KR102069266B1 - 진단 장치, 컴퓨터 프로그램, 및 진단 시스템 - Google Patents

진단 장치, 컴퓨터 프로그램, 및 진단 시스템 Download PDF

Info

Publication number
KR102069266B1
KR102069266B1 KR1020187017682A KR20187017682A KR102069266B1 KR 102069266 B1 KR102069266 B1 KR 102069266B1 KR 1020187017682 A KR1020187017682 A KR 1020187017682A KR 20187017682 A KR20187017682 A KR 20187017682A KR 102069266 B1 KR102069266 B1 KR 102069266B1
Authority
KR
South Korea
Prior art keywords
information
tool
model
unit
received
Prior art date
Application number
KR1020187017682A
Other languages
English (en)
Other versions
KR20180084980A (ko
Inventor
히로아키 후쿠다
야스노부 시라타
요스케 무라모토
준이치 다카미
Original Assignee
가부시키가이샤 리코
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 가부시키가이샤 리코 filed Critical 가부시키가이샤 리코
Priority claimed from PCT/JP2016/088471 external-priority patent/WO2017111072A1/en
Publication of KR20180084980A publication Critical patent/KR20180084980A/ko
Application granted granted Critical
Publication of KR102069266B1 publication Critical patent/KR102069266B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H3/00—Measuring characteristics of vibrations by using a detector in a fluid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M99/00—Subject matter not provided for in other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G15/00—Apparatus for electrographic processes using a charge pattern
    • G03G15/55—Self-diagnostics; Malfunction or lifetime display
    • 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
    • G05B19/406—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 monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03G—ELECTROGRAPHY; ELECTROPHOTOGRAPHY; MAGNETOGRAPHY
    • G03G2215/00—Apparatus for electrophotographic processes
    • G03G2215/00362—Apparatus for electrophotographic processes relating to the copy medium handling
    • G03G2215/00535—Stable handling of copy medium
    • G03G2215/00611—Detector details, e.g. optical detector
    • G03G2215/00637—Acoustic detector
    • 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
    • G05B2219/37—Measurements
    • G05B2219/37245—Breakage tool, failure
    • 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
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50276—Detect wear or defect tool, breakage and change tool
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Numerical Control (AREA)

Abstract

진단 장치는 수신 유닛 및 판정 유닛을 포함한다. 수신 유닛은 콘텍스트 정보 및 감지 정보를 수신하도록 구성된다. 콘텍스트 정보는 대상 장치를 구성하는 대상 항목의 특정 동작에 대응한다. 콘텍스트 정보는 대상 장치의 동작의 유형에 따라 판정되는 대상 항목의 동작을 기술하는 복수의 콘텍스트 정보 조각 중 하나의 조각이다. 감지 정보는 대상 항목의 동작에 따라 변화하는 물리량에 관한 것이다. 판정 유닛은 대상 항목이 특정 동작을 수행하는 동안 검출된 감지 정보에 기초하여 그리고 수신된 콘텍스트 정보에 대응하는 모델에 기초하여 대상 항목의 상태를 판정하도록 구성된다. 모델은 콘텍스트 정보의 하나 이상의 조각에 대해 각각 정의된 하나 이상의 모델 중 하나의 모델이다.

Description

진단 장치, 컴퓨터 프로그램, 및 진단 시스템
본 발명은 진단 장치, 컴퓨터 프로그램 및 진단 시스템에 관한 것이다.
화상 형성 장치에 있어서, 콘텍스트 정보를 기반으로 동작 상태마다 집음 유닛에 의해 동작 음 데이터를 수집하고, 상기 동작 음 데이터를 미리 준비된 동작 음 데이터와 비교함으로써 이상(abnormality)을 검출하는 기술이 공지되어 있다.
예를 들어, 특허 문헌 1에는 이상 음을 검출하고 어느 유닛이 이상 음을 생성하는지를 특정하는 화상 형성 장치가 개시되어 있다. 화상 형성 장치는 화상 형성 장치의 동작 중에 수집된 동작 음 데이터와 미리 수집되고 저장된 각각의 유닛(예를 들어, 드럼 모터, 급지 모터, 고정 모터 및 현상 클러치)의 동작 음 데이터를 비교한다. 이들 동작 음 데이터들 간의 차이가 특정 레벨보다 큰 경우, 화상 형성 장치는 동작 음을 이상 음으로 판정한다. 화상 형성 장치는 또한 각 유닛에 대해 준비된 동작 시퀀스 테이블에 기초하여 어느 유닛이 이상 음을 생성하는지를 특정한다.
특허 문헌 1: 일본 공개 특허 공보 제 2006-184722 호
특허 문헌 1에 개시된 기술은 이상을 검출할 때 항상 정확한 진단에 이르는 것은 아니다. 예를 들어, 특허 문헌 1에서, 이상 음의 발생원이 동작 타이밍 차트(예를 들어, 특허 문헌 1의 도 20 참조)에 기초하여 추정된다. 이러한 동작 타이밍 차트는 각 유닛에 대한 동작 정보를 포함하지만, 이와 같은 동작 정보는 정확한 발생원을 추정하기에는 충분하지 않다. 따라서, 화상 형성 장치는 음 발생원을 항상 정확히 추정할 수 없다.
본 발명은 앞서 말한 것을 고려하여 이루어진 것으로, 이상과 같은 동작 상태를 진단할 때 정확도를 증가시킬 수 있는 진단 장치, 컴퓨터 프로그램 및 진단 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일 양태에 따라, 진단 장치는 수신 유닛과 판정 유닛을 포함한다. 수신 유닛은 콘텍스트 정보 및 감지 정보를 수신하도록 구성된다. 콘텍스트 정보는 대상 장치를 구성하는 대상 항목의 특정 동작에 대응한다. 콘텍스트 정보는 대상 장치의 동작의 유형에 따라 판정되는 대상 항목의 동작을 기술하는 복수의 콘텍스트 정보 조각 중 하나의 조각이다. 감지 정보는 대상 항목의 동작에 따라 변화하는 물리량에 관한 것이다. 판정 유닛은 대상 항목이 특정 동작을 수행하는 동안 검출된 감지 정보에 기초하여, 그리고 수신된 콘텍스트 정보에 대응하는 모델에 기초하여 대상 항목의 상태를 판정하도록 구성된다. 모델은 콘텍스트 정보의 하나 이상의 조각에 대해 각각 정의된 하나 이상의 모델 중 하나의 모델이다.
본 발명에 따르면, 이상을 진단하는 정확도가 증가될 수 있다.
도 1은 제 1 실시예에 따른 진단 시스템의 구성의 일례를 나타내는 블록도이다.
도 2는 제 1 실시예에 따른 프로세스 머신의 하드웨어 구성의 일례를 나타내는 블록도이다.
도 3은 제 1 실시예에 따른 진단 장치의 하드웨어 구성의 일례를 나타내는 블록도이다.
도 4는 제 1 실시예에 따른 진단 장치의 기능 구성의 일례를 나타내는 블록도이다.
도 5는 모델과 연관된 콘텍스트 정보의 일례를 나타내는 다이어그램이다.
도 6은 제 1 실시예에 따른 진단 처리의 일례를 나타내는 흐름도이다.
도 7은 제 1 실시예에 따른 모델 생성 처리의 일례를 나타내는 흐름도이다.
도 8은 제 1 실시예에 따른 생성 처리 및 진단 처리의 구체적인 예를 나타내는 다이어그램이다.
도 9는 콘텍스트 정보의 일부에 대해 수행되는 판정의 일례를 나타내는 다이어그램이다.
도 10은 다른 머시닝 프로세스에서 동일한 모델을 사용하는 일례를 나타내는 다이어그램이다.
도 11은 콘텍스트 정보로서 누적 동작 시간을 사용하는 일례를 나타내는 다이어그램이다.
도 12는 모델 생성의 일례를 나타내는 다이어그램이다.
도 13은 제 2 실시예에 따른 진단 장치의 기능 구성의 일례를 나타내는 블록도이다.
도 14는 제 2 실시예에 따른 처리들의 구체적인 예를 나타내는 다이어그램이다.
도 15는 감지 정보의 판정에 사용되는 해당 정보의 데이터 구조의 일례를 나타내는 다이어그램이다.
도 16은 콘텍스트 정보와 머시닝 구간 간의 관계의 일례를 나타내는 다이어그램이다.
도 17은 머시닝 구간을 특정하는 방법의 일례를 나타내는 다이어그램이다.
도 18은 머시닝 구간을 특정하는 방법의 다른 예를 나타내는 다이어그램이다.
도 19는 우도(likelihood)와 판정 값 r(k) 간의 관계의 일례를 나타내는 그래프이다.
도 20은 시간 경과에 따른 우도 변화의 일례를 나타내는 다이어그램이다.
도 21은 복수의 임계치를 사용하는 일례를 나타내는 다이어그램이다.
도 22는 복수의 임계치를 사용하는 일례를 나타내는 다이어그램이다.
도 23-1은 제 6 변형예에 따른 판정 방법의 일례를 나타내는 다이어그램이다.
도 23-2는 제 6 변형예에 따른 판정 방법의 다른 예를 나타내는 다이어그램이다.
도 23-3은 제 6 변형예에 따른 판정 방법의 또 다른 예를 나타내는 다이어그램이다.
도 24-1은 제 7 변형예에 따른 판정 방법의 일례를 나타내는 다이어그램이다.
도 24-2는 제 7 변형예에 따른 판정 방법의 다른 예를 나타내는 다이어그램이다.
도 24-3은 제 7 변형예에 따른 판정 방법의 또 다른 예를 나타내는 다이어그램이다.
본 발명에 따른 진단 장치, 컴퓨터 프로그램 및 진단 시스템의 예시적인 실시예가 첨부 도면을 참조하여 아래에서 상세하게 설명된다.
제 1 실시예
도 1은 제 1 실시예에 따른 진단 시스템의 구성의 일례를 나타내는 블록도이다. 도 1에 도시된 바와 같이, 진단 시스템은 프로세스 머신(200) 및 진단 장치(100)를 포함한다. 프로세스 머신(200)는 진단 장치(100)에 의해 수행되는 진단의 대상 장치의 일례이다.
프로세스 머신(200) 및 진단 장치(100)는 임의의 형태로 서로 연결될 수 있다. 예를 들어, 프로세스 머신(200) 및 진단 장치(100)는 전용 접속 라인, 유선 근거리 통신망(local area network; LAN)과 같은 유선 네트워크 및 무선 네트워크를 통해 서로 연결될 수 있다.
프로세스 머신(200)는 수치 제어 유닛(201), 통신 제어 유닛(202) 및 머신 툴(203)을 포함한다. 머신 툴(203)은 센서(211), 구동 유닛(212) 및 툴(213)을 포함한다.
머신 툴(203)은 수치 제어 유닛(201)의 제어에 따라 프로세싱 대상을 프로세싱하는 머신이다. 머신 툴(203)은 수치 제어 유닛(201)의 제어에 따라 동작하는 구동 유닛(212)을 포함한다. 구동 유닛(212)은 예를 들어, 모터이다. 툴(213)은 구동 유닛(212)에 의해 실제로 구동되는 대상 항목이다. 툴(213)은 대상 공작물을 프로세싱하는 드릴 또는 엔드 밀과 같은 머시닝에 사용되며, 수치 제어에 의해 제어될 수 있는 임의의 유형의 툴일 수 있다. 머신 툴(203)은 하나 이상의 구동 유닛(212)을 포함할 수 있다.
수치 제어 유닛(201)은 수치 제어에 의해 공작물을 프로세싱하도록 머신 툴(203)을 제어한다. 예를 들어, 수치 제어 유닛(201)은 구동 유닛(212)의 동작을 제어하기 위한 수치 제어 데이터를 생성하여 출력한다. 수치 제어 유닛(201)은 콘텍스트 정보를 통신 제어 유닛(202)에 출력한다. 콘텍스트 정보는 프로세스 머신(200)의 동작의 유형마다 정의된 정보이다. 동작의 유형마다 정의된 콘텍스트 정보는 복수의 콘텍스트 정보 조각을 포함한다. 콘텍스트 정보는 예를 들어, 구동 유닛(212)에 의해 구동되는 툴(213)을 식별하는 정보, 구동 유닛(212)의 회전 수, 구동 유닛(212)의 회전 속도, 및 구동 유닛(212)과 툴(213)의 이동 정보를 포함한다.
수치 제어 유닛(201)은 예를 들어, 현재의 동작을 나타내는 콘텍스트 정보를 통신 제어 유닛(202)을 통해 진단 장치(100)에 전송한다. 프로세싱 대상이 프로세싱되는 머시닝 프로세스의 절차에 따라, 수치 제어 유닛(201)은 구동 유닛(212)에 의해 구동되는 툴(213)의 유형 및 구동 유닛(212)의 구동 상태(예컨대, 회전 수 및 회전 속도)를 변경한다. 수치 제어 유닛(201)이 동작의 유형을 변경할 때마다, 수치 제어 유닛(201)은 변경 이후의 동작의 유형에 대응하는 콘텍스트 정보를 통신 제어 유닛(202)을 통해 진단 장치(100)에 전송한다.
통신 제어 유닛(202)은 진단 장치(100)와 같은 외부 장치와 프로세스 머신(200) 사이의 통신을 제어한다. 예를 들어, 통신 제어 유닛(202)은 현재 동작에 대응하는 콘텍스트 정보를 진단 장치(100)에 전송한다.
센서(211)는 프로세스 머신(200)의 동작에 따라 변화하는 물리량을 검출하고, 감지 정보(센서 데이터)를 출력하는 감지 유닛이다. 센서(211)는 임의의 유형의 센서일 수 있고, 임의의 유형의 물리량을 검출할 수 있다. 예를 들어, 센서(211)는 감지 정보로서, 음향 데이터를 출력하는 마이크로폰, 가속도 데이터를 출력하는 가속도 센서 또는 음향 방출(acoustic emission; AE) 파 데이터를 출력하는 음향 방출(AE) 센서일 수 있다. 임의의 수의 센서(211)가 머신 툴(203)에 포함될 수 있다. 머신 툴(203)은 동일한 물리량을 검출하는 복수의 센서(211)를 포함할 수도 있거나, 상이한 유형의 물리량을 검출하는 복수의 센서(211)를 포함할 수도 있다.
예를 들어, 사용 중에 툴(213)의 날이 파손되거나 깎이면, 툴(213)이 머시닝 프로세스에서 만드는 음은 변경된다. 이 경우, 센서(211)(마이크로폰)는 음향 데이터를 검출하고, 검출된 데이터는 예를 들어, 정상 음을 나타내는 모델과 비교된다. 따라서, 프로세스 머신(200)의 동작에서의 이러한 이상은 검출될 수 있다.
진단 장치(100)는 통신 제어 유닛(101) 및 판정 유닛(102)을 포함한다. 통신 제어 유닛(101)은 진단 장치(100)와 프로세스 머신(200)와 같은 외부 장치 사이의 통신을 제어한다. 예를 들어, 통신 제어 유닛(101)은 콘텍스트 정보 및 감지 정보를 프로세스 머신(200)로부터 수신한다. 판정 유닛(102)은 콘텍스트 정보 및 감지 정보를 참조하여 프로세스 머신(200)의 동작이 정상인지 여부를 판정한다. 각각의 유닛에 대한 세부 사항은 후술 될 것이다.
도 2는 프로세스 머신(200)의 하드웨어 구성의 일례를 나타내는 블록도이다. 도 2에 도시된 바와 같이, 프로세스 머신(200)는 중앙 처리 장치(central processing unit; CPU)(51), 읽기 전용 메모리(read only memory; ROM)(52), 랜덤 액세스 메모리(random access memory; RAM)(53), 통신 I/F(54), 구동 제어 회로(55) 및 모터(56)를 포함하고, 이들은 버스(58)를 통해 서로 연결되어 있다.
CPU(51)는 프로세스 머신(200)의 전체 동작을 제어한다. CPU(51)는 ROM(52) 또는 다른 저장 유닛에 저장된 컴퓨터 프로그램을 작업 영역으로서 예를 들어 RAM(53) 상에 로딩하고, 컴퓨터 프로그램을 실행하여 프로세스 머신(200)의 전체 동작을 제어함으로써 머시닝 기능을 구현한다.
통신 I/F(54)는 진단 장치(100)와 같은 외부 장치와 통신하기 위한 인터페이스이다. 구동 제어 회로(55)는 모터(56)의 구동을 제어하는 회로이다. 모터(56)는 드릴, 절단기 및 테이블과 같은 머시닝 프로세스에 사용되는 툴(213)을 구동한다. 모터(56)는 예를 들어, 도 1의 구동 유닛(212)에 해당한다. 센서(57)가 프로세스 머신(200)에 설치된다. 센서(57)는 프로세스 머신(200)의 동작에 따라 변화하는 물리량을 검출하고, 진단 장치(100)에 감지 정보를 출력한다. 센서(57)는 예를 들어, 도 1의 센서(211)에 해당한다.
도 1의 수치 제어 유닛(201) 및 통신 제어 유닛(202)은 도 2의 CPU(51)가 컴퓨터 프로그램을 실행하게 함으로써 구현될 수 있고, 즉, 소프트웨어에 의해 구현될 수 있거나, 집적 회로(integrated circuit; IC)와 같은 하드웨어에 의해 구현될 수 있거나, 또는 소프트웨어 및 하드웨어 양자 모두에 의해 구현될 수 있다.
도 3은 진단 장치(100)의 하드웨어 구성의 일례를 나타내는 블록도이다. 도 3에 도시된 바와 같이, 진단 장치(100)는 CPU(61), ROM(62), RAM(63), 통신 I/F(64) 및 하드 디스크 드라이브(hard disk drive; HDD)(65)를 포함하고, 이들은 버스(66)를 통해 서로 연결되어 있다.
CPU(61)는 진단 장치(100)의 전체 동작을 제어한다. CPU(61)는 ROM(62) 또는 다른 저장 유닛에 저장된 컴퓨터 프로그램을 작업 영역으로서 예를 들어 RAM(63) 상에 로딩하고, 컴퓨터 프로그램을 실행하여 진단 장치(100)의 전체 동작을 제어함으로써 진단 기능을 구현한다. 통신 I/F(64)는 프로세스 머신(200)와 같은 외부 장치와 통신하기 위한 인터페이스이다. HDD(65)는 진단 장치(100)의 설정 정보, 프로세스 머신(200)의 통신 제어 유닛(202)을 통해 수치 제어 유닛(201)으로부터 전송된 콘텍스트 정보 및 센서(211)로부터 전송된 감지 정보와 같은 정보를 그 안에 저장한다. 진단 장치(100)는 HDD(65) 대신에 또는 HDD(65)에 더하여, EEPROM (electrically erasable programmable ROM) 또는 SSD (solid state drive) 등의 비휘발성 저장 유닛을 포함할 수 있다.
도 4는 진단 장치(100)의 기능 구성의 일례를 나타내는 블록도이다. 도 4에 도시된 바와 같이, 진단 장치(100)는 상술한 통신 제어 유닛(101) 및 판정 유닛(102)에 더하여, 접수 유닛(103), 특징 추출 유닛(104), 생성 유닛(105) 및 저장 유닛(111)을 포함한다.
저장 유닛(111)은 진단 장치(100)의 진단 기능에 필요한 다양한 유형의 정보를 그 안에 저장한다. 저장 유닛(111)은 예를 들어, 도 3의 RAM(63) 및 HDD(65)으로 구현될 수 있다. 저장 유닛(111)은 예를 들어, 이상 판정에 사용되는 하나 이상의 모델을 그 안에 저장한다.
이러한 모델은 예를 들어, 프로세스 머신(200)의 정상 동작 동안 검출된 감지 정보에 기초하여 학습함으로써 생성된다. 대안적으로, 검출의 목적에 따라, 새로운 툴(213)이 프로세스 머신(200)에 부착되고 소정의 머시닝 프로세스에 사용되어 툴(213)이 이상 상태가 될 때까지 (예를 들어, 툴(213)의 날이 파손되거나 깎일 때까지) 모델에 대한 데이터가 획득되도록 모델이 생성된다. 학습 방법은 임의의 방법일 수 있고, 모델 형식은 임의의 형식일 수 있다. 예를 들어, 가우시안 혼합 모델(Gaussian mixture model; GMM) 및 은닉 마르코프 모델(hidden Markov model; HMM)과 같은 모델 및 해당 모델 학습 방법이 적용될 수 있다.
대안적으로, 예를 들어, 새로운 툴(213)이 부착된 후 소정의 머시닝 기간이 학습 기간으로 사용될 수 있고, 이 기간에 툴(213)의 정상 상태와 이상 상태가 규칙화될 수 있으며, 규칙화된 기준은 모델로서 저장 유닛(111)에 저장될 수 있다. 예를 들어, 학습 기간은 다음과 같은 방식으로 결정될 수 있다. 새로운 툴(213)이 부착되고, 머시닝 프로세스의 처음 10회는 진단 기준을 규칙화하는 학습 기간인 것으로 결정된다. 진단 기준은 실제 머시닝 프로세스 이전의 다른 장치에서 규칙화될 수 있고, 미리 결정된 규칙은 모델로서 저장 유닛(111)에 저장될 수 있다.
제 1 실시예에서, 모델은 콘텍스트 정보의 각각의 유형에 대해 생성된다. 저장 유닛(111)은 예를 들어, 콘텍스트 정보 및 서로 연관된 콘텍스트 정보에 대응하는 모델을 그 안에 저장한다. 도 5는 모델과 연관된 콘텍스트 정보의 일례를 나타내는 다이어그램이다. 도 5에 도시된 바와 같이, 모델은 예를 들어, 프로세스 머신(200)에 부착될 툴(213)의 각각의 유형마다 생성된다. 툴(213)이 드릴인 경우, 드릴의 직경마다 모델이 생성된다. 1mm, 3mm 및 5mm의 3개의 직경이 이용 가능한 경우, 각각의 직경에 대해 모델이 생성된다. 판정 유닛(102)이 프로세스 머신(200)로부터 수신된 콘텍스트 데이터에 기초하여 머시닝 프로세스에 사용될 드릴의 직경을 인식하는 경우, 판정 유닛(102)은 드릴의 직경에 대응하는 학습 모델을 선택하고 판정을 위해 그 모델을 사용한다.
통신 제어 유닛(101)은 수신 유닛(101a) 및 송신 유닛(101b)을 포함한다. 수신 유닛(101a)은 프로세스 머신(200)와 같은 외부 장치로부터 전송된 다양한 유형의 정보를 수신한다. 예를 들어, 수신 유닛(101a)은 프로세스 머신(200)의 현재 동작에 대응하는 콘텍스트 정보 및 센서(211)로부터 전송된 감지 정보를 수신한다. 송신 유닛(101b)은 외부 장치에 다양한 유형의 정보를 전송한다.
특징 추출 유닛(104)은 모델 생성 처리에 그리고 판정 유닛(102)에 의해 수행되는 판정에 이용될 특징 정보(특징)를 감지 정보로부터 추출한다. 특징 정보는 감지 정보의 특징을 나타내는 임의의 유형의 정보일 수 있다. 예를 들어, 감지 정보가 마이크로폰에 의해 수집된 음향 데이터인 경우, 특징 추출 유닛(104)은 에너지, 주파수 스펙트럼 및 멜 주파수 캡스트럼 계수(mel-frequency cepstrum coefficient; MFCC)와 같은 특징을 추출할 수 있다.
생성 유닛(105)은 정상 동작 동안 검출된 감지 정보로부터 추출된 특징 정보에 기초하여 학습함으로써 정상 동작을 판정하는 모델을 생성한다. 모델을 외부 장치에서 생성하는 경우, 진단 장치(100)는 생성 유닛(105)을 포함할 필요가 없다. 어떠한 모델도 정의되어 있지 않은 콘텍스트 정보와 해당 콘텍스트 정보에 대응하는 감지 정보가 입력되는 경우, 생성 유닛(105)은 이 감지 정보로부터 추출된 특징 정보를 사용하여 해당 콘텍스트 정보에 대응하는 모델을 생성할 수 있다.
생성 유닛(105)에 의해 모델이 생성되었지만, 모델은 외부 장치에서 생성될 수 있고, 생성된 모델은 통신 I/F(64)를 통해 수신되어 사용을 위해 HDD(65)에 저장될 수 있다.
판정 유닛(102)은 수신 유닛(101a)에 의해 수신된 감지 정보와 수신된 콘텍스트 정보에 대응하는 모델에 기초하여 프로세스 머신(200)의 동작 상태를 판정한다. 프로세스 머신(200)의 동작 상태는 예를 들어, 프로세스 머신(200)가 정상 상태에서 동작하는지 여부를 나타낸다. 예를 들어, 판정 유닛(102)은 특징 추출 유닛(104)에 감지 정보로부터 특징 정보 추출하도록 요청한다. 판정 유닛(102)은 감지 정보로부터 추출된 특징 정보가 정상을 나타낼 가능성을 나타내는 우도를 대응하는 모델에 기초하여 계산한다. 판정 유닛(102)은 우도를 미리 정해진 임계치와 비교한다. 예를 들어, 우도가 임계치 이상인 경우, 판정 유닛(102)은, 프로세스 머신(200)가 정상 상태에서 동작한다고 판정한다. 우도가 임계치 미만인 경우, 판정 유닛(102)은 프로세스 머신(200)가 이상 상태에서 동작한다고 판정한다. 툴(213)의 상태에 따라 특징은 변화한다. 따라서, 판정 유닛(102)에 의해 수행되는 판정은 예를 들어, 프로세스 머신(200)의 동작 상태를 판정하기 위해 툴(213)이 얼마나 많이 마모되어 있는지를 나타내는 지표의 판정을 포함한다.
동작이 정상 상태인지의 여부를 판정하는 방법은 이에 한정되지 않는다. 판정 방법은 동작이 감지 정보 및 모델에 기초하여 정상 상태에 있는지 여부를 판정할 수 있는 임의의 방법일 수 있다. 예를 들어, 판정 유닛(102)은 우도 값을 임계치와 직접 비교하는 대신 우도의 변화를 나타내는 값을 임계치와 비교할 수 있다.
접수 유닛(103)은 프로세스 머신(200)로부터 수신 유닛(101a)에 의해 수신된 콘텍스트 정보와는 상이한 콘텍스트 정보의 입력을 수신한다. 예를 들어, 접수 유닛(103)은 프로세스 머신(200)로부터 누적 동작 시간을 획득하도록 구성될 수 있다. 이 경우, 프로세스 머신(200)는 예를 들어, 프로세스 머신(200)가 툴(213)을 변경할 때 기능 하는 누적 동작 시간을 리셋(초기화)하는 기능을 포함할 수 있다.
대안적으로, 접수 유닛(103)은 프로세스 머신(200)로부터 누적 동작 시간을 수신하지 않을 수 있다. 접수 유닛(103)은 키보드 및 터치 패널과 같은 동작 유닛으로부터 입력된 콘텍스트 정보를 수신한다. 접수 유닛(103)에 의해 수신된 콘텍스트 정보는 누적 동작 시간에 한정되지 않는다. 예를 들어, 콘텍스트 정보는 사용될 툴(213)의 사양 정보(절삭 날의 직경, 날의 수, 툴(213)의 재질, 툴(213)에 코팅이되어 있는지 여부) 또는 처리될 공작물 정보(예를 들어, 재질 등)일 수 있다. 접수 유닛(103)은 서버 장치 및 개인용 컴퓨터와 같은 외부 장치로부터 콘텍스트 정보를 수신할 수 있다. 진단 장치(100)가 프로세스 머신(200) 이외의 장치로부터 콘텍스트 정보를 수신할 필요가 없으면, 진단 장치(100)는 접수 유닛(103)을 포함할 필요가 없다.
도 4의 유닛들(통신 제어 유닛(101), 판정 유닛(102), 접수 유닛(103), 특징 추출 유닛(104) 및 생성 유닛(105))은 도 3의 CPU(61)가 컴퓨터 프로그램을 실행하게 함으로써 구현될 수 있고, 즉, 소프트웨어에 의해 구현될 수 있거나, IC 등의 하드웨어에 의해 구현될 수 있거나, 또는 소프트웨어 및 하드웨어 양자 모두에 의해 구현될 수 있다.
다음으로, 제 1 실시예에 따른 진단 장치(100)에 의해 수행되는 진단 처리에 대해 도 6을 참조하여 설명한다. 도 6은 제 1 실시예에 따른 진단 처리의 일례를 나타내는 흐름도이다.
상술한 바와 같이, 프로세스 머신(200)의 수치 제어 유닛(201)은 현재의 동작을 나타내는 콘텍스트 정보를 순차적으로 진단 장치(100)에 전송한다. 수신 유닛(101a)은 프로세스 머신(200)로부터 전송된 콘텍스트 정보를 수신한다(단계 S101). 프로세스 머신(200)의 센서(211)는 머시닝 프로세스 동안 감지 정보를 순차적으로 출력한다. 수신 유닛(101a)은 프로세스 머신(200)로부터 전송된 감지 정보(센서 데이터)를 수신한다(단계 S102).
특징 추출 유닛(104)은 수신된 감지 정보로부터 특징 정보를 추출한다(단계 S103). 판정 유닛(102)은 추출된 특징 정보와 수신된 콘텍스트 정보에 대응하는 모델에 기초하여, 프로세스 머신(200)가 정상 상태에서 동작하고 있는지 여부를 판정한다(단계 S104). 판정 유닛(102)은 판정 결과를 출력한다(단계 S105). 판정 결과는 임의의 방법으로 출력될 수 있다. 예를 들어, 진단 장치(100)가 디스플레이 등의 표시 장치를 포함하는 경우, 판정 유닛(102)은 이러한 표시 장치에 판정 결과를 표시할 수 있다. 판정 유닛(102)은 서버 장치 및 개인용 컴퓨터와 같은 외부 장치에 판정 결과를 출력할 수 있다.
다음으로, 제 1 실시예에 따른 진단 장치(100)에 의해 수행되는 모델 생성 처리에 대해 도 7을 참조하여 설명한다. 도 7은 제 1 실시예에 따른 모델 생성 처리의 일례를 나타내는 흐름도이다. 모델 생성 처리는 예를 들어, 진단 처리 전에 수행된다. 상술한 바와 같이, 진단 장치(100)는 모델이 정해져 있지 않은 콘텍스트 정보를 수신하면 모델 생성 처리를 수행하도록 구성될 수 있다. 상술한 바와 같이 모델을 외부 장치에서 생성하는 경우, 진단 장치(100)는 모델 생성 처리를 수행할 필요가 없다.
수신 유닛(101a)은 프로세스 머신(200)로부터 전송된 콘텍스트 정보를 수신한다(단계 S201). 수신 유닛(101a)은 프로세스 머신(200)로부터 전송된 감지 정보(센서 데이터)를 수신한다(단계 S202).
이렇게 수신된 콘텍스트 정보 및 감지 정보는 모델 생성에 사용된다. 모델은 콘텍스트 정보의 각각의 유형에 대해 생성되므로, 감지 정보는 대응하는 콘텍스트 정보와 연관될 필요가 있다. 예를 들어, 수신 유닛(101a)은 수신된 감지 정보를 동일한 시간에 수신된 콘텍스트 정보와 연관시켜 예를 들어 저장 유닛(111)에 저장한다. 진단 장치(100)는 콘텍스트 정보 및 감지 정보를 예를 들어 저장 유닛(111)에 일시적으로 저장하고, 정보가 정상 동작으로부터 나오는지 여부를 판정한다. 진단 장치(100)는 정상 동작에 관한 정보인 것으로 판정된 정보에만 기초하여 모델을 생성할 수 있다. 즉, 진단 장치(100)는 정상으로 라벨링된 감지 정보에 기초하여 모델을 생성할 수 있다.
프로세스 머신(200)가 정상 상태에서 동작하는지 여부의 판정(라벨링)은, 정보가 예를 들어 저장 유닛(111)에 저장된 이후 임의의 시간에 또는 프로세스 머신(200)를 계속 동작시키면서 실시간으로 수행될 수 있다. 라벨링을 수행하는 대신, 진단 장치(100)는 프로세스 머신(200)가 정상 상태에서 동작하고 있음을 나타내는 정보를 가정하여 모델을 생성할 수 있다. 정상 상태라고 가정한 정보가 실제로는 이상 상태를 나타내면, 진단 장치(100)는 생성된 모델에 기초하여 정확한 판정을 수행하지 못한다. 이러한 상황은 진단 장치(100)로 하여금 더 자주 이상을 판정하게 할 수 있지만, 진단 장치(100)는 이러한 부정확하게 생성된 모델을 인식하여 이를 삭제할 수 있다. 진단 장치(100)는 프로세스 머신(200)의 이상을 판정하기 위한 모델로서 이상 상태를 나타내는 정보로부터 생성된 모델을 사용할 수 있다.
특징 추출 유닛(104)은 수집된 감지 정보로부터 특징 정보를 추출한다(단계 S203). 생성 유닛(105)은 콘텍스트 정보와 연관된 감지 정보로부터 추출된 특징 정보에 기초하여 이러한 콘텍스트 정보에 대응하는 모델을 생성한다(단계 S204). 생성 유닛(105)은 생성된 모델을 예를 들어 저장 유닛(111)에 저장한다(단계 S205).
다음은 제 1 실시예에 따른 모델 생성 처리 및 진단 처리의 구체적인 예에 대해 설명한다. 도 8은 제 1 실시예에 따른 처리들의 구체적인 예를 나타내는 다이어그램이다.
도 8은 예를 들어, 특정 공작물을 프로세싱하는 머시닝 프로세스의 일부에 대해 수행되는 모델 생성 처리 및 진단 처리를 나타낸다. 모델 생성 처리에서, 진단 장치(100)는 콘텍스트 정보(701)와 함께 수신된 복수의 감지 정보 조각(도 8에서의 감지 정보 711a 내지 711c)을 사용한다. 감지 정보 조각의 수는 3으로 한정되는 것이 아니라, 임의의 수일 수 있다.
콘텍스트 정보(701)는 이러한 머시닝 프로세스가 4개의 모터(모터 A, 모터 B, 모터 C 및 모터 D)를 구동하는 동작을 포함한다는 것을 나타낸다. 특징 추출 유닛(104)은 수신된 감지 정보로부터 특징 정보를 추출한다. 생성 유닛(105)은 대응하는 감지 정보로부터 추출된 특징 정보에 기초하여 모터에 대응하는 콘텍스트 정보의 각각의 조각마다 모델을 생성한다. 생성된 모델은 예를 들어 저장 유닛(111)에 저장된다. 도 8은 모터 B가 구동되는 것을 나타내는 콘텍스트 정보에 대응하여 생성된 모델(모터 B)을 저장 유닛(111)에 저장하는 일례를 나타낸다. 저장된 모델은 나중에 수행될 진단 과정에서 참조될 것이다.
진단 과정에서, 진단 장치(100)는 모델 생성 과정과 동일한 방식으로 콘텍스트 정보(701) 및 감지 정보(721)를 수신한다. 콘텍스트 정보가 모터 B가 구동되고 있음을 나타내는 경우, 판정 유닛(102)은 이 콘텍스트 정보가 수신되는 기간 동안 수신된 감지 정보에 기초하여 그리고 저장 유닛(111)에 저장된 모델 "모터 B"에 기초하여 프로세스 머신(200)가 정상 상태에서 동작하고 있는지 여부를 판정한다.
다른 콘텍스트 정보가 수신되는 경우, 상술한 바와 동일한 방식으로 감지 정보와 이러한 콘텍스트 정보에 대응하는 모델에 기초하여 판정 유닛(102)은 판정을 수행한다. 판정 유닛(102)은 모든 콘텍스트 정보에 대해 반드시 판정을 수행할 필요는 없다. 도 9는 콘텍스트 정보의 일부에 대해 수행되는 판정의 일례를 나타내는 다이어그램이다.
도 9의 예에서는, 콘텍스트 정보가 모터 B가 구동되고 있음을 나타내는 경우에만 모델이 생성된다. 진단 처리는 모터 B가 구동되고 있음을 나타내는 콘텍스트 정보(701-2)가 수신된 경우에 수행된다. 이러한 구성은 진단 장치(100)가 이상 판정에 유효한 감지 정보에만 기초하여 진단 처리를 수행하게 할 수 있다. 예를 들어, 음향 데이터가 감지 정보로서 사용되는 경우, 머시닝 프로세스는 무음 구간과 같은 판정이 필요 없는 구간을 포함할 수 있다. 이러한 불필요한 구간을 판정 대상 구간으로부터 제거하면 오판을 줄일 수 있고 계산 비용을 줄일 수 있다. 즉, 이러한 구성은 더욱 정확하고 더욱 효율적인 진단 처리를 달성할 수 있다.
예를 들어, 프로세스 머신(200)가 상이한 머시닝 프로세스에서 동일한 모터를 사용하는 경우, 진단 장치(100)는 모터에 대응하는 동일한 모델에 기초하여 진단 처리를 수행할 수 있다. 도 10은 다른 머시닝 프로세스에서 동일한 모델을 사용하는 일례를 나타내는 다이어그램이다.
도 10의 콘텍스트 정보(901)는 이러한 머시닝 프로세스가 4개의 모터(모터 X, 모터 Y, 모터 Z 및 모터 B)를 구동하는 동작을 포함한다는 것을 나타낸다. 이 머시닝 프로세스는 예를 들어, 도 8에 도시된 머시닝 프로세스과 공통인 모터 B를 사용한다. 따라서, 도 10의 머시닝 프로세스에서 판정 유닛(102)은 동일한 모델 "모터 B"와 감지 정보(921)에 기초하여 진단 처리를 수행할 수 있다.
도 11은 콘텍스트 정보로서 누적 동작 시간을 사용하는 일례를 나타내는 다이어그램이다. 콘텍스트 정보(1001)는 각각의 모터의 누적 동작 시간을 나타낸다. 도 11의 예에서, 누적 동작 시간의 각각의 범위(예컨대, 0 내지 6개월 및 6개월 내지 12개월)에서, 모터의 각각의 유형에 대해 모델이 생성된다. 예를 들어, 저장 유닛(111a)은 0 내지 6개월의 누적 동작 시간을 갖는 모터에 대한 모델을 그 안에 저장한다. 저장 유닛(111b)은 6개월 내지 12개월의 누적 동작 시간을 갖는 모터에 대한 모델을 그 안에 저장한다. 저장 유닛(111c)은 12개월 이상의 누적 동작 시간을 갖는 모터에 대한 모델을 그 안에 저장한다. 저장 유닛들(111a 내지 111c)은 물리적으로 상이한 저장 매체 또는 물리적으로 동일한 저장 매체에 의해 구현될 수 있다. 판정 유닛(102)은 대응하는 모델을 특정하기 위해 콘텍스트 정보(701)와 콘텍스트 정보(1001)를 사용하고, 특정 모델에 기초하여 진단 처리를 수행한다.
도 12는 모델이 정의되지 않은 콘텍스트 정보가 입력되는 경우 모델을 생성하는 일례를 나타내는 다이어그램이다. 도 12의 콘텍스트 정보(1101)는 이러한 머시닝 프로세스가 4개의 모터(모터 X, 모터 C, 모터 D 및 모터 B)를 구동하는 동작을 포함한다는 것을 나타낸다. 모터 X가 구동되고 있음을 나타내는 콘텍스트 정보에 대해 모델이 생성되지 않았다고 가정한다.
이 경우, 특징 추출 유닛(104)은 모터 X가 구동되고 있음을 나타내는 콘텍스트 정보에 대응하는 기간에 검출된 감지 정보로부터 특징 정보를 추출한다. 특징 정보는 복수의 감지 정보 조각(도 12에서, 감지 정보 1111a, 1111b, 1111c)으로부터 추출된다. 생성 유닛(105)은 추출된 특징 정보에 기초하여 모터 X가 구동되고 있음을 나타내는 콘텍스트 정보에 대응하는 모델 "모터 X"를 생성하고, 생성된 모델을 저장 유닛(111)에 저장한다. 따라서, 진단 장치(100)는 모터 X가 구동되는 미래 기간에서 이상을 판정할 수 있다.
제 1 실시예에 따르면, 진단 장치(100)는 프로세스 머신(200)로부터, 프로세스 머신(200)의 현재 동작을 나타내는 콘텍스트 정보를 수신하고, 수신된 콘텍스트 정보에 대응하는 모델을 사용하며, 진단 장치(100)는 이상을 판정할 수 있다. 이러한 구성은 진단 장치(100)가 현재 구동 중인 구동 유닛을 매우 정확하게 특정하고 이상을 매우 정확하게 진단할 수 있게 한다.
제 2 실시예
제 1 실시예에서, 진단 장치(100)는 단일 유형의 감지 정보에 기초하여 프로세스 머신(200)가 정상 상태에서 동작하는지 여부를 판정한다. 판정에 사용하는 감지 정보 유형의 수는 1개에 한정되지 않고, 2개 이상일 수 있다. 제 2 실시예에 따른 진단 시스템은 복수 유형의 감지 정보에 기초하여 프로세스 머신(200)의 이상을 판정한다.
제 2 실시예에 따른 진단 시스템은 도 1에 도시된 제 1 실시예의 진단 시스템과 동일한 구성을 가지므로, 이의 설명은 생략된다. 도 13은 제 2 실시예에 따른 진단 장치(100-2)의 기능 구성의 일례를 나타내는 블록도이다. 도 13에 도시된 바와 같이, 진단 장치(100-2)는 통신 제어 유닛(101), 판정 유닛(102-2), 접수 유닛(103), 특징 추출 유닛(104), 생성 유닛(105) 및 저장 유닛(111)을 포함한다.
제 2 실시예는 판정 유닛(102-2)이 상이한 기능을 갖는다는 점에서 제 1 실시예와 다르다. 진단 장치(100-2)의 다른 유닛들은 도 4의 블록도에 도시된 바와 같이 제 1 실시예에 따른 진단 장치(100)의 것과 동일한 구성 및 기능을 가지므로, 동일한 참조 부호로 표시되며, 이의 설명은 생략된다.
판정 유닛(102-2)은 복수 유형의 감지 정보에 기초하여 프로세스 머신(200)가 정상 상태에서 동작하는지 여부를 판정한다. 예를 들어, 판정 유닛(102-2)은 콘텍스트 정보에 따라 판정에 사용될 감지 정보의 유형을 변경한다.
도 14는 제 2 실시예에 따른 처리들의 구체적인 예를 나타내는 다이어그램이다. 도 14의 예에서, 진단 장치(100-2)는 콘텍스트 정보(1201) 및 복수 유형의 감지 정보(1221a 및 1221b)를 수신한다. 감지 정보(1221a)는 예를 들어, 음향 데이터이다. 감지 정보(1221b)는 예를 들어, 가속도 데이터이다.
콘텍스트 정보가 모터 A가 구동되고 있음을 나타내는 경우, 판정 유닛(102-2)은 감지 정보(1221b) 중 이 콘텍스트 정보에 대응하는 기간에 검출된 감지 정보(1222b)로부터 추출된 특징 정보에 기초하여 판정을 수행한다. 콘텍스트 정보가 모터 B가 구동되고 있음을 나타내는 경우, 판정 유닛(102-2)은 감지 정보(1221a) 중 이 콘텍스트 정보에 대응하는 기간에 검출된 감지 정보(1222a)로부터 추출된 특징 정보에 기초하여 판정을 수행한다. 판정 유닛(102-2)은 이러한 콘텍스트 정보에 대응하는 모델을 저장 유닛(111a-2) 또는 저장 유닛(111b-2)으로부터 판독한다.
콘텍스트 정보에 대응하는 감지 정보는 예를 들어 저장 유닛(111)에 저장된 대응하는 정보에 기초하여 판정될 수 있다. 도 15는 감지 정보의 판정에 사용되는 대응하는 정보의 데이터 구조의 일례를 나타내는 다이어그램이다. 대응하는 정보는 예를 들어 센서 데이터와 콘텍스트 정보를 포함한다. 판정 유닛(102-2)은 대응하는 정보를 참조하여 콘텍스트 정보에 대응하는 감지 정보를 판정할 수 있다.
다음으로, 제 1 실시예 및 제 2 실시예에 적용 가능한 변형예에 대해 설명한다.
제 1 변형예
콘텍스트 정보는 특정 구동 유닛(212)이 구동되는 구간만 나타낸다. 따라서, 진단 장치는, 예를 들어, 구동 유닛(212)에 의해 구동되는 툴(213)이 공작물과 접촉하여 회전하고 그것을 머시닝하는 실제 머시닝 구간을 정확하게 추출하지 못할 수 있다. 즉, 이상이 덜 정확하게 판정될 수 있다.
도 16은 콘텍스트 정보와 머시닝 구간 간의 관계의 일례를 나타내는 다이어그램이다. 콘텍스트 정보(1501)는 모터 B가 구동되고 있음을 나타낸다. 판정 유닛(102)이 콘텍스트 정보(1501)만을 참조하는 경우, 감지 정보 중에서 파형 구간(1512)에 대응하는 감지 정보를 특정한다. 그러나 실제로 툴(213)이 공작물을 머시닝하는 구간은 파형 구간(1511)이다. 예를 들어, 감지 데이터가 음향 데이터인 경우, 파형 구간(1511)은 툴(213)이 공작물과 접촉하여 음을 생성하는 동안 검출된 음향 데이터의 구간에 대응한다.
제 1 변형예에서, 판정 유닛(102)은 콘텍스트 정보 및 감지 정보 양자 모두에 기초하여 실제 머시닝 구간을 특정하도록 구성된다. 즉, 판정 유닛(102)은 수신된 감지 정보에 기초하여 수신된 콘텍스트 정보에 의해 특정된 기간에서 판정에 사용하기 위한 기간을 판정한다. 판정 유닛(102)은 판정된 기간에서의 감지 정보 및 모델에 기초하여 판정을 수행한다.
예를 들어, 판정 유닛(102)은 감지 정보의 특징이 변경되는 시간을 특정함으로써 머시닝 구간을 판정한다. 도 17은 머시닝 구간을 특정하는 방법의 일례를 나타내는 다이어그램이다. 도 17의 예에서, 판정 유닛(102)은 감지 정보의 진폭이 미리 설정된 임계치(예를 들어, "a" 및 "-a")을 초과하도록 변경되는 시점(1601)을 특정하고, 진폭이 임계치의 범위 안에 들어가도록 변경되는 시점(1602)을 특정한다. 판정 유닛(102)은 시점(1601)과 시점(1602) 사이의 구간(1611)을 추출한다. 판정 유닛(102)은 구간(1611)에서의 감지 정보로부터 추출된 특징 정보를 사용하여 판정을 수행한다. 실제 머시닝 구간에 대응하는 구간에서의 감지 정보를 사용하여 판정 유닛(102)이 더 정확하게 판정을 수행하게 할 수 있다.
제 2 변형예
제 2 변형예에서, 구간 특정 신호를 사용함으로써 특징 정보는 추출된다 (머시닝 구간이 특정된다). 구간 특정 신호는 프로세스 머신(200)로부터 전송된 콘텍스트 정보에 기초하여 진단 장치(100)에서 생성되지만, 상기 구간 특정 신호는 프로세스 머신(200)에서 생성되어 진단 장치(100)에 전송될 수 있다.
도 18은 제 2 변형예에서 머시닝 구간을 특정하는 방법의 일례를 나타내는 다이어그램이다. 기간 지정 신호(1801)가 머시닝 구간(예를 들어, 하이 레벨 신호가 출력되고 있는 구간)을 나타내는 경우, 판정 유닛(102)은 대응하는 구간에 검출된 감지 정보로부터 추출된 특징 정보를 판정에 사용한다. 도 18의 예에서, 판정 유닛(102)은 구간(1811, 1813 및 1814)이 머시닝 구간이 아닌 것으로 판정하고, 구간(1812) 중에서 머시닝 구간(예를 들어, 하이 레벨 신호가 출력되고 있는 구간)을 나타내는 신호(1801)에 대응하는 구간이 머시닝 구간인 것으로 판정한다.
예를 들어, 툴(213)이 드릴이고 프로세싱 대상에 구멍을 뚫기 위해 사용되는 경우, 진단 장치(100)는 프로세싱 대상에 대한 드릴 이송 속도를 나타내는 콘텍스트 정보에 기초하여 기간 특정 신호를 생성한다. 진단 장치(100)가 콘텍스트 정보로부터, 드릴이 프로세싱 대상에 구멍을 뚫기 시작한 것을 나타내는 절삭 드릴 이송 속도를 검출하는 경우, 진단 장치(100)는 하이 레벨 구간 특정 신호(툴(213)이 대상을 프로세싱하고 있음을 나타냄)를 생성한다. 절삭 드릴 이송 속도가 드릴이 프로세싱 대상에 구멍 뚫는 것을 끝냈음을 나타내는 비절삭 드릴 이송 속도로 변경된 것을 나타내는 콘텍스트 정보의 변화를 진단 장치(100)가 검출하면, 진단 장치(100)는 하이 레벨 신호 대신에 로우 레벨 구간 특정 신호(툴(213)이 대상을 프로세싱하고 있지 않음을 나타냄)를 출력한다.
다른 예로서, 진단 장치(100)는 콘텍스트 정보로서 머시닝 위치를 나타내는 좌표 정보에 기초하여 구간 특정 신호를 생성할 수 있다. 이 방법에서, 진단 장치(100)는 드릴 또는 프로세싱 대상이 머시닝 좌표 위치까지 이동한 것을 나타내는 콘텍스트 정보 및 드릴 또는 프로세싱 대상이 머시닝 좌표 위치에서 이동한 것을 나타내는 콘텍스트 정보에 기초하여 구간 특정 신호를 생성할 수 있다. 진단 장치(100)는 툴(213)이 실제로 프로세싱 대상을 프로세싱하는 머시닝 구간을 특정할 수 있는 임의의 유형의 콘텍스트 정보를 사용할 수 있다.
프로세스 머신(200)에서 구간 특정 신호를 생성하는 경우, 프로세스 머신(200)는 진단 장치(100)에서와 동일한 조건 하에서 프로세스 머신(200)가 하이 레벨 구간 특정 신호를 생성하도록 하는 컴퓨터 프로그램이 설치된다.
상술한 바와 같이, 진단 장치(100)는, 모터 B가 구동되고 있는 기간에 걸쳐서 검출된 전체 감지 정보에 기초하는 것이 아니라, 하이 레벨 구간 특정 신호가 출력되고 있는 기간 동안 검출된 감지 정보에만 기초하여 모델을 생성한다. 진단 장치(100)는 툴(213)이 실제로 프로세싱 대상을 프로세싱하고 있는 구간 동안 검출된 감지 정보에만 기초하여 툴(213)의 상태를 진단한다. 이러한 구성은 툴(213)이 실제로 프로세싱 대상과 접촉하는 구간 동안 검출된 감지 정보에만 기초하여 진단 장치(100)가 툴(213)의 상태(예를 들어, 드릴 날이 마모되었거나 균열되었는지 여부)를 판정할 수 있게 하여 진단의 정확도를 증가시킨다.
제 3 변형예
진단 장치(100)는 툴(213)이 정상 상태에서 동작하는지 여부를 판정할 때 우도 값 또는 우도의 변화를 나타내는 값을 사용할 수 있다. 제 3 변형예에서, 우도의 변화를 나타내는 값의 예에 대해 설명한다. 우도의 변화를 나타내는 값으로서, 예를 들어, 우도의 분산을 사용할 수 있다. 구간 X 에서의 우도의 분산은, 예를 들어, 이하의 수학식(1)에 의해 계산되고, 여기서 nX는 구간 X에서의 프레임 수를 나타내고, k는 프레임의 인덱스를 나타내고, Xi는 프레임 i에서의 우도(프레임 우도)를 나타내며, μX는 구간 X에서의 프레임 우도의 평균을 나타낸다. 각 프레임은 우도가 계산되는 단위 구간에 해당한다.
Figure 112018061023870-pct00001
예를 들어, 수학식(1)에 의해 계산된 분산에 기초하여 점수화된 값이 계산되어 판정에 사용될 수 있다. 예를 들어, 아래의 수학식(2)에서의 r(k)가 판정에 사용될 수 있다.
Figure 112018061023870-pct00002
S 및 L은 구간 X의 유형을 나타낸다. S는 짧은 구간을 나타내고, L은 긴 구간을 나타낸다. VS(k)는 짧은 구간에 대해 수학식(1)에 의해 계산된 값을 나타낸다. VL(k)는 긴 구간에 대해 수학식(1)에 의해 계산된 값을 나타낸다. S 및 L에 대해, nX 및 μX에 각각 대응하는 nS와 μS 및 nL와 μL이 계산된다.
도 19는 우도와 판정 값 r(k) 간의 관계의 일례를 나타내는 그래프이다. 우도와 임계치를 비교하는 판정 방법에서, 예를 들어 임계치를 0.97인 것으로 가정하면, 진단 장치(100)는 200 내지 300 프레임의 동작이 정상 상태에서 수행되는 것으로 판정한다. 판정 값 r(k)과 임계치(예컨대, 1.0)을 비교하는 판정 방법에서, 진단 장치(100)는 200 내지 300 프레임의 동작이 이상 상태에서 수행되는 것으로 판정할 수 있다.
제 4 변형예
판정 유닛(102)은 동작이 정상 상태에서 수행되는지 여부를 판정하는 데 있어서 우도와 임계치를 비교할뿐만 아니라, 시간 경과에 따른 우도의 변화도 판정하여 출력하도록 구성될 수 있다. 예를 들어, 판정 유닛(102)이 정상 동작을 나타내는 단일 모델을 사용하는 경우, 판정 유닛(102)은 계산된 우도를 예를 들어 저장 유닛(111)에 저장하고, 우도의 변화(예를 들어, 시간 경과에 따라 우도가 감소하고 있는지 여부)를 획득할 수 있다.
도 20은 시간 경과에 따른 우도 변화의 일례를 나타내는 다이어그램이다. 판정 유닛(102)은 예를 들어 판정 시간과 우도를 저장함으로써 시간 경과에 따른 우도의 변화를 획득할 수 있다. 판정 유닛(102)은 우도가 임계치 이하로 떨어질 경우에 동작이 이상 상태에서 수행되는 것으로 판정하고, 이는 상기 실시예와 동일한 구성이다. 판정 유닛(102)은 시간 경과에 따른 우도의 변화를 나타내는 정보 및 우도가 임계치 이하로 떨어질 것으로 예측되는 시간을 획득하고 출력하도록 구성될 수 있다.
제 5 변형예
판정 유닛(102)은 복수의 임계치에 기초하여 품질 등급 또는 품질 레벨을 판정하도록 구성될 수 있다. 도 21 및 도 22는 각각이 복수의 임계치를 사용하는 일례를 나타내는 다이어그램이다. 도 21 및 도 22는 각각 4개의 임계치(임계치 1 내지 4)를 사용하는 일례를 나타내지만, 임계치의 수는 4에 한정되지 않는다.
도 21은 우도가 4개의 임계치의 위 또는 아래에 있는지 여부에 기초하여 분리되는 R1 내지 R5의 5개의 품질 등급의 예를 나타낸다. 판정 유닛(102)은 임계치와 우도를 비교하여 품질 등급을 판정하여 출력한다. 품질 등급은 예를 들어, 프로세스 머신(200)에 의해 머시닝된 물체(가공물)의 품질을 나타내는 정보(품질 정보)로 사용될 수 있다.
도 22는 우도가 4개의 임계치의 위 또는 아래에 있는지 여부에 기초하여 품질이 정상 레벨(문제없음)인지, 주의 레벨인지, 또는 이상 레벨(품질 기준 이하)인지 여부를 판정하는 예를 나타낸다. 품질이 정상 레벨인 것으로 판정 유닛(102)이 판정하는 경우, 판정 유닛(102)은 품질을 두 가지 레벨(L11 및 L12)로 분류한다. 품질이 주의 레벨인 것으로 판정 유닛(102)이 판정하는 경우, 판정 유닛(102)은 품질을 두 가지 레벨(L21 및 L22)로 분류한다. 판정 유닛(102)은 품질을 3개 이상의 레벨로 분류할 수 있다.
제 6 변형예
판정 유닛(102)은 동작이 정상 상태에서 수행되는지 여부를 판정하기 위해 품질 등급에 따라 정의되는 복수의 모델에 기초하여 복수의 우도를 계산하고, 정상 동작을 결정할 때 품질 등급을 판정할 수 있다. 도 23-1 내지 도 23-3은 제 6 변형예에 따른 판정 방법의 일례를 나타내는 다이어그램이다.
도 23-1, 도 23-2 및 도 23-3은 각각 품질 등급 R1, R2, 및 R3에 대응하고, 대응하는 품질 등급을 결정하기 위해 사용된 모델에 기초하여 계산되는 우도의 예를 각각 나타낸다. 품질 등급 R1은 예를 들어, 시간 경과에 따른 우도의 변화 동안 초기 기간 1에서 정상으로 판정되는 품질을 나타낸다. 품질 등급 R2은 예를 들어, 시간 경과에 따른 우도의 변화 동안 중간 기간 2에서 정상으로 판정되는 품질을 나타낸다. 품질 등급 R3은 예를 들어, 시간 경과에 따른 우도의 변화 동안 최종 기간 3에서 정상으로 판정되는 품질을 나타낸다.
판정 유닛(102)은 이러한 여러 품질 등급에 대응하는 복수의 모델에 기초하여 복수의 우도를 계산한다. 일반적으로, 모델 중 임의의 하나의 모델에 기초하여 계산된 우도가 임계치를 초과하는 경우, 다른 모델에 기초하여 계산된 우도는 임계치를 초과하지 않을 것이다. 판정 유닛(102)은 특정 모델에 기초하여 우도를 계산하고 그 우도가 임계치를 초과하는 경우, 판정 유닛(102)은 이 모델의 품질 등급을 판정하고, 판정 결과로서 품질 등급을 출력한다. 판정 유닛(102)이 이들 모델에 기초하여 우도를 계산하고 우도가 임계치를 초과하지 않는 경우, 판정 유닛(102)은 동작이 이상 상태에서 수행되는 것으로 판정한다.
각 품질 등급에 대해 미리 모델을 생성할 수 있다. 제 6 변형예에 따르면, 판정 유닛(102)은 동작이 정상 상태에서 수행되는지 여부를 판정할 수 있고, 또한 품질 등급도 판정할 수 있다. 판정 유닛(102)은 또한 현재 동작이 해당하는 우도의 변화의 기간을 판정할 수 있다.
제 7 변형예
판정 유닛(102)은 복수의 모델을 사용하여 이들을 경과 시간에 따라 바꾸어 판정을 수행할 수 있다. 도 24-1 내지 도 24-3은 제 7 변형예에 따른 판정 방법의 일례를 나타내는 다이어그램이다.
도 24-1, 도 24-2 및 도 24-3은 각각 기간 1, 기간 2 및 기간 3에 해당하고, 대응하는 기간에 생성된 모델에 기초하여 계산되는 우도의 예를 각각 나타낸다. 기간 1, 기간 2 및 기간 3은 각각 시간 경과에 따른 우도의 변화의 초기 기간, 중기 기간, 및 최종 기간에 해당한다. 각각의 모델은 해당 기간 동안 검출된 감지 정보에 기초하여 미리 생성될 수 있다.
판정 유닛(102)은 예를 들어, 누적 동작 시간과 같은 기간을 특정하기 위한 콘텍스트 정보에 기초하여 개개의 기간에 대한 모델들로부터 어떤 모델을 취할지를 판정한다. 판정 유닛(102)은 특정 모델에 기초하여 동작이 정상 상태에서 수행되는지 여부를 판정한다. 제 7 변형예에 따르면, 판정 유닛(102)은 현재 상태가 시간 경과에 따른 합리적인 변화(정상 상태)인지 또는 시간 경과에 따른 합리적인 변화에서 벗어난 상태(이상 상태)인지 여부를 판정할 수 있다.
제 8 변형예
판정 유닛(102)은 품질 등급에 따라 결정되는 복수의 모델들 중 특정된 모델에 기초하여 판정을 수행할 수 있다. 예를 들어, 공작물에 대해 더 높은 품질의 머시닝이 요구되는 경우, 판정 유닛(102)은 높은 품질 등급에 대해 결정된 모델을 사용한다. 예를 들어, 보통 품질의 머시닝이 요구되는 경우, 판정 유닛(102)은 높은 품질 등급보다 낮은 품질 등급에 대해 결정된 모델을 사용한다. 판정 유닛(102)은 예를 들어, 수신 유닛(101a)에 의해 수신되는 콘텍스트 정보 및 접수 유닛(103)을 통해 수신되는 정보에 기초하여 어떤 모델을 취할지를 판정할 수 있다.
상기 실시예에 따른 진단 장치에 의해 실행되는 컴퓨터 프로그램은 예를 들어 ROM에 내장되어 제공된다.
상기 실시예에 따른 진단 장치에 의해 실행되는 컴퓨터 프로그램은 설치 가능하거나 실행 가능한 파일로 CD-ROM (compact disc read only memory), FD (flexible disk), CD-R (compact disc recordable) 또는 DVD (digital versatile disc)와 같은 컴퓨터 판독 가능 기록 매체에 기록되어 컴퓨터 프로그램 제품으로 제공될 수 있다.
상기 실시예에 따른 진단 장치에 의해 실행되는 컴퓨터 프로그램은 인터넷과 같은 네트워크에 연결된 컴퓨터에 저장될 수 있고 네트워크를 통해 다운로드 됨으로써 제공될 수 있다. 또한, 상기 실시예에 따른 진단 장치에 의해 실행되는 컴퓨터 프로그램은 인터넷과 같은 네트워크를 통해 제공되거나 배포될 수 있다.
상기 실시예에 따른 진단 장치에 의해 실행되는 컴퓨터 프로그램은 상술한 유닛들(통신 제어 유닛 및 판정 유닛 등)을 포함하는 모듈 구성을 갖는다. 실제 하드웨어로서, 유닛은 CPU(프로세서)가 ROM으로부터 컴퓨터 프로그램을 판독하여 실행할 때 유닛은 메인 메모리 상에 로딩되어 메인 메모리 상에 생성된다.
51 CPU 52 ROM 53 RAM
54 통신 I/F 55 구동 제어 회로 56 모터
57 센서 58 버스 61 CPU
62 ROM 63 RAM 64 통신 I/F
65 HDD 66 버스 100 진단 장치
101 통신 제어 유닛 101a 수신 유닛 101b 송신 유닛
102 판정 유닛 103 접수 유닛 104 특징 추출 유닛
105 생성 유닛 111 저장 유닛 200 프로세스 머신
201 수치 제어 유닛 202 통신 제어 유닛 203 머신 툴
211 센서 212 구동 유닛

Claims (16)

  1. 진단 장치에 있어서,
    툴(tool)의 유형 및 동작을 기술하는 정보, 및 상기 툴의 동작에 따라 변화하는 물리량에 대한 정보인 감지 정보를 수신하도록 구성된 수신 유닛; 및
    상기 툴이 프로세싱 대상에 대해 머시닝(machining) 동작을 수행하는 동안 검출된 상기 감지 정보, 및 상기 수신 유닛에 의해 수신된 상기 툴 정보에 기초하여 상기 툴의 상태를 판정하도록 구성된 판정 유닛
    을 포함하는, 진단 장치.
  2. 제 1 항에 있어서,
    상기 판정 유닛은 또한, 상기 수신된 툴 정보에 대응하는 모델에 기초하여 상기 툴의 상태를 판정하도록 구성되고, 상기 모델은 상기 툴 정보의 하나 이상의 조각에 대해 각각 정의된 하나 이상의 모델인 것인, 진단 장치.
  3. 제 2 항에 있어서,
    상기 판정 유닛은, 상기 툴 정보에 기초하여, 상기 툴이 상기 머시닝 동작을 수행하는 동안 검출된 상기 감지 정보를 특정하고, 상기 특정된 감지 정보 및 상기 모델에 기초하여 상기 툴의 상태를 판정하는 것인, 진단 장치.
  4. 제 2 항에 있어서,
    상기 수신 유닛은 복수의 감지 정보 조각을 수신하고,
    상기 수신된 감지 정보 조각 중에서, 상기 수신된 툴 정보에 의해 특정되고 상기 툴이 머시닝 동작을 수행하는 기간 동안 검출된 상기 감지 정보에 기초하여, 그리고 상기 수신된 툴 정보에 대응하는 상기 모델에 기초하여, 상기 판정 유닛은 상기 기간에 상기 툴의 상태를 판정하는 것인, 진단 장치.
  5. 제 2 항에 있어서,
    상기 수신 유닛은 각각이 상이한 물리량에 대응하는 복수 유형의 감지 정보를 수신하고,
    상기 판정 유닛은 상기 감지 정보의 유형 중에서, 상기 툴 정보에 따라 판정된 상기 감지 정보에 기초하여, 그리고 상기 수신된 툴 정보에 대응하는 상기 모델에 기초하여, 상기 툴의 상태를 판정하는 것인, 진단 장치.
  6. 제 2 항에 있어서,
    모델이 정의되어 있지 않은 툴 정보가 수신된 경우, 상기 툴 정보에 대응하는 상기 감지 정보에 기초하여, 모델이 정의되어 있지 않은 상기 툴 정보에 대응하는 모델을 생성하도록 구성된 생성 유닛
    을 더 포함하는, 진단 장치.
  7. 제 2 항에 있어서,
    상기 수신 유닛에 의해 수신된 상기 툴 정보와는 상이한 툴 정보의 입력을 수신하도록 구성된 접수 유닛을 더 포함하고,
    상기 판정 유닛은, 상기 수신된 감지 정보에 기초하여, 그리고 상기 수신 유닛에 의해 수신된 툴 정보 및 상기 접수 유닛에 의해 수신된 툴 정보 중 적어도 하나에 대응하는 모델에 기초하여, 상기 툴의 상태를 판정하는 것인, 진단 장치.
  8. 제 2 항에 있어서,
    상기 판정 유닛은, 상기 수신된 감지 정보에 기초하여, 상기 수신된 툴 정보에 의해 특정된 기간으로부터 상기 툴의 상태를 판정하는 데 사용하기 위한 기간을 판정하고, 상기 판정된 기간 동안 검출된 상기 감지 정보 및 상기 모델에 기초하여 상기 툴의 상태를 판정하는 것인, 진단 장치.
  9. 제 2 항에 있어서,
    상기 판정 유닛은, 상기 모델에 관한 상기 수신된 감지 정보의 우도(likelihood)를 획득하고, 상기 우도 및 상기 우도의 변화를 나타내는 값 중 적어도 하나를 임계치와 비교함으로써, 상기 툴의 상태를 판정하는 것인, 진단 장치.
  10. 제 2 항에 있어서,
    상기 모델은, 상기 툴이 정상 상태에서 동작하는 동안 검출된 물리량에 대한 감지 정보에 기초하여 생성되고,
    상기 판정 유닛은, 상기 생성된 모델에 대한 수신된 감지 정보의 우도를 획득하고, 상기 우도에 따라 정의된 품질 정보를 출력하는 것인, 진단 장치.
  11. 제 10 항에 있어서,
    상기 판정 유닛은, 상기 우도 및 상기 우도의 변화를 나타내는 값 중 적어도 하나를 복수의 임계치와 비교하여 복수의 품질 정보 조각 중에서 품질 정보를 판정하고, 상기 판정된 품질 정보를 출력하는 것인, 진단 장치.
  12. 제 2 항에 있어서,
    상기 하나 이상의 모델은 상기 툴 정보 및 품질에 따라 정의된 복수의 모델들을 포함하고,
    상기 판정 유닛은, 상기 모델들 각각에 대하여 상기 툴의 상태를 판정하고, 상기 툴의 상태가 정상인 것으로 판정되는 모델에 대응하는 품질을 나타내는 정보를 출력하는 것인, 진단 장치.
  13. 제 1 항에 있어서,
    상기 툴 정보는 상기 툴에 포함된 구동 유닛의 동작 시간을 나타내는 것인, 진단 장치.
  14. 제 2 항에 있어서,
    상기 하나 이상의 모델은 상기 툴 정보 및 품질에 따라 정의된 복수의 모델들을 포함하고,
    상기 판정 유닛은, 특정된 품질에 대응하는 모델 및 상기 수신된 툴 정보에 기초하여 상기 툴의 상태를 판정하는 것인, 진단 장치.
  15. 매체에 저장된 컴퓨터 프로그램에 있어서,
    컴퓨터로 하여금,
    툴의 유형 및 동작을 기술하는 정보, 및 상기 툴의 동작에 따라 변화하는 물리량에 대한 정보인 감지 정보를 수신하는 것; 및
    상기 툴이 프로세싱 대상에 대해 머시닝 동작을 수행하는 동안 검출된 상기 감지 정보, 및 상기 수신된 툴 정보에 기초하여 상기 툴의 상태를 판정하는 것
    을 수행하게 하는, 매체에 저장된 컴퓨터 프로그램.
  16. 진단 시스템에 있어서,
    제 1 항 내지 제 14 항 중 어느 한 항에 따른 진단 장치; 및
    상기 진단 장치가 진단을 수행하는 프로세스 머신
    를 포함하고,
    상기 프로세스 머신은,
    툴;
    상기 물리량을 검출하도록 구성된 감지 유닛; 및
    상기 진단 장치에 상기 검출된 물리량을 송신하도록 구성된 송신 유닛
    을 포함하는 것인, 진단 시스템.
KR1020187017682A 2015-12-25 2016-12-22 진단 장치, 컴퓨터 프로그램, 및 진단 시스템 KR102069266B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2015254041 2015-12-25
JPJP-P-2015-254041 2015-12-25
JP2016217144A JP6156566B2 (ja) 2015-12-25 2016-11-07 診断装置、診断方法、プログラムおよび診断システム
JPJP-P-2016-217144 2016-11-07
PCT/JP2016/088471 WO2017111072A1 (en) 2015-12-25 2016-12-22 Diagnostic device, computer program, and diagnostic system

Publications (2)

Publication Number Publication Date
KR20180084980A KR20180084980A (ko) 2018-07-25
KR102069266B1 true KR102069266B1 (ko) 2020-01-22

Family

ID=59272080

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020187017682A KR102069266B1 (ko) 2015-12-25 2016-12-22 진단 장치, 컴퓨터 프로그램, 및 진단 시스템

Country Status (5)

Country Link
US (1) US11467024B2 (ko)
EP (1) EP3394693B1 (ko)
JP (1) JP6156566B2 (ko)
KR (1) KR102069266B1 (ko)
CN (1) CN108475052B (ko)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10732606B2 (en) * 2016-05-13 2020-08-04 Ricoh Company, Ltd. Information processing apparatus, information processing method, and information processing system
JP6840953B2 (ja) 2016-08-09 2021-03-10 株式会社リコー 診断装置、学習装置および診断システム
JP7085370B2 (ja) * 2017-03-16 2022-06-16 株式会社リコー 診断装置、診断システム、診断方法およびプログラム
JP6698603B2 (ja) 2017-09-29 2020-05-27 ファナック株式会社 数値制御システム、及び運転状態異常検知方法
JP6698604B2 (ja) 2017-09-29 2020-05-27 ファナック株式会社 数値制御システム、及び工具状態検知方法
JP6659647B2 (ja) 2017-09-29 2020-03-04 ファナック株式会社 数値制御システム及び逆流防止弁状態検知方法
JP6691087B2 (ja) * 2017-10-04 2020-04-28 ファナック株式会社 熱変位補正システム
JP6683667B2 (ja) * 2017-10-04 2020-04-22 ファナック株式会社 熱変位補正システム
DE102018201838A1 (de) * 2018-02-06 2019-08-08 Robert Bosch Gmbh Verfahren zum Einrichten und Überwachen einer Anlage
JP6708676B2 (ja) * 2018-02-27 2020-06-10 ファナック株式会社 異常要因特定装置
JP6936178B2 (ja) * 2018-03-23 2021-09-15 ファナック株式会社 異常検知装置
JP2019191799A (ja) * 2018-04-23 2019-10-31 株式会社日立製作所 故障予兆診断システム及び故障予兆診断方法
JP6753893B2 (ja) * 2018-05-16 2020-09-09 ファナック株式会社 熱変位補正装置
JP7101131B2 (ja) * 2019-01-31 2022-07-14 ファナック株式会社 数値制御システム
JP7310195B2 (ja) * 2019-03-20 2023-07-19 株式会社リコー 診断装置、診断システム及び診断プログラム
JP7277199B2 (ja) 2019-03-26 2023-05-18 キヤノン株式会社 画像形成装置、画像形成方法及び画像形成システム
JP7208083B2 (ja) * 2019-03-29 2023-01-18 株式会社リコー 診断装置、診断システムおよびプログラム
IT201900007332A1 (it) * 2019-05-27 2020-11-27 Linari Eng S R L Metodo e sistema per rilevare malfunzionamenti di un’apparecchiatura
CN110458824B (zh) * 2019-08-08 2023-04-18 中国石油集团川庆钻探工程有限公司 一种钻头磨损检测方法
CN114286931B (zh) * 2019-08-28 2022-12-30 三菱电机株式会社 异常部分检测装置、异常部分检测方法及计算机可读取的记录介质
JP7372876B2 (ja) 2020-05-25 2023-11-01 株式会社日立製作所 異常検出システム、異常検出装置及び異常検出方法
JP2023110670A (ja) * 2022-01-28 2023-08-09 三菱重工航空エンジン株式会社 工具損傷確率推定装置、工具損傷確率推定方法、及び、プログラム
WO2024075567A1 (ja) * 2022-10-03 2024-04-11 三菱電機株式会社 診断システム、情報処理装置、診断方法、及びプログラム

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013041448A (ja) * 2011-08-17 2013-02-28 Hitachi Ltd 異常検知・診断方法、および異常検知・診断システム
JP2015148867A (ja) * 2014-02-05 2015-08-20 株式会社日立パワーソリューションズ 情報処理装置、診断方法、およびプログラム

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3366248A (en) * 1964-06-05 1968-01-30 Kearney & Trecker Corp Tool identification system
JPS62213909A (ja) 1986-03-14 1987-09-19 Hitachi Koki Co Ltd 穿孔機
US4918427A (en) 1989-03-27 1990-04-17 General Electric Company Multi-level tool break detection using multi-mode sensing
JP3193120B2 (ja) 1992-06-01 2001-07-30 エヌティエヌ株式会社 工具異常検出装置
JPH11129145A (ja) 1997-10-31 1999-05-18 Denso Corp 加工物の形状精度診断装置及び加工物の形状精度診断方法及び記録媒体
JP2000317710A (ja) 1999-05-07 2000-11-21 Toyoda Mach Works Ltd 工作機械における工具異常検出方法および装置
JP2002014721A (ja) * 2000-06-30 2002-01-18 Mitsubishi Heavy Ind Ltd 警報発生告知装置
US6795778B2 (en) 2001-05-24 2004-09-21 Lincoln Global, Inc. System and method for facilitating welding system diagnostics
JP2006184722A (ja) 2004-12-28 2006-07-13 Canon Inc 自己診断機能を備えた画像形成装置
JP4720765B2 (ja) * 2007-03-02 2011-07-13 パナソニック電工株式会社 電動工具制御システム
JP5301310B2 (ja) * 2009-02-17 2013-09-25 株式会社日立製作所 異常検知方法及び異常検知システム
JP5363927B2 (ja) 2009-09-07 2013-12-11 株式会社日立製作所 異常検知・診断方法、異常検知・診断システム、及び異常検知・診断プログラム
JP5822441B2 (ja) 2010-07-13 2015-11-24 株式会社幸和電熱計器 切削加工評価装置
JP5081998B1 (ja) 2011-06-22 2012-11-28 株式会社日立エンジニアリング・アンド・サービス 異常予兆診断装置及び異常予兆診断方法
CN105026885B (zh) * 2013-01-09 2018-06-19 卡尔蔡司工业测量技术有限公司 用于求取旋转装置旋转误差的检验体
JP2015161745A (ja) * 2014-02-26 2015-09-07 株式会社リコー パターン認識システムおよびプログラム
JP6411769B2 (ja) 2014-04-14 2018-10-24 株式会社日立製作所 状態監視装置
JP6340236B2 (ja) * 2014-04-15 2018-06-06 三菱重工工作機械株式会社 工作機械の診断方法及びシステム
US20160098645A1 (en) * 2014-10-02 2016-04-07 Microsoft Corporation High-precision limited supervision relationship extractor
US9557698B2 (en) 2014-11-20 2017-01-31 Ricoh Company, Limited Information processing apparatus, information processing method, and computer-readable storage medium for detecting an abnormity from sound data
JP6586788B2 (ja) 2014-11-20 2019-10-09 株式会社リコー 情報処理装置、情報処理方法、およびプログラム
JP6294262B2 (ja) * 2015-05-19 2018-03-14 ファナック株式会社 工作機械の異常検出機能を備えた異常検出装置、及び異常検出方法
JP6706518B2 (ja) * 2016-03-17 2020-06-10 ローランドディー．ジー．株式会社 加工時間予測装置、切削加工システムおよび加工時間予測方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013041448A (ja) * 2011-08-17 2013-02-28 Hitachi Ltd 異常検知・診断方法、および異常検知・診断システム
JP2015148867A (ja) * 2014-02-05 2015-08-20 株式会社日立パワーソリューションズ 情報処理装置、診断方法、およびプログラム

Also Published As

Publication number Publication date
CN108475052A (zh) 2018-08-31
EP3394693B1 (en) 2021-04-07
EP3394693A1 (en) 2018-10-31
JP2017120622A (ja) 2017-07-06
US20180356282A1 (en) 2018-12-13
CN108475052B (zh) 2021-11-02
US11467024B2 (en) 2022-10-11
KR20180084980A (ko) 2018-07-25
JP6156566B2 (ja) 2017-07-05
EP3394693A4 (en) 2019-01-16

Similar Documents

Publication Publication Date Title
KR102069266B1 (ko) 진단 장치, 컴퓨터 프로그램, 및 진단 시스템
JP7338743B2 (ja) 診断装置、診断方法、プログラムおよび診断システム
JP7085370B2 (ja) 診断装置、診断システム、診断方法およびプログラム
JP6840953B2 (ja) 診断装置、学習装置および診断システム
JP6673002B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム、および情報処理システム
JP7127304B2 (ja) 診断装置、診断方法およびプログラム
JP7131646B2 (ja) 情報処理装置、情報処理方法、情報処理プログラム、および情報処理システム
US10739764B2 (en) Diagnostic apparatus, diagnostic system, diagnostic method, and recording medium
JP6705315B2 (ja) 診断装置、診断システム、診断方法およびプログラム
WO2018169069A1 (en) Diagnosis device, diagnosis system, diagnosis method, and program
JP6939053B2 (ja) 診断装置、プログラムおよび診断システム
JP7067971B2 (ja) 処理区間判定装置、処理区間判定方法、プログラム、および診断装置
US10732606B2 (en) Information processing apparatus, information processing method, and information processing system
JP6822242B2 (ja) 診断装置、診断システム、診断方法およびプログラム
JP6790520B2 (ja) 診断装置、診断システム、診断方法およびプログラム
JP7310195B2 (ja) 診断装置、診断システム及び診断プログラム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant