特徴データと、次に工具を交換するべき時間との相関性を学習した学習結果を記憶する学習結果記憶部と、前記学習結果記憶部に記憶されている学習結果を用いて、前記波形特徴データに基づく前記工具の状態を診断する状態診断部と、を備え、前記波形特徴算出部は、前記差分波形データの内の、前記モータの回転が停止する前の減速部分、及び前記モータの回転が停止した後の加速部分の少なくともいずれかの区間のデータから波形特徴データを算出する、工具診断装置である。

本発明の一態様により、加工中に産業機械から取得できるデータを元に学習を行い、その学習結果に基づいて精度よく工具の状態診断を行うことができる。そのため、大きなコストをかけることなく工具の交換回数を低減させることができ、生産効率を向上させることができる。

第１実施形態による診断装置の概略的なハードウェア構成図である。第１実施形態による診断装置の機能を示す概略的なブロック図である。波形データの例を示す図である。基準波形データと波形データとを比較する図である。差分波形データの例を示す図である。学習に用いるデータについて説明する図である。第２実施形態による診断装置の概略的なハードウェア構成図である。第２実施形態による診断装置の機能を示す概略的なブロック図である。

以下、本発明の実施形態を図面と共に説明する。
図１は第１実施形態による工具診断装置を示す概略的なハードウェア構成図である。工具診断装置１は、例えば制御用プログラムに基づいてタップ加工を行う産業機械を制御する制御装置に実装することができる。また、工具診断装置１は、制御用プログラムに基づいて産業機械を制御する制御装置に併設されたパソコンや、有線／無線のネットワークを介して制御装置と接続されたパソコン、セルコンピュータ、フォグコンピュータ、クラウドサーバに実装することができる。本実施形態では、工具診断装置１を、制御用プログラムに基づいて産業機械を制御する制御装置に実装した例を示す。

本実施形態による工具診断装置１が備えるＣＰＵ１１は、工具診断装置１を全体的に制御するプロセッサである。ＣＰＵ１１は、バス２２を介してＲＯＭ１２に格納されたシステム・プログラムを読み出す。ＣＰＵ１１は、読み出したシステム・プログラムに従って工具診断装置１全体を制御する。ＲＡＭ１３には一時的な計算データや表示データ、及び外部から入力された各種データ等が一時的に格納される。

不揮発性メモリ１４は、例えば図示しないバッテリでバックアップされたメモリやＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等で構成される。不揮発性メモリ１４は、工具診断装置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１４には、インタフェース１５を介して外部機器７２から読み込まれた制御用プログラムやデータが記憶される。また、不揮発性メモリ１４には、入力装置７１を介して入力された制御用プログラムやデータが記憶される。また不揮発性メモリ１４には、ネットワーク５を介して他の装置から取得された制御用プログラムやデータ等が記憶される。不揮発性メモリ１４に記憶された制御用プログラムやデータは、実行時／利用時にはＲＡＭ１３に展開されても良い。また、ＲＯＭ１２には、公知の解析プログラムなどの各種システム・プログラムがあらかじめ書き込まれている。

インタフェース１５は、工具診断装置１のＣＰＵ１１とＵＳＢ装置等の外部機器７２と接続するためのインタフェースである。外部機器７２側からは、例えば産業機械の制御に用いられる制御用プログラムや設定データ等が読み込まれる。また、工具診断装置１内で編集した制御用プログラムや設定データ等は、外部機器７２を介して外部記憶手段に記憶させることができる。ＰＬＣ（プログラマブル・ロジック・コントローラ）１６は、ラダープログラムを実行して産業機械及び該産業機械の周辺装置（例えば、工具交換装置や、ロボット等のアクチュエータ、産業機械に取付けられている温度センサや湿度センサ等のセンサ）にＩ／Ｏユニット１９を介して信号を出力し制御する。また、ＰＬＣ１６は、産業機械の本体に配備された操作盤の各種スイッチや周辺装置等から信号を受け、必要な信号処理をした後、ＣＰＵ１１に渡す。

インタフェース２０は、工具診断装置１のＣＰＵ１１と有線乃至無線のネットワーク５とを接続するためのインタフェースである。ネットワーク５には、他の産業機械やフォグコンピュータ６、クラウドサーバ７等が接続され、工具診断装置１との間で相互にデータのやり取りを行っている。

表示装置７０には、メモリ上に読み込まれた各データ、プログラム等が実行された結果として得られたデータ等がインタフェース１７を介して出力されて表示される。また、キーボードやポインティングデバイス等から構成される入力装置７１は、作業者による操作に基づく指令、データ等をインタフェース１８を介してＣＰＵ１１に渡す。

産業機械が備える軸を制御するための軸制御回路３０はＣＰＵ１１からの軸の移動指令量を受けて、軸の指令をサーボアンプ４０に出力する。サーボアンプ４０はこの指令を受けて、産業機械が備える駆動部を軸に沿って移動させるサーボモータ５０を駆動する。軸のサーボモータ５０は位置・速度検出器を内蔵し、この位置・速度検出器からの位置・速度フィードバック信号を軸制御回路３０にフィードバックする。これにより、位置・速度のフィードバック制御が行われる。なお、図１のハードウェア構成図では軸制御回路３０、サーボアンプ４０、サーボモータ５０は１つずつしか示されていないが、実際には制御対象となる産業機械に備えられた軸の数だけ用意される。例えば、一般的な工作機械を制御する場合には、ワークに対して直線３軸（Ｘ軸，Ｙ軸，Ｚ軸）方向へと工具が取り付けられた主軸を相対的に移動させる３組の軸制御回路３０、サーボアンプ４０、サーボモータ５０が用意される。

スピンドル制御回路６０は、主軸回転指令を受け、スピンドルアンプ６１にスピンドル速度信号を出力する。スピンドルアンプ６１はこのスピンドル速度信号を受けて、産業機械のスピンドルモータ６２を指令された回転速度で回転させ、工具を駆動する。スピンドルモータ６２にはポジションコーダ６３が連結される。ポジションコーダ６３が主軸の回転に同期して帰還パルスを出力し、その帰還パルスはＣＰＵ１１によって読み取られる。

図２は、第１実施形態による工具診断装置１が備える機能を概略的なブロック図として示したものである。本実施形態による工具診断装置１が備える各機能は、図１に示した工具診断装置１が備えるＣＰＵ１１がシステム・プログラムを実行し、工具診断装置１の各部の動作を制御することにより実現される。

工具診断装置１は、制御部１００、データ取得部１１０、差分波形算出部１３０、波形特徴算出部１４０、学習部１５０、状態診断部１６０を備える。また、工具診断装置１のＲＡＭ１３乃至不揮発性メモリ１４には、産業機械３を制御するための制御用プログラム２００が記憶されている。更に、工具診断装置１のＲＡＭ１３乃至不揮発性メモリ１４には、産業機械３による加工時に、時系列で取得したスピンドルモータ６２のトルクコマンド等の値から生成された波形データを記憶するための領域であるデータ記憶部２１０が設けられる、また、工具診断装置１のＲＡＭ１３乃至不揮発性メモリ１４には、学習部１５０が作成した学習モデルを記憶するための領域である学習結果記憶部２２０が設けられる。

制御部１００は、ＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理と、軸制御回路３０、スピンドル制御回路６０、ＰＬＣ１６を用いた産業機械の各部の制御処理、インタフェース１８を介した入出力処理が行われることで実現される。制御部１００は、制御用プログラム２００を解析してサーボモータ５０及びスピンドルモータ６２を備えた産業機械３及び該産業機械３の周辺装置を制御するための指令データを作成する。そして、制御部１００は、作成した指令データに基づいて、産業機械３及び周辺装置の各部を制御する。制御部１００は、例えば産業機械３の各軸に沿って駆動部を移動させる指令に基づいて軸の移動に係るデータを生成してサーボモータ５０に出力する。また、制御部１００は、例えば産業機械３の主軸を回転させる指令に基づいて主軸の回転に係るデータを生成してスピンドルモータ６２に出力する。更に、制御部１００は、例えば産業機械３の周辺装置を動作させる指令に基づいて該周辺装置を動作させる所定の信号を生成してＰＬＣ１６に出力する。一方で、制御部１００は、サーボモータ５０やスピンドルモータ６２の状態（モータの電流値、位置、速度、加速度、トルクコマンド等）をフィードバック値として取得して各制御処理に使用する。

データ取得部１１０は、ＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理が行われることで実現される。データ取得部１１０は、産業機械３がタップ加工を行う際のモータに係るデータ値を波形データとして取得し、データ記憶部２１０に記憶させる。データ取得部１１０は、主として産業機械３がタップ加工を行う際の主軸の回転停止前後のトルクコマンドの値を取得する。
より具体的には、主軸に取り付けられ回転している工具がワークに設けられた下穴に挿入されて加工が行われ、穴底で主軸が停止し、逆回転して工具がワークから抜き取られるまでの間のトルクコマンドの波形データを取得する。図３が、データ取得部１１０が取得するトルクコマンドの波形データの例を示す図である。データ取得部１１０は、取得したトルクコマンドの波形データに対して、使用している工具を識別可能な識別番号、工具の種類（型番）、加工条件（主軸回転速度、送り速度、時定数、ワーク材質等）、波形データを取得した日時、工具を最初に使用してからの累積加工回数等の情報を関連付けて記憶させるようにしても良い。

基準波形生成部１２０は、ＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理が行われることで実現される。基準波形生成部１２０は、データ記憶部２１０に記憶されたデータであって、過去に行われた加工において取得されたデータに基づいて、工具の劣化を診断する基準となる基準波形データを生成する。基準波形生成部１２０は、データ記憶部２１０に記憶されたデータの内で、新品の工具により加工が行われた際に取得された時系列データに基づいて基準波形データを生成する。新品の工具によって加工が行われたときに取得された時系列データは、例えば累積加工回数（新品の工具によって加工が行われたときに取得した時系列データは累積加工回数が１になっている）等に基づいて判別できる。基準波形生成部１２０は、基準波形データを工具毎に生成する。

差分波形算出部１３０は、ＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理が行われることで実現される。差分波形算出部１３０は、工具により加工が行われた際に取得した波形データと、同じ工具、同じ加工条件で加工が行われた際に取得された基準波形データとの差分波形データを算出する。差分波形算出部１３０は、図４に例示されるように、基準波形データにおける回転停止点の位置と、取得した波形データとの回転停止点の位置を合わせた上で、各時間におけるデータ値の差分を算出することで差分波形データを算出する。

波形特徴算出部１４０は、ＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理が行われることで実現される。波形特徴算出部１４０は、差分波形算出部１３０が算出した差分波形データから、波形の特徴を示すデータＳ１を算出する。本実施形態では、波形の特徴を示す波形特徴データＳ１が算出される区間として、特に回転停止点の前後における主軸の加減速区間に着目する。

図５は、差分波形算出部１３０が算出する差分波形データの例である。図５の例では、タップ加工中に主軸が正転してワークを加工し、主軸の回転が停止した後、逆転してワークから主軸が退避するまでの差分波形データを示している。ここで、主軸が回転停止する前後の加減速区間では、工具が新品である場合には差分波形の変化傾向に傾きが無く、工具の摩耗等が進むに従って図５に白抜き矢印で示されるように特に大きく傾きが生じてくることを出願人は発見した。そこで、波形特徴算出部１４０は、この部分のデータを波形の特徴を示す波形特徴データＳ１として抽出する。具体的には、波形特徴算出部１４０は、差分波形データに対して平滑化処理を実行して差分波形の変化傾向を算出する。そして、波形特徴算出部１４０は、回転停止前の減速区間、又は回転停止後の加速区間のうちの所定の二点以上のデータを抽出して、これを波形特徴データＳ１とする。波形特徴算出部１４０は、回転停止前の減速区間、及び回転停止後の加速区間の両方からそれぞれ所定の二点以上のデータを抽出して、これらを波形特徴データＳ１としても良い。

学習部１５０は、ＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理が行われることで実現される。学習部１５０は、波形特徴算出部１４０が算出した波形の特徴データＳ１に基づいて、工具の状態に関する学習を行う。学習部１５０は、例えば図６に例示されるように、工具交換が行われた日時Ｔ₀から、次の工具交換が行われた日時Ｔ_eまでの間に取得された波形データから算出された波形特徴データＳ１に基づいて学習を行う。学習部１５０は、それぞれの波形特徴データＳ１と、その波形特徴データＳ１の算出元となる波形データが取得された日時と次の工具交換が行われた日時Ｔ_eとの差分との相関性
を学習する。

学習部１５０は、波形特徴データＳ１と次の工具交換までの時間との相関性について、所定の相関関数を作成する手法により学習するようにしてもよい。相関関数を作成する手法を用いる場合には、予め相関関数の雛形を作成しておいてもよい。この場合、その雛型を基にして工具の種類及び加工条件毎に波形特徴データＳ１と次の工具交換までの時間との関係に合うような相関関数を作成し、これを学習結果として学習結果記憶部２２０に記憶させる。相関関数は、工具の種類及び加工条件ごとに作成しても良い。また、工具の種類や加工条件が変数として含まれる１つの相関関数を作成するようにしても良い。

学習部１５０は、波形特徴データＳ１と次の工具交換までの時間との相関性について、所定のルールを作成するルールベース推論の手法により学習するようにしてもよい。ルールベース推論の手法を用いる場合には、予めルール群の雛形を作成しておき、その雛型を基にして工具の種類及び加工条件毎に波形特徴データＳ１と次の工具交換までの時間との関係に合うようなルール群を作成し、これを学習結果として学習結果記憶部２２０に記憶するようにすればよい。ルール群は、工具の種類及び加工条件ごとに作成しても良い。また、工具の種類や加工条件を、ルールを判定するための条件に含めたルール群を作成するようにしても良い。

学習部１５０は、波形特徴データＳ１と次の工具交換までの時間との相関性について、ニューラルネットワークやＳＶＭ（ＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ）等を用いた教師あり学習の手法により学習するようにしても良い。教師あり学習の手法を用いる場合には、波形特徴データＳ１を入力データＳ、次の工具交換までの時間をラベルデータＬとする教師データＴを作成する。そして、教師データＴを用いて、入力データＳとラベルデータＬとの相関性を学習した学習モデルを作成し、これを学習結果として学習結果記憶部２２０に記憶させるようにすればよい。学習モデルは、工具の種類及び加工条件ごとに作成しても良い。また、工具の種類を示す工具データＳ２、加工条件を示す加工条件データＳ３を入力データＳに含めて、これとラベルデータＬとの相関性を学習した１つの学習モデルを作成するようにしても良い。

学習部１５０は、上記以外にも、例えばファジィ推論の手法による学習や、クラスタリングによる学習等、その他の相関性を学習する手法を適宜用いるようにしてよい。

状態診断部１６０は、ＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理が行われることで実現される。状態診断部１６０は、学習結果記憶部２２０に記憶される学習結果を用いて、加工中に取得された波形データに基づいて波形特徴算出部１４０が算出した波形特徴に基づいて、現在使用している工具を次に工具交換するべき時間（即ち、寿命）を診断する。状態診断部１６０は、例えば学習部１５０が学習結果として相関関数を作成している場合には、現在使用している工具の種類と加工条件に合う相関関数を学習結果記憶部２２０から読み出す。状態診断部１６０は、読み出した相関関数に対して現在取得されている波形データの波形特徴を入力して次の工具交換までの時間を算出する。状態診断部１６０は、例えば学習部１５０が学習結果としてルール群を作成している場合には、現在使用している工具の種類と加工条件に合うルール群を学習結果記憶部２２０から読み出す。状態診断部１６０は、読み出したルール群に対して現在取得されている波形データの波形特徴を適用し、そこから導かれる結論を次の工具交換までの時間とする。状態診断部１６０は、例えば学習部１５０が学習結果として教師あり学習の学習モデルを作成している場合には、現在使用している工具の種類と加工条件に合う学習モデルを学習結果記憶部２２０から読み出す。状態診断部１６０は、読み出した学習モデルに対して現在取得されている波形データの波形特徴を入力して次の工具交換までの時間を推定する。状態診断部１６０が診断した次に工具交換するべき時間は、ユーザ提示部１７０に出力される。

ユーザ提示部１７０は、ＣＰＵ１１がＲＯＭ１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ１１によるＲＡＭ１３、不揮発性メモリ１４を用いた演算処理と、インタフェース１７を用いた出力処理が行われることで実現される。ユーザ提示部１７０は、状態診断部１６０が診断した次に工具交換するべき時間を表示装置７０に表示することで次に工具交換するべき時間をユーザに提示する。ユーザ提示部１７０は、状態診断部１６０が診断した次に工具交換するべき時間が予め定めた所定の閾値よりも小さい場合には、所定の警告表示や警報とともに次に工具交換するべき時間を表示するようにしても良い。

上記構成を備えた工具診断装置１は、少なくとも２つのモードで動作する。第１のモード（学習モード）では、工具診断装置１は、学習部１５０による学習を行う。このモードでは、所定の工具及び所定の加工条件でワークの加工が行われるたびに波形データが取得されてデータ記憶部２１０に記憶される。そして、オペレータによる工具の交換が行われた場合、当該工具が取り付けられて初めに加工が行われた際に取得された波形データから基準波形生成部１２０が基準波形データを生成する。そして、当該工具で加工を続けている際に取得された複数の波形データと、当該工具の種類及び加工条件との関係が学習部１５０によって学習される。学習結果は、学習結果記憶部２２０に記憶される。

学習結果が学習結果記憶部２２０に記憶されると、工具診断装置１は第２のモード（診断モード）で動作することができる。第２のモード（診断モード）では、工具診断装置は、状態診断部１６０による工具の状態の診断を行う。工具診断装置１は、所定の工具及び所定の加工条件でワークの加工が行われるたびに波形データを取得し、取得したデータに基づいて、学習結果記憶部２２０に記憶された学習結果を用いた工具状態の診断を行う。工具状態の診断結果、即ち次に工具交換を行うまでの時間は表示装置７０に表示される。オペレータはこの表示を見ながら、どのタイミングで加工を中断して工具を交換するかを決定することができる。

第１のモード（学習モード）において学習を行う際には、熟練したオペレータが工具交換のタイミングを決定することが望ましい。そのようにして得られたデータに基づく学習を行い作成された学習結果を用いることで、状態診断部１６０は、現在使用している工具が使用できなくなる直前までの時間を、次の工具交換をするべき時間として診断できるようになる。

図７は、第２実施形態の工具診断装置１を示す概略的なハードウェア構成図である。本実施形態では、工具診断装置１を、複数の産業機械（制御装置を含む）と有線／無線のネットワークを介して接続されたパソコン、セルコンピュータ、フォグコンピュータ、クラウドサーバ等のコンピュータに実装した例を示す。

本実施形態による工具診断装置１が備えるＣＰＵ３１１は、工具診断装置１を全体的に制御するプロセッサである。ＣＰＵ３１１は、バス３２２を介してＲＯＭ３１２に格納されたシステム・プログラムを読み出し、該システム・プログラムに従って工具診断装置１全体を制御する。ＲＡＭ３１３には一時的な計算データや表示データ、及び外部から入力された各種データ等が一時的に格納される。

不揮発性メモリ３１４は、例えば図示しないバッテリでバックアップされたメモリやＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等で構成される。不揮発性メモリ３１４は、工具診断装置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３１４には、インタフェース３１５を介して外部機器３７２から読み込まれたデータ、入力装置３７１を介して入力されたデータが記憶される。また、不揮発性メモリ３１４には、ネットワーク５を介して複数の産業機械３や他のコンピュータから取得されたデータ等が記憶される。不揮発性メモリ３１４に記憶された制御用プログラムやデータは、実行時／利用時にはＲＡＭ３１３に展開されても良い。また、ＲＯＭ３１２には、公知の解析プログラムなどの各種システム・プログラムがあらかじめ書き込まれている。

インタフェース３１５は、工具診断装置１のＣＰＵ３１１とＵＳＢ装置等の外部機器３７２と接続するためのインタフェースである。外部機器３７２側からは、データ等が読み込まれる。また、工具診断装置１内で編集したデータ等は、外部機器３７２を介して外部記憶手段に記憶させることができる。

インタフェース３２０は、工具診断装置１のＣＰＵ３１１と有線乃至無線のネットワーク５とを接続するためのインタフェースである。ネットワーク５には、複数の産業機械３やフォグコンピュータ６、クラウドサーバ７等が接続され、工具診断装置１との間で相互にデータのやり取りを行っている。

表示装置３７０には、メモリ上に読み込まれた各データ、プログラム等が実行された結果として得られたデータ等がインタフェース３１７を介して出力されて表示される。また、キーボードやポインティングデバイス等から構成される入力装置３７１は、作業者による操作に基づく指令、データ等をインタフェース３１８を介してＣＰＵ３１１に渡す。

図８は、第２実施形態による工具診断装置１が備える機能を概略的なブロック図として示したものである。本実施形態による工具診断装置１が備える各機能は、図７に示した工具診断装置１が備えるＣＰＵ３１１がシステム・プログラムを実行し、工具診断装置１の各部の動作を制御することにより実現される。

本実施形態の工具診断装置１は、データ取得部１１０、差分波形算出部１３０、波形特徴算出部１４０、学習部１５０、状態診断部１６０、通信部１８０を備える。また、工具診断装置１のＲＡＭ３１３乃至不揮発性メモリ３１４には、産業機械３による加工時に時系列で取得されたスピンドルモータ３６２のトルクコマンド等の値から生成された波形データを記憶するための領域であるデータ記憶部２１０が設けられる。また、ＲＡＭ３１３乃至不揮発性メモリ３１４には、学習部１５０が作成した学習モデルを記憶するための領域である学習結果記憶部２２０が設けられる。

本実施形態による工具診断装置１が備えるデータ取得部１１０、差分波形算出部１３０、波形特徴算出部１４０、学習部１５０、状態診断部１６０は、複数の産業機械３から取得された波形データに基づいて処理が行われる点を除いて、第１実施形態による工具診断装置１が備える各部と同様の機能を有する。
通信部１８０は、図７に示した工具診断装置１が備えるＣＰＵ３１１がＲＯＭ３１２から読み出したシステム・プログラムを実行し、主としてＣＰＵ３１１によるＲＡＭ３１３、不揮発性メモリ３１４を用いた演算処理と、インタフェース３２０を用いた通信処理とが行われることで実現される。通信部１８０は、複数の産業機械３から加工時に検出される波形データを受信する。また、通信部１８０は、状態診断部１６０により診断された、それぞれの産業機械３で現在使用されている工具の次に工具交換するべき時間を診断した結果を、当該産業機械３へと送信する。

工具診断装置１は、複数の産業機械３から取得された波形データに基づいて学習を行う。それぞれの工具や加工条件において学習に用いるデータを複数の産業機械３から収集できるため、効率の良い学習を行うことができる。また、複数の産業機械３における工具の次に工具交換するべき時間を診断できるため、各産業機械３の制御装置に工具診断装置１を実装する場合と比較して全体的なコストを抑えることが可能となる。

以上、本発明の一実施形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。
上記した実施形態では、学習・診断に用いる波形データとして主にトルクコマンドを使用した例を示したが、学習・診断に用いる波形データとしては、例えば速度指令値を用いても良いし、速度やトルクのフィードバック値を用いるようにしても良い。

１工具診断装置
３産業機械
５ネットワーク
６フォグコンピュータ
７クラウドサーバ
１１，３１１ＣＰＵ
１２，３１２ＲＯＭ
１３，３１３ＲＡＭ
１４，３１４不揮発性メモリ
１５，１７，１８，２０，２１，３１５，３１７，３１８，３２０インタフェース
１６ＰＬＣ
１９Ｉ／Ｏユニット
２２，３２２バス
３０軸制御回路
４０サーボアンプ
５０サーボモータ
７０表示装置
７１入力装置
７２外部機器
１００制御部
１１０データ取得部
１２０基準波形生成部
１３０差分波形算出部
１４０波形特徴算出部
１５０学習部
１６０状態診断部
１７０ユーザ提示部
１８０通信部
２００制御用プログラム
２１０データ記憶部
２２０学習結果記憶部

Claims

タップ加工を行う産業機械で用いられる工具の状態を診断する工具診断装置であって、
前記タップ加工において前記工具の回転が停止する前後における前記工具を駆動するモータの状態量を波形データとして取得するデータ取得部と、
前記工具による最初の加工時に取得された波形データに基づいて基準波形データを生成する基準波形生成部と、
前記データ取得部によって取得された波形データと、前記基準波形データとの差分を差分波形データとして算出する差分波形算出部と、
前記差分波形データから、波形の特徴を示す波形特徴データを算出する波形特徴算出部と、
波形特徴データと、次に工具を交換するべき時間との相関性を学習した学習結果を記憶する学習結果記憶部と、
前記学習結果記憶部に記憶されている学習結果を用いて、前記波形特徴データに基づく前記工具の状態を診断する状態診断部と、
を備え、
前記波形特徴算出部は、前記差分波形データの内の、前記モータの回転が停止する前の減速部分、及び前記モータの回転が停止した後の加速部分の少なくともいずれかの区間のデータから波形特徴データを算出する、
工具診断装置。
前記波形特徴算出部が算出した波形特徴データに基づいて、前記波形データと、次に工具を交換するべき時間との相関性を学習した学習結果を作成する学習部をさらに備える、請求項１に記載の工具診断装置。
前記モータの状態量は、速度指令値、トルクコマンド、速度フィードバック値、トルクフィードバック値の少なくともいずれかである、
請求項１に記載の工具診断装置。
前記状態診断部による診断結果をユーザに提示するユーザ提示部をさらに備える、
請求項１に記載の工具診断装置。
前記学習部は、前記波形特徴算出部が算出した波形特徴データに基づいて、前記波形データと、次に工具を交換するべき時間との相関性を教師あり学習した学習モデルを学習結果として作成する、
請求項２に記載の工具診断装置。
前記データ取得部は、複数の産業機械から波形データを取得し、
前記状態診断部は、前記複数の産業機械のそれぞれの工具の状態を診断する、
請求項１に記載の工具診断装置。