WO2023139790A9 - 診断装置及びコンピュータ読み取り可能な記録媒体 - Google Patents

診断装置及びコンピュータ読み取り可能な記録媒体 Download PDF

Info

Publication number
WO2023139790A9
WO2023139790A9 PCT/JP2022/002437 JP2022002437W WO2023139790A9 WO 2023139790 A9 WO2023139790 A9 WO 2023139790A9 JP 2022002437 W JP2022002437 W JP 2022002437W WO 2023139790 A9 WO2023139790 A9 WO 2023139790A9
Authority
WO
WIPO (PCT)
Prior art keywords
degree
abnormality
change
unit
data
Prior art date
Application number
PCT/JP2022/002437
Other languages
English (en)
French (fr)
Other versions
WO2023139790A1 (ja
Inventor
和宏 佐藤
元紀 佐藤
Original Assignee
ファナック株式会社
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 ファナック株式会社 filed Critical ファナック株式会社
Priority to PCT/JP2022/002437 priority Critical patent/WO2023139790A1/ja
Publication of WO2023139790A1 publication Critical patent/WO2023139790A1/ja
Publication of WO2023139790A9 publication Critical patent/WO2023139790A9/ja

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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring

Definitions

  • the present invention relates to a diagnostic device and a computer-readable recording medium.
  • diagnostics are performed on the operating status of industrial machinery such as machine tools and robots, and on whether products are good or bad.
  • Tasks requiring such diagnostics have traditionally been performed by experienced workers visually or by referring to values detected by sensors.
  • problems arise in which the accuracy of the diagnosis varies due to differences in judgment criteria based on the experience of each worker, or a lack of concentration due to changes in physical condition. For this reason, many manufacturing sites have introduced devices that perform automatic diagnosis based on data detected by sensors, etc. for various diagnostic tasks.
  • a device that diagnoses the operating state of industrial machinery calculates the degree of anomaly based on the degree of deviation from normal times of values that represent the state of the machine (sensor data, etc.). The calculated degree of anomaly is then presented to the user. With this method, the user needs to monitor changes in the value of the degree of anomaly. For this reason, it is desirable to automatically issue a warning based on the calculated value of the degree of anomaly.
  • a commonly used method is to set a threshold value for the degree of anomaly, and notify the user of the occurrence of an anomaly when the degree of anomaly exceeds the threshold (e.g., Patent Document 1).
  • the interpretation of the degree of abnormality may differ between an abnormality mode in which the degree of abnormality changes gradually (e.g., wear mode) and an abnormality mode in which the degree of abnormality changes suddenly (e.g., tool breakage mode).
  • an abnormality mode in which the degree of abnormality changes gradually e.g., wear mode
  • an abnormality mode in which the degree of abnormality changes suddenly e.g., tool breakage mode
  • the diagnostic device of the present invention solves the above problem by detecting abnormalities while taking into account not only the degree of abnormality but also the degree of change in that degree of abnormality.
  • One aspect of the present disclosure is a diagnostic device that diagnoses a specified condition related to an industrial machine, the diagnostic device including: a data acquisition unit that acquires data indicative of the specified condition related to the industrial machine; a diagnostic unit that calculates a degree of abnormality of the condition based on the degree of deviation of the data acquired by the data acquisition unit from a distribution of the data acquired in a reference condition; a change degree calculation unit that calculates the degree of change in the degree of abnormality as a change degree; a first alert generation unit that compares the degree of abnormality with an abnormality threshold and determines whether or not a specified notification is necessary; a second alert generation unit that compares the change degree with a change degree threshold and determines whether or not a specified notification is necessary; and a notification unit that outputs a specified notification based on results of the determination made by the first alert generation unit and the second alert generation unit.
  • Another aspect of the present disclosure is a computer-readable recording medium having recorded thereon a program for causing a computer to execute a process for diagnosing a predetermined state of an industrial machine, the computer-readable recording medium having recorded thereon a program for causing a computer to operate as a data acquisition unit that acquires data indicative of the predetermined state of the industrial machine, a diagnosis unit that calculates the degree of abnormality of the state based on the degree of deviation of the data acquired by the data acquisition unit from the distribution of the data acquired in a reference state, a change degree calculation unit that calculates the degree of change in the abnormality degree as a change degree, a first alert generation unit that compares the abnormality degree with an abnormality degree threshold and determines whether a predetermined notification is required, a second alert generation unit that compares the change degree with a change degree threshold and determines whether a predetermined notification is required, and a notification unit that outputs a predetermined notification based on the results of the determinations made by the first alert generation unit and the second alert generation unit.
  • One aspect of the present disclosure makes it possible to flexibly detect abnormalities in both abnormality modes in which the degree of abnormality changes gradually and abnormality modes in which the degree of abnormality changes suddenly.
  • FIG. 1 is a schematic hardware configuration diagram of a diagnostic device according to an embodiment of the present invention
  • 1 is a block diagram showing schematic functions of a diagnostic device according to a first embodiment of the present invention
  • FIG. 13 is a diagram illustrating an example of an abnormality degree threshold table.
  • FIG. 13 is a diagram illustrating an example of a change degree threshold table.
  • 11 is a graph showing a temporal transition of an abnormality degree related to a torque command of a spindle motor.
  • 11 is a graph showing a temporal transition of an abnormality degree related to a torque command of a feed shaft motor.
  • FIG. 11 is a block diagram showing schematic functions of a diagnostic device according to a second embodiment.
  • FIG. 11 is a block diagram showing schematic functions of a diagnostic device according to a modified example of the second embodiment.
  • FIG. 13 is a diagram illustrating an example of a threshold setting screen.
  • FIG. 11 is a block diagram showing schematic functions of a diagnostic device according to another embodiment of the present invention.
  • FIG. 13 is a diagram illustrating an example of a conditional expression table.
  • the diagnostic device 1 of the present invention can be implemented, for example, as a control device that controls an industrial machine 4 based on a control program.
  • the diagnostic device 1 of the present invention can also be implemented on a personal computer attached to the control device that controls the industrial machine 4 based on a control program, or on a personal computer, cell computer, fog computer 6, or cloud server 7 connected to the control device via a wired/wireless network.
  • an example is shown in which the diagnostic device 1 is implemented on a personal computer connected to the control device of the industrial machine 4 via a network.
  • the CPU 11 provided in the diagnostic device 1 of the present invention is a processor that controls the entire diagnostic device 1.
  • the CPU 11 reads the system program stored in the ROM 12 via the bus 22, and controls the entire diagnostic device 1 according to the system program.
  • the RAM 13 temporarily stores temporary calculation data, display data, and various data input from outside.
  • the non-volatile memory 14 is composed of, for example, a memory backed up by a battery (not shown) or an SSD (Solid State Drive), and retains its memory state even when the power to the diagnostic device 1 is turned off.
  • the non-volatile memory 14 stores data and programs read from an external device 72 via the interface 15, data and programs input via the input device 71, data acquired from the industrial machine 4, etc.
  • the data and programs stored in the non-volatile memory 14 may be expanded into the RAM 13 when executed/used.
  • various system programs such as well-known analysis programs are written in advance into the ROM 12.
  • the interface 15 is an interface for connecting the CPU 11 of the diagnostic device 1 to an external device 72 such as a USB device.
  • an external device 72 such as a USB device.
  • programs related to the functions of the diagnostic device 1 and various data related to the provision of services can be read from the external device 72.
  • programs and various data edited within the diagnostic device 1 can be stored in an external storage means via the external device 72.
  • the display device 70 displays various data loaded into the memory, data obtained as a result of executing programs and system programs, etc., output via the interface 18.
  • the input device 71 which is comprised of a keyboard, pointing device, etc., passes instructions and data based on operations by the operator to the CPU 11 via the interface 19.
  • the interface 20 is an interface for connecting the CPU 11 of the diagnostic device 1 to the network 5.
  • the network 5 may be a WAN (Wide Area Network) consisting of dedicated lines or the like, or a wide area network such as the Internet.
  • the network 5 is connected to industrial machines 4 such as machine tools and robots installed in factories, fog computers 6, cloud servers 7, etc. Each of these devices exchanges data with the diagnostic device 1 via the network 5.
  • FIG. 2 is a schematic block diagram showing the functions of the diagnostic device 1 according to the first embodiment of the present invention.
  • Each function of the diagnostic device 1 according to this embodiment is realized by the CPU 11 of the diagnostic device 1 shown in FIG. 1 executing a system program and controlling the operation of each part of the diagnostic device 1.
  • the diagnostic device 1 of this embodiment includes a data acquisition unit 100, a diagnosis unit 110, a first alert generation unit 120, a change degree calculation unit 130, a second alert generation unit 140, and a notification unit 150.
  • the RAM 13 to the non-volatile memory 14 of the diagnostic device 1 are provided with a data storage unit 180, which is an area for storing data acquired by the data acquisition unit 100, an abnormality degree storage unit 190, which is an area for storing the abnormality degree calculated by the diagnosis unit 110, and an alert information storage unit 200, which is an area in which information related to alerts is stored in advance.
  • the data acquisition unit 100 acquires data indicating a predetermined state related to the industrial machine 4 and stores it in the data storage unit 180.
  • the data acquired by the data acquisition unit 100 may be, for example, a sensor signal detected by a sensor or the like during operation of the industrial machine 4.
  • the sensor signal may be, for example, a current value, voltage value, position, speed, acceleration, temperature detected by a temperature sensor, humidity detected by a humidity sensor, vibration detected by a vibration sensor, pressure detected by a pressure sensor, sound detected by a sound sensor, light detected by a light sensor, or image detected by a visual sensor related to the drive of a motor attached to the industrial machine 4.
  • the data acquired by the data acquisition unit 100 may be data indicating the operating state of the industrial machine 4 or inspection data acquired by inspecting a product manufactured by the industrial machine 4. It may also be other data indicating the environmental state of the manufacturing site where the industrial machine 4 is installed.
  • the data acquisition unit 100 may acquire data from the industrial machines 4, the fog computers 6, the cloud servers 7, etc., via a wired or wireless network 5.
  • data stored in a memory such as a Compact Flash (registered trademark) may be acquired via an external device 72.
  • an operator may manually input data from an input device 71.
  • the diagnosis unit 110 calculates the degree of anomaly of the data acquired by the data acquisition unit 100.
  • the diagnosis unit 110 stores at least one reference data in a predetermined reference state, for example.
  • the diagnosis unit 110 may then calculate the degree of deviation, which indicates the degree of deviation from the distribution of the reference data, as the degree of anomaly.
  • the degree of deviation may be calculated simply based on the degree of deviation of the distribution of the acquired data from the distribution of the reference data.
  • the distribution of the reference data may be regarded as a cluster, and the degree of deviation from the cluster may be calculated using a known method such as the k-means method.
  • the diagnosis unit 110 may then calculate the degree of anomaly so that the greater the degree of deviation, the greater the value of the degree of anomaly.
  • the diagnosis unit 110 stores the calculated degree of anomaly in the anomaly storage unit 190 together with the time when the data used to calculate the degree of anomaly was detected.
  • the first alert generating unit 120 judges whether a predetermined notification is necessary based on the degree of abnormality related to the predetermined data calculated by the diagnosis unit 110. For example, the first alert generating unit 120 may compare the degree of abnormality calculated by the diagnosis unit 110 with a predetermined abnormality threshold, and judge that a predetermined notification is necessary when the degree of abnormality exceeds the abnormality threshold.
  • the predetermined notification may be, for example, a warning notification related to the predetermined data. Note that the degree of abnormality calculated from the data may be used directly, but in this case, noise generated in the data may cause the result of the judgment to be inaccurate.
  • a predetermined statistical amount (for example, the average, median, 95th percentile, etc.) may be calculated based on multiple degrees of abnormality calculated at a certain time interval, and this statistical amount may be treated as the degree of abnormality at that timing.
  • the abnormality threshold may be predefined for each type of data.
  • a single data type may be associated with multiple abnormality thresholds.
  • a threshold may be dynamically changed based on a specific data value or abnormality.
  • the relationship between the data type and the abnormality threshold may be predefined and stored in the alert information storage unit 200.
  • FIG. 3 shows an example in which the relationship between the data type and the abnormality threshold is defined in an abnormality threshold table.
  • the abnormality threshold table stores at least one abnormality threshold data that associates an abnormality threshold with a specific notification for each data type. In the example of FIG.
  • AThx1 and AThx2 are defined for the torque command data of the X-axis motor, and are associated with notifications, such as "an abnormality has occurred in the X-axis motor” and "a serious problem has occurred in the X-axis motor", respectively.
  • a function f For the torque command data of the spindle motor, a function f is defined that calculates an abnormality threshold using the abnormality level Ax of the torque command of the X-axis motor, the abnormality level Ay of the torque command of the Y-axis motor, and the abnormality level Az of the torque command of the Z-axis motor as arguments, and is associated with a notification that "an abnormality has occurred in the spindle.”
  • the first alert generator 120 refers to this table to identify the abnormality threshold according to the type of each data. Then, the abnormality level of each data is compared with the identified abnormality threshold to determine the necessity of a specified notification.
  • the change degree calculation unit 130 calculates a change degree indicating the degree of change in the degree of abnormality calculated by the diagnosis unit 110.
  • the change degree calculation unit 130 may calculate the change degree based on the difference between the degree of abnormality calculated by the diagnosis unit 110 and the value of the degree of abnormality previously calculated by the diagnosis unit 110 (for example, the previous time).
  • the change degree may also be calculated based on a predetermined statistical amount calculated from the most recent n degrees of abnormality calculated by the diagnosis unit 110.
  • the change degree D may be calculated, for example, by the following formula 1.
  • A is the degree of abnormality to be calculated the change degree
  • ⁇ is the average value of the most recent m degrees of abnormality (m is an integer, for example 50)
  • ⁇ is the standard deviation of the most recent m degrees of abnormality.
  • the degree of change calculated by the degree of change calculation unit 130 is an index showing how much the degree of anomaly calculated from the data acquired at the timing of calculating the degree of change has changed from the degree of anomaly calculated previously, as exemplified above. If it can be treated as such an index, the degree of change may be calculated using a calculation method other than the above. Note that when calculating the degree of change, the degree of anomaly calculated from the data may be directly used, but in this case, a suddenly large degree of change may be calculated due to noise occurring in the data.
  • a predetermined statistical amount (e.g., the average, median, n-th percentile, e.g., the 95th percentile, etc.) may be calculated based on multiple degrees of anomaly calculated at a certain time interval, and this statistical amount may be treated as the degree of anomaly at that timing before calculating the degree of change.
  • the second alert generation unit 140 determines whether or not a specified notification is necessary based on the degree of change in the degree of abnormality related to the specified data calculated by the degree of change calculation unit 130.
  • the second alert generation unit 140 may, for example, compare the degree of change calculated by the degree of change calculation unit 130 with a specified degree of change threshold, and determine that a specified notification is necessary if the degree of change threshold is exceeded.
  • the specified notification may, for example, be a warning notification related to the specified data.
  • the degree of change threshold may be predetermined for each type of data, or may be dynamically changed based on specified conditions.
  • the change threshold may be predefined for each data type.
  • a plurality of change thresholds may be associated with one data type.
  • a threshold may be dynamically changed based on a predetermined data value or change.
  • the relationship between the data type and the change threshold may be predefined and stored in the alert information storage unit 200.
  • FIG. 4 shows an example in which the relationship between the data type and the change threshold is defined in a change threshold table. As shown in FIG. 4, the change threshold table stores at least one change threshold data that associates a change threshold with a predetermined notification for each data type. In the example of FIG.
  • VThx1 and VThx2 are defined for the degree of change in the abnormality of the torque command data of the X-axis motor, and are associated with notifications, such as "an abnormality has occurred in the X-axis motor” and "a serious problem has occurred in the X-axis motor", respectively.
  • a function g is defined that calculates an abnormality threshold value using the degree of change in the degree of abnormality of the torque command of the X-axis motor Vx, the degree of change in the degree of abnormality of the torque command of the Y-axis motor Vy, and the degree of change in the degree of abnormality of the torque command of the Z-axis motor Vz as arguments, and is associated with a notification that "an abnormality has occurred in the coolant.”
  • the second alert generator 140 refers to this table and identifies a degree of change threshold value that corresponds to each type of data. Then, the degree of change in the degree of abnormality of each data item is compared with the identified degree of change threshold value to determine the necessity of a specified notification.
  • the notification unit 150 judges whether a predetermined notification is necessary based on the results of the judgments made by the first alert generation unit 120 and the second alert generation unit 140. Then, the predetermined notification is output based on the judgment results.
  • the notification unit 150 may determine the contents of the predetermined notification by, for example, referring to the abnormality threshold data or the change threshold data stored in the alert information storage unit 200.
  • the destination of the predetermined notification by the notification unit 150 may be, for example, a message displayed on the display device 70. Also, a message may be sent via the network 5 to the industrial machine 4 that detected the abnormality, the upper fog computer 6, or the cloud server 7. Furthermore, the fact that the notification has been made may be recorded in a log storage area (not shown) of the diagnostic device 1.
  • the notification unit 150 may be configured to accept whether the user has confirmed the notification, record it in a log, and manage it. In this configuration, the notification unit 150 may periodically re-notify notifications that have not been confirmed by the user.
  • the notification unit 150 may also notify the current time, the value of the data that caused the abnormality to be notified, the degree of abnormality calculated from the data, the degree of change in the degree of abnormality, etc. in addition to the notification content.
  • the notification may also include the data that caused the abnormality, the most recent changes in the degree of abnormality, and various other information related to other data acquired at the same time.
  • FIG. 5 is a graph showing the time transition of the abnormality degree related to the torque command of the spindle motor when cutting a workpiece with a tool attached to the spindle.
  • the torque command of the spindle motor detected when machining with a new tool is used as reference data, and the abnormality degree of the detected value is calculated.
  • coolant is supplied by a center-through method to remove chips generated during machining and to cool the tool and the workpiece. In general, the tool wear progresses as the machining of the workpiece progresses. Therefore, as observed in the white arrow A part of FIG.
  • the abnormality degree calculated from the torque command of the spindle motor increases as the machining progresses.
  • a phenomenon occurs in which the abnormality degree calculated from the torque command of the spindle motor suddenly decreases and then returns to the original value, as observed in the white circle B part.
  • a predetermined threshold value AThs is set for the abnormality degree calculated from the torque command of the spindle motor, and when the abnormality degree exceeds the threshold value, it is possible to diagnose that the wear of the tool has reached its limit.
  • a predetermined threshold value VThs is set for the degree of change in the degree of abnormality calculated from the torque command of the spindle motor, and it is possible to detect that an abnormality has occurred in the center through coolant when the degree of change in the degree of abnormality exceeds that threshold value.
  • Figure 6 is a graph showing the time progression of the degree of abnormality related to the torque command of the feed axis motor when cutting a workpiece with a tool attached to the spindle.
  • the torque command detected when a new feed axis motor is introduced is used as reference data, and the degree of abnormality of the detected value is calculated.
  • AThx1 and AThx2 are set as the abnormality thresholds of the torque command of the feed axis motor.
  • the degree of abnormality increases for about two months (period P) until the feed axis motor breaks down, and then the degree of abnormality repeatedly goes up and down, eventually leading to a breakdown.
  • the abnormality threshold AThx1 is set by focusing only on the degree of abnormality, the degree of abnormality calculated in the period P until the subsequent breakdown will cross the abnormality threshold AThx1 many times, resulting in many unnecessary notifications.
  • a predetermined change degree threshold is set for the degree of change of the abnormality and abnormalities are detected based on the degree of change, notifications can be output only at the time when a large change occurs in the degree of abnormality. In this way, it is common for minor abnormalities to occur intermittently and then lead to a final breakdown. In such cases, by notifying not only the degree of anomaly, but also the point at which the degree of anomaly changes when observed over the long term, it becomes possible to send notifications at an appropriate frequency.
  • the diagnostic device 1 which is configured as described above, focuses on not only the degree of abnormality but also the rate of change in the degree of abnormality, and uses both to diagnose the condition of the industrial machine 4.
  • This configuration makes it possible to flexibly detect abnormalities in both abnormality modes in which the degree of abnormality changes gradually and abnormality modes in which the degree of abnormality changes suddenly.
  • FIG. 7 is a schematic block diagram showing the functions of a diagnostic device 1 according to a second embodiment of the present invention.
  • Each function of the diagnostic device 1 according to this embodiment is realized by the CPU 11 of the diagnostic device 1 shown in FIG. 1 executing a system program and controlling the operation of each part of the diagnostic device 1.
  • the diagnostic device 1 of this embodiment is the diagnostic device 1 of the first embodiment to which a user interface unit 160 for setting conditions has been added.
  • the user interface unit 160 displays on the display device 70 a screen for editing the abnormality threshold table and the change threshold table stored in the alert information storage unit. The user can set the abnormality threshold and the change threshold while referring to the tables displayed on the screen.
  • the diagnostic device 1 can freely set the abnormality threshold and change threshold for each data.
  • the abnormality and change threshold values that should be determined as an abnormality may change depending on the installation environment and equipment of the industrial machinery 4.
  • the user can set appropriate thresholds depending on the installation environment and equipment of the industrial machinery 4.
  • FIG. 8 is a schematic block diagram showing the functions of the diagnostic device 1 according to this modified example.
  • the diagnostic device 1 according to this modified example is obtained by adding a parameter adjustment unit 210 that adjusts each threshold based on user input to the diagnostic device 1 according to the second embodiment.
  • the user interface unit 160 displays time series data of the degree of abnormality detected in the past on the display device 70. It then accepts the notification timing input by the user while referring to the displayed time series data.
  • Figure 9 is an example of a threshold setting screen displayed by the user interface unit 160 according to this modified example. As illustrated in Figure 9, the user interface unit 160 displays the degree of abnormality detected in the past for the specified data type as time series data. While viewing this display, the user can specify the timing of the notification using a pointing device or the like. In addition, other values such as the allowable overdetection frequency can be specified using a keyboard or the like.
  • the parameter adjustment unit 210 calculates an appropriate anomaly threshold and a variability threshold based on the notification timing and the tolerable overdetection frequency received by the user interface unit 160, and the displayed time series data of the degree of anomaly. Then, the calculated anomaly threshold and variability threshold are set in the alert information storage unit 200.
  • the parameter adjustment unit 210 may be configured to calculate the anomaly threshold and the variability threshold, for example, by solving an optimization problem.
  • the parameter set includes the anomaly threshold and the variability threshold, the number of samples m of data used to calculate the average value ⁇ and standard deviation ⁇ of the degree of anomaly in equation 1, and the parameters used by the variability calculation unit 130 to calculate the statistics.
  • the timing at which a notification occurs in the time series data of the degree of anomaly detected in the past is calculated.
  • the parameter set value that maximizes the evaluation value is searched for, using the degree of agreement between the calculated notification timing and the timing specified by the user, and whether the frequency of notification occurs within the tolerable overdetection frequency, as evaluation values.
  • the parameter set value that maximizes the evaluation value is set as the appropriate anomaly threshold and variability threshold, and other parameter values.
  • the user can set the abnormality threshold and the change threshold by specifying values that are easy to intuitively grasp.
  • the present invention is not limited to the above-described examples of the embodiments, and can be embodied in various forms by making appropriate modifications.
  • the first alert generator 120 and the second alert generator 140 are configured to determine whether to issue an alert based on the degree of abnormality and the degree of change, respectively.
  • a configuration may be provided in which the determination is based on both the values of the degree of abnormality and the degree of change.
  • 10 is a schematic block diagram showing functions of a diagnostic device 1 according to another embodiment.
  • the diagnostic device 1 according to this embodiment further includes a third alert generator 170 in addition to a first alert generator 120 and a second alert generator 140.
  • the data acquisition unit 100, diagnosis unit 110, first alert generation unit 120, change degree calculation unit 130, second alert generation unit 140, and notification unit 150 of the diagnostic device 1 according to this embodiment have the same functions as those of the diagnostic device 1 according to the first embodiment.
  • the third alert generator 170 according to this embodiment determines whether or not a predetermined notification is required based on the degree of abnormality related to the predetermined data calculated by the diagnosis unit 110 and the degree of change in the degree of abnormality related to the predetermined data calculated by the change degree calculator 130.
  • the third alert generator 170 may calculate a predetermined conditional expression using the degree of abnormality and the degree of change as parameters, for example, and determine that a predetermined notification is required when the predetermined conditional expression is satisfied.
  • the predetermined notification may be, for example, a warning notification related to the predetermined data.
  • the predetermined conditional expression may be determined in advance for each type of data.
  • a plurality of predetermined conditional expressions may be associated with one type of data.
  • a threshold value may be dynamically changed based on the predetermined conditional expression.
  • the relationship between the type of data and the predetermined conditional expression may be stored in advance in association with each other in the alert information storage unit 200, for example.
  • FIG. 11 shows an example in which the relationship between the type of data and the predetermined conditional expression is determined in a conditional expression table.
  • the conditional expression table stores at least one or more conditional expression data in which a conditional expression and a predetermined notification are associated with each type of data.
  • FIG. 11 shows an example in which the relationship between the type of data and the predetermined conditional expression is determined in a conditional expression table.
  • the conditional expression table stores at least one or more conditional expression data in which a conditional expression and a predetermined notification are associated with each type of data.
  • a conditional expression is defined that is satisfied when the result of calculation using a function h with the abnormality level As of the spindle motor temperature, the change rate Vst of the spindle motor temperature, the abnormality level As of the spindle motor torque command, and the change rate Vs of the spindle motor torque command as arguments exceeds a threshold value CThs, and a notification that "an abnormality has occurred in the spindle motor" is associated with the conditional expression.
  • the third alert generation unit 170 refers to this table to identify the predetermined conditional expression corresponding to each type of data. Then, the system evaluates whether a specified condition formula is met using the degree of anomaly or change in each piece of data, and determines whether a specified notification is necessary.
  • the diagnostic device 1 diagnoses the condition of the industrial machine 4 by determining a complex conditional expression using the degree of abnormality and the degree of change in the degree of abnormality. By configuring it in this way, it becomes possible to flexibly detect abnormal modes that can be detected under more complex conditions.
  • Reference Signs List 1 Diagnostic device 4 Industrial machine 5 Network 6 Fog computer 7 Cloud server 11 CPU 12 ROM 13 RAM 14 Non-volatile memory 15, 18, 19, 20 Interface 22 Bus 70 Display device 71 Input device 72 External device 100 Data acquisition unit 110 Diagnosis unit 120 First alert generation unit 130 Degree of change calculation unit 140 Second alert generation unit 150 Notification unit 160 User interface unit 170 Third alert generation unit 180 Data storage unit 190 Abnormality degree storage unit 200 Alert information storage unit 210 Parameter adjustment unit

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本開示による診断装置は、産業機械に係る所定の状態を示すデータを取得するデータ取得部と、データ取得部が取得したデータについて、基準となる状態において取得される該データの分布からの乖離度合いに基づいて状態の異常度を計算する診断部と、異常度の変化の度合いを変化度として計算する変化度計算部と、異常度を異常度閾値と比較し、所定の通知の要否を判断する第１アラート生成部と、変化度を変化度閾値と比較し、所定の通知の要否を判断する第２アラート生成部と、第１アラート生成部及び第２アラート生成部による判断の結果に基づいて、所定の通知を出力する通知部と、を備える。

Description

診断装置及びコンピュータ読み取り可能な記録媒体
　本発明は、診断装置及びコンピュータ読み取り可能な記録媒体に関する。
　工場などの製造現場では、工作機械やロボットなどの産業機械の動作状態の診断、製品の良品／不良品診断等が行われている。このような診断を必要とする作業は、従来は経験を積んだ作業者が目視で、又はセンサが検知した値を参照しながら行っていた。しかしながら、人手による作業では、各作業者の経験の違いに基づく判断基準の違いや、体調変化により集中力を欠いたりする等の理由で、診断の精度にブレが生じるという問題が生じる。そのため、多くの製造現場では様々な診断作業に、センサ等により検知したデータに基づいて自動診断をする装置を導入している。
　産業機械の動作状態を診断する装置は、例えば機械の状態を表現する値（センサデータ等）の正常時からの乖離度合をもとに異常度を計算する。そして、計算した異常度をユーザに提示する。この方法では、ユーザは異常度の値の変化を監視する必要がある。そのため、計算した異常度の値を基に自動で警告を発するようにすることが望ましい。例えば、異常度に対して閾値を設定し、異常度が閾値を上回ったときにユーザに異常発生を通知する方法が一般的に行われている（特許文献１など）。
特開２０２０－００６４５９号公報
　閾値を用いて状態を診断する場合、環境変化により異常度がドリフトすると適切な状態の診断ができなくなる。このような事態に対応するためには、環境に合わせて異常度の閾値にある程度マージンを持たせる必要がある。そのため単純な閾値との比較のみでは異常を検出する感度が低い場合がある。
　また、異常度が徐々に変化するような異常モード（例えば、摩耗モードなど）と、突発的に変化する異常モード（工具折損モードなど）で、異常度の解釈が変わる場合がある。このように、単純な閾値との比較のみでは診断方法として十分ではない場合もある。
　そこで、突然発生する変化だけでなく徐々に進行する変化をも考慮した状態検出の技術が望まれている。
　本発明による診断装置は、異常度に加えて該異常度の変化の度合いを考慮しながら異常を検出することで、上記課題を解決する。
[規則91に基づく訂正 15.03.2024]
　そして、本開示の一態様は、産業機械に係る所定の状態を診断する診断装置であって、前記産業機械に係る所定の状態を示すデータを取得するデータ取得部と、前記データ取得部が取得したデータについて、基準となる状態において取得される該データの分布からの乖離度合いに基づいて前記状態の異常度を計算する診断部と、前記異常度の変化の度合いを変化度として計算する変化度計算部と、前記異常度を異常度閾値と比較し、所定の通知の要否を判断する第１アラート生成部と、前記変化度を変化度閾値と比較し、所定の通知の要否を判断する第２アラート生成部と、前記第１アラート生成部及び前記第２アラート生成部による判断の結果に基づいて、所定の通知を出力する通知部と、を備える診断装置である。
　本開示の他の態様は、産業機械に係る所定の状態を診断する処理をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体であって、前記産業機械に係る所定の状態を示すデータを取得するデータ取得部、前記データ取得部が取得したデータについて、基準となる状態において取得される該データの分布からの乖離度合いに基づいて前記状態の異常度を計算する診断部、前記異常度の変化の度合いを変化度として計算する変化度計算部、前記異常度を異常度閾値と比較し、所定の通知の要否を判断する第１アラート生成部、前記変化度を変化度閾値と比較し、所定の通知の要否を判断する第２アラート生成部、前記第１アラート生成部及び前記第２アラート生成部による判断の結果に基づいて、所定の通知を出力する通知部、としてコンピュータを動作させるプログラムを記録したコンピュータ読み取り可能な記録媒体である。
　本開示の一態様により、異常度が徐々に変化するような異常モードと、突発的に変化する異常モードとのそれぞれに対して柔軟に異常の検出を行うことが可能となる。
本発明の一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。 本発明の第１実施形態による診断装置の概略的な機能を示すブロック図である。 異常度閾値テーブルの例を示す図である。 変化度閾値テーブルの例を示す図である。 主軸モータのトルクコマンドに係る異常度の時間的推移を示すグラフである。 送り軸モータのトルクコマンドに係る異常度の時間的推移を示すグラフである。 第２実施形態による診断装置の概略的な機能を示すブロック図である。 第２実施形態の変形例による診断装置の概略的な機能を示すブロック図である。 閾値設定画面の例を示す図である。 本発明の他の実施形態による診断装置の概略的な機能を示すブロック図である。 条件式テーブルの例を示す図である。
　以下、本発明の実施形態を図面と共に説明する。
　図１は本発明の一実施形態による診断装置の要部を示す概略的なハードウェア構成図である。本発明の診断装置１は、例えば制御用プログラムに基づいて産業機械４を制御する制御装置として実装することができる。また、本発明の診断装置１は、制御用プログラムに基づいて産業機械４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６、クラウドサーバ７の上に実装することができる。本実施形態では、診断装置１を、ネットワークを介して産業機械４の制御装置と接続されたパソコンの上に実装した例を示す。
　本発明の診断装置１が備えるＣＰＵ１１は、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し、該システム・プログラムに従って診断装置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（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）等で構成され、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から読み込まれたデータやプログラム、入力装置７１を介して入力されたデータやプログラム、産業機械４から取得したデータ等が記憶される。不揮発性メモリ１４に記憶されたデータやプログラムは、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・プログラムが予め書き込まれている。
　インタフェース１５は、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、例えば診断装置１の機能に係るプログラムや、サービス提供に係る各種データ等を読み込むことができる。また、診断装置１内で編集したプログラムや各種データ等は、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。
　表示装置７０には、メモリ上に読み込まれた各データ、プログラムやシステム・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１８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、インタフェース１９を介して作業者による操作に基づく指令，データ等をＣＰＵ１１に渡す。
　インタフェース２０は、診断装置１のＣＰＵ１１とネットワーク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は、専用線などで構成されるＷＡＮ（Wide Area Network）であってもよいし、インターネットなどの広域ネットワークであってもよい。ネットワーク５には、工場などに設置された工作機械やロボットなどの産業機械４や、フォグコンピュータ６、クラウドサーバ７等が接続されている。これらの各装置は、ネットワーク５を介して診断装置１との間で相互にデータのやり取りを行っている。
　図２は、本発明の第１実施形態による診断装置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。本実施形態による診断装置１が備える各機能は、図１に示した診断装置１が備えるＣＰＵ１１がシステム・プログラムを実行し、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。
　本実施形態の診断装置１は、データ取得部１００、診断部１１０、第１アラート生成部１２０、変化度計算部１３０、第２アラート生成部１４０、通知部１５０を備える。また、診断装置１のＲＡＭ１３乃至不揮発性メモリ１４には、データ取得部１００が取得したデータを記憶するための領域であるデータ記憶部１８０、診断部１１０が算出した異常度を記憶するための領域である異常度記憶部１９０、及びアラートに係る情報が予め記憶されている領域であるアラート情報記憶部２００が予め用意されている。
　データ取得部１００は、産業機械４に係る所定の状態を示すデータを取得してデータ記憶部１８０に記憶する。データ取得部１００が取得するデータは、例えば産業機械４の動作時においてセンサ等が検知したセンサ信号であってよい。センサ信号は、例えば産業機械４に取り付けられたモータの駆動に係る電流値、電圧値、位置、速度、加速度、温度センサが検知した温度、湿度センサが検知した湿度、振動センサが検知した振動、圧力センサが検知した圧力、音センサが検知した音、光センサが検知した光、視覚センサが検知した映像などであってよい。データ取得部１００が取得するデータは、産業機械４の動作状態を示すデータや、産業機械４により製造された製品を検査することによって取得された検査データであってよい。また、産業機械４が設置された製造現場の環境の状態を示すその他のデータであってもよい。
[規則91に基づく訂正 15.03.2024]
　データ取得部１００は、有線乃至無線のネットワーク５を介して産業機械４や、フォグコンピュータ６、クラウドサーバ７などからデータを取得してもよい。また、コンパクトフラッシュ（登録商標）などのメモリに記憶されたデータを外部機器７２を介して取得するようにしてもよい。更に、作業者が入力装置７１から手作業でデータを入力するようにしてもよい。
　診断部１１０は、データ取得部１００が取得したデータの異常度を計算する。診断部１１０は、例えば所定の基準となる状態において少なくとも１つの基準となるデータを記憶しておく。そして、その基準データの分布からどの程度乖離しているのかを示す乖離度合いを異常度として計算するようにしてよい。乖離度合いを計算する方法としては、例えば単純に基準データの分布から、取得したデータの分布がどの程度乖離しているのかに基づいて乖離度合いを計算してもよい。また、基準データの分布をクラスタとみなして、ｋ－ｍｅａｎｓ法などの公知の手法で該クラスタからの乖離度合いを計算してもよい。そして、診断部１１０は、この乖離度合いが大きければ大きいほど大きな値となるように異常度を計算するようにすればよい。診断部１１０は、計算した異常度を、異常度の計算の元となるデータが検知された時刻と共に異常度記憶部１９０に記憶する。
　第１アラート生成部１２０は、診断部１１０が計算した所定のデータに係る異常度に基づいて、所定の通知の要否を判断する。第１アラート生成部１２０は、例えば診断部１１０が計算した異常度を所定の異常度閾値と比較し、該異常度閾値を超えた場合に所定の通知が必要であると判断するようにしてよい。所定の通知は、例えば所定のデータに係る警告の通知であってよい。なお、データから算出される異常度を直接用いるようにしてもよいが、そのようにした場合、データに発生したノイズが原因で判断の結果が正確でなくなる場合もある。このようなことを避けるために、一定時間間隔において計算された複数の異常度に基づいて所定の統計量（例えば、平均値、中央値、９５パーセンタイルなど）を計算して、この統計量をそのタイミングにおける異常度として扱うようにしてもよい。
　異常度閾値は、データの種類ごとに予め定めておいてもよい。また、１つのデータの種類に対して複数の異常度閾値を関連付けるようにしてもよい。更に、所定のデータの値や異常度に基づいて動的に変化するような閾値としてもよい。データの種類と異常度閾値との関係は、例えばアラート情報記憶部２００に予め関連付けて記憶するようにしてよい。図３は、データの種類と異常度閾値との関係を異常度閾値テーブルで定めた例を示している。図３に例示するように、異常度閾値テーブルは、データの種類に対して、異常度閾値と、所定の通知を関連付けた異常度閾値データを少なくとも１以上記憶している。図３の例では、例えばＸ軸モータのトルクコマンドデータについては、ＡＴｈｘ１、ＡＴｈｘ２という２つの異常度閾値が定義されており、それぞれ「Ｘ軸モータに異常が発生」、「Ｘ軸モータに重大な問題が発生」という通知が関連付けられている。また、主軸モータのトルクコマンドデータについては、Ｘ軸モータのトルクコマンドの異常度Ａｘ、Ｙ軸モータのトルクコマンドの異常度Ａｙ、Ｚ軸モータのトルクコマンドの異常度Ａｚを引数として異常度閾値を計算する関数ｆが定義されており、「主軸に異常が発生」という通知が関連付けられている。第１アラート生成部１２０は、このテーブルを参照して、それぞれのデータの種類に応じた異常度閾値を特定する。そして、それぞれのデータの異常度を、特定した異常度閾値と比較することで、所定の通知の必要性について判断する。
　変化度計算部１３０は、診断部１１０が計算した異常度の変化の度合いを示す変化度を計算する。変化度計算部１３０は、例えば診断部１１０が計算した異常度と、それ以前（例えば１回前）に診断部１１０が計算した異常度との値の差に基づいて、変化度を計算するようにしてもよい。また、例えば診断部１１０が計算した直近ｎ回分の異常度から算出される所定の統計量に基づいて、変化度を計算するようにしてもよい。更に、例えば以下の数１式により、変化度Ｄを計算するようにしてよい。なお、数１式において、Ａは変化度の計算対象となる異常度、μは直近ｍ回分（ｍは整数、例えば５０）の異常度の平均値、σは直近ｍ回分の異常度の標準偏差である。
Figure JPOXMLDOC01-appb-M000001
　変化度計算部１３０が計算する変化度は、上記で例示するように変化度を計算するタイミングにおいて取得されたデータから計算された異常度が、それ以前に計算された異常度から見てどの程度変化しているかを示す指標である。このような指標として扱うことができるのであれば、上記以外の計算方法で変化度を計算するようにしてもよい。なお、変化度を計算する際に、データから算出される異常度を直接用いて計算するようにしても良いが、そのようにした場合、データに発生したノイズが原因で突然大きな変化度が計算されることもある。このようなことを避けるために、一定時間間隔において計算された複数の異常度に基づいて所定の統計量（例えば、平均値、中央値、ｎパーセンタイル、例えば９５パーセンタイルなど）を計算して、この統計量をそのタイミングにおける異常度として扱った上で、変化度を計算するようにしてもよい。
　第２アラート生成部１４０は、変化度計算部１３０が計算した所定のデータに係る異常度の変化度に基づいて、所定の通知の要否を判断する。第２アラート生成部１４０は、例えば変化度計算部１３０が計算した変化度を所定の変化度閾値と比較し、該変化度閾値を超えた場合に所定の通知が必要であると判断するようにしてよい。所定の通知は、例えば所定のデータに係る警告の通知であってよい。変化度閾値は、データの種類ごとに予め定めておいてもよいし、所定の条件に基づいて動的に変化するようにしてもよい。
　変化度閾値は、データの種類ごとに予め定めておいてもよい。また、１つのデータの種類に対して複数の変化度閾値を関連付けるようにしてもよい。更に、所定のデータの値や変化度に基づいて動的に変化するような閾値としてもよい。データの種類と変化度閾値との関係は、例えばアラート情報記憶部２００に予め関連付けて記憶するようにしてよい。図４は、データの種類と変化度閾値との関係を変化度閾値テーブルで定めた例を示している。図４に例示するように、変化度閾値テーブルは、データの種類に対して、変化度閾値と、所定の通知とを関連付けた変化度閾値データを少なくとも１以上記憶している。図４の例では、例えばＸ軸モータのトルクコマンドデータの異常度の変化度については、ＶＴｈｘ１、ＶＴｈｘ２という２つの変化度閾値が定義されており、それぞれ「Ｘ軸モータに異常が発生」、「Ｘ軸モータに重大な問題が発生」という通知が関連付けられている。また、主軸モータのトルクコマンドデータについては、Ｘ軸モータのトルクコマンドの異常度の変化度Ｖｘ、Ｙ軸モータのトルクコマンドの異常度の変化度Ｖｙ、Ｚ軸モータのトルクコマンドの異常度の変化度Ｖｚを引数として異常度閾値を計算する関数ｇが定義されており、「クーラントに異常が発生」という通知が関連付けられている。第２アラート生成部１４０は、このテーブルを参照して、それぞれのデータの種類に応じた変化度閾値を特定する。そして、それぞれのデータの異常度の変化度を、特定した変化度閾値と比較することで、所定の通知の必要性について判断する。
　通知部１５０は、第１アラート生成部１２０及び第２アラート生成部１４０による判断の結果に基づいて、所定の通知が必要であるか否かを判断する。そして、その判断結果に基づいて所定の通知を出力する。通知部１５０は、例えばアラート情報記憶部２００に記憶される異常度閾値データ、または変化度閾値データを参照して、所定の通知の内容を決定するようにしてよい。通知部１５０による所定の通知の通知先は、例えば表示装置７０に対するメッセージの表示であってよい。また、ネットワーク５を介して異常を検出した産業機械４や、上位のフォグコンピュータ６、クラウドサーバ７に対してメッセージを送信するものであってよい。更に、診断装置１の図示しないログ記憶領域に通知をした旨を記録するようにしてよい。この時、通知部１５０は、ユーザが通知を確認したか否かを受け付けてログに記録して管理するように構成してもよい。このように構成した場合、ユーザによる確認がされていない通知について、通知部１５０が定期的に再通知を行うようにしてもよい。
　通知部１５０は、通知内容に対して現在時刻や異常を通知する原因となったデータの値、該データから計算された異常度、異常度の変化度などを併せて通知するようにしてもよい。また、異常の原因となったデータや異常度の直近の推移や、同じタイミングで取得された他のデータに係る各種情報を併せて通知するようにしてもよい。
　以下では、上記構成を備えた診断装置１による産業機械４の動作状況の診断処理の例を説明する。
　図５は、主軸に取り付けられた工具によりワークを切削加工する際の主軸モータのトルクコマンドに係る異常度の時間的推移を示すグラフである。図５の例では、新品の工具による加工をした際に検知された主軸モータのトルクコマンドを基準データとした上で、検知された値の異常度を計算している。また、加工時に発生する切粉の除去、工具及びワークの冷却のためにセンタースルー方式でクーラントを供給している。一般に、ワークの加工が進むにつれて工具の摩耗が進行する。そのため、図５の白矢印Ａの部分で観測されるように、主軸モータのトルクコマンドから計算される異常度は加工が進むにつれて上昇する。また、加工時にクーラントの噴出が間欠的に停止すると、白丸Ｂの部分で観測されるように、主軸モータのトルクコマンドから計算される異常度が急に減少した後に元に戻る現象が発生する。このようなデータに基づいて本実施形態による診断装置１による診断を行うと、例えば主軸モータのトルクコマンドから計算される異常度について、所定の閾値ＡＴｈｓを定め、異常度が当該閾値を超えた時点で工具の摩耗が限界に達したという診断をすることができる。一方で、主軸モータのトルクコマンドから計算される異常度の変化度について、所定の閾値ＶＴｈｓを定め、異常度の変化度が当該閾値を超えた時点でセンタースルークーラントに異常が発生したことを検出することができる。
　図６は、主軸に取り付けた工具によりワークを切削加工する際の送り軸モータのトルクコマンドに係る異常度の時間的推移を示すグラフである。図６の例では、新品の送り軸モータを導入した際に検知されたトルクコマンドを基準データとした上で、検知された値の異常度を計算している。また、送り軸モータのトルクコマンドの異常度閾値としてはＡＴｈｘ１，ＡＴｈｘ２が設定されている。図６の例では、送り軸モータが故障する時点までの約２か月間（期間Ｐ）に異常度が上昇した後、異常度が上下を繰り返して最終的に故障に至っている。異常度にのみ着目して異常度閾値ＡＴｈｘ１を設定した場合、それ以降の故障に至るまでの期間Ｐにおいて計算される異常度は何度も異常度閾値ＡＴｈｘ１をまたぐため、余計な通知が無駄に多く発生することになる。これに対して、異常度の変化度に対して所定の変化度閾値を設定し、変化度による異常の検出を行うようにすれば、異常度に大きな変化が起きた時点などにおいてのみ通知を出力させることができるようになる。このように、軽度な異常が間欠的に繰り返し発生した後に、最終的な故障に至ることはよくあることである。このような場合に対して、異常度ではなく、長期的に異常度を観測したときの変化点で通知することで、適切な頻度での通知を行うことが可能となる。
　上記構成を備えた本実施形態による診断装置１は、異常度だけでなく異常度の変化度に着目して、その両方を用いて産業機械４に係る状態の診断を行う。このように構成することで、異常度が徐々に変化するような異常モードと、突発的に変化する異常モードとのそれぞれに対して柔軟に異常の検出を行うことが可能となる。
　図７は、本発明の第２実施形態による診断装置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。本実施形態による診断装置１が備える各機能は、図１に示した診断装置１が備えるＣＰＵ１１がシステム・プログラムを実行し、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。
　本実施形態の診断装置１は、第１実施形態による診断装置１に、条件の設定をするためのユーザインタフェース部１６０を追加したものである。ユーザインタフェース部１６０は、アラート情報記憶部に記憶された異常度閾値テーブル及び変化度閾値テーブルを編集するための画面を表示装置７０に表示する。ユーザは、画面に表示されたテーブルを参照しながら、異常度の閾値や変化度の閾値を設定することができる。
　上記構成を備えた本実施形態による診断装置１は、それぞれのデータについて、異常度閾値及び変化度閾値を自由に設定することができる。産業機械４の設置環境や設備などに応じて、異常として判断するべき異常度や変化度の値が変化することがある。そのような場合に、ユーザは産業機械４の設置環境や設備などに応じて適切な閾値を設定することが可能となる。
　第２実施形態による診断装置１の一変形例として、異常度閾値及び変化度閾値を直接設定するのではなく、過去に検出された異常度や、通知頻度などの値に基づいて間接的に異常度閾値や変化度閾値を設定できるように構成することが考えられる。図８は、本変形例による診断装置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。本変形例の診断装置１は、第２実施形態による診断装置１に、ユーザの入力に基づいてそれぞれの閾値を調整するパラメータ調整部２１０を追加したものである。
　本変形例によるユーザインタフェース部１６０は、過去に検出された異常度の時系列データを表示装置７０に表示する。そして、表示した時系列データを参照しながらユーザが入力した通知のタイミングを受け付ける。図９は、本変形例によるユーザインタフェース部１６０が表示する閾値設定画面の例である。図９に例示するように、ユーザインタフェース部１６０は、指定されたデータの種類に係る過去に検出された異常度を時系列データとして表示する。ユーザは、この表示を見ながら、どのタイミングで通知を行うかをポインティングデバイスなどを用いて指定することができる。また、許容過検知頻度などのその他の値をキーボードなどを用いて指定できる。
　パラメータ調整部２１０は、ユーザインタフェース部１６０が受け付けた、通知のタイミングや許容過検知頻度、及び表示した異常度の時系列データに基づいて、適切な異常度閾値及び変化度閾値を計算する。そして、計算した異常度閾値及び変化度閾値をアラート情報記憶部２００に設定する。パラメータ調整部２１０は、異常度閾値や変化度閾値を例えば最適化問題を解くことで計算するように構成しても良い。この場合、パラメータセットとして異常度閾値及び変化度閾値、数１式における異常度の平均値μや標準偏差σの計算に用いるデータのサンプル数ｍ、変化度計算部１３０が統計量の計算に用いるパラメータを用いる。そして、所定のパラメータセットの値を適用した場合に、過去に検出された異常度の時系列データにおいて通知が発生するタイミングを計算する。そして、計算した通知のタイミングが、ユーザが指定したタイミングとどれだけ一致しているのか、通知が発生する頻度が許容過検知頻度に収まっているか、などを評価値として、その評価値を最大にするパラメータセットの値を探索する。そして、評価値を最大とするパラメータセットの値を、適切な異常度閾値及び変化度閾値、その他のパラメータ値とする。
　本変形例による診断装置１を用いることで、ユーザは直感的に把握しやすい値を指定することで異常度閾値や変化度閾値を設定することが可能となる。
　以上、本発明の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。
　例えば、上記した実施形態では第１アラート生成部１２０と、第２アラート生成部１４０とが、それぞれ異常度及び変化度に基づいて、アラートの通知を判断するように構成されている。しかしながら、異常度と変化度の双方の値に基づいて判断する構成を設けてもよい。
　図１０は、他の実施形態による診断装置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。この実施形態による診断装置１は、第１アラート生成部１２０、第２アラート生成部１４０に加えて、更に第３アラート生成部１７０を備えている。
　本実施形態による診断装置１が備える、データ取得部１００、診断部１１０、第１アラート生成部１２０、変化度計算部１３０、第２アラート生成部１４０、通知部１５０については、第１実施形態による診断装置１が備える各機能と同様である。
　本実施形態による第３アラート生成部１７０は、診断部１１０が計算した所定のデータに係る異常度と、変化度計算部１３０が計算した所定のデータに係る異常度の変化度に基づいて、所定の通知の要否を判断する。第３アラート生成部１７０は、例えば異常度及び変化度をパラメータとする所定の条件式を計算し、該所定の条件式が成立する場合に所定の通知が必要であると判断するようにしてよい。所定の通知は、例えば所定のデータに係る警告の通知であってよい。
　所定の条件式は、データの種類ごとに予め定めておいてもよい。また、１つのデータの種類に対して複数の所定の条件式を関連付けるようにしてもよい。更に、所定の条件式に基づいて動的に変化するような閾値としてもよい。データの種類と所定の条件式との関係は、例えばアラート情報記憶部２００に予め関連付けて記憶するようにしてよい。図１１は、データの種類と所定の条件式との関係を条件式テーブルで定めた例を示している。図１１に例示するように、条件式テーブルは、データの種類に対して、条件式と、所定の通知を関連付けた条件式データを少なくとも１以上記憶している。図１１の例では、例えば主軸モータ温度のデータについて、主軸モータ温度の異常度Ａｓｔ、主軸モータ温度の変化度Ｖｓｔ、主軸モータのトルクコマンドの異常度Ａｓ、主軸モータのトルクコマンドの変化度Ｖｓを引数とする関数ｈで計算した結果が閾値ＣＴｈｓを超える場合に成立する条件式が定義されており、「主軸モータに異常が発生」という通知が関連付けられている。第３アラート生成部１７０は、このテーブルを参照して、それぞれのデータの種類に応じた所定の条件式を特定する。そして、それぞれのデータの異常度や変化度などを用いて所定の条件式が成立するか否かを評価し、所定の通知の必要性について判断する。
　上記構成を備えた他の実施形態による診断装置１は、異常度と異常度の変化度を用いて複合的な条件式を判定することで産業機械４に係る状態の診断を行う。このように構成することで、より複雑な条件で検出できるような異常モードを柔軟に検出することが可能となる。
　　　１　診断装置
　　　４　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　ＣＰＵ
　　１２　ＲＯＭ
　　１３　ＲＡＭ
　　１４　不揮発性メモリ
　　１５，１８，１９，２０　インタフェース
　　２２　バス
　　７０　表示装置
　　７１　入力装置
　　７２　外部機器
　１００　データ取得部
　１１０　診断部
　１２０　第１アラート生成部
　１３０　変化度計算部
　１４０　第２アラート生成部
　１５０　通知部
　１６０　ユーザインタフェース部
　１７０　第３アラート生成部
　１８０　データ記憶部
　１９０　異常度記憶部
　２００　アラート情報記憶部
　２１０　パラメータ調整部

Claims (8)

  1. 　産業機械に係る所定の状態を診断する診断装置であって、
    　前記産業機械に係る所定の状態を示すデータを取得するデータ取得部と、
    　前記データ取得部が取得したデータについて、基準となる状態において取得される該データの分布からの乖離度合いに基づいて前記状態の異常度を計算する診断部と、
    　前記異常度の変化の度合いを変化度として計算する変化度計算部と、
    　前記異常度を異常度閾値と比較し、所定の通知の要否を判断する第１アラート生成部と、
    　前記変化度を変化度閾値と比較し、所定の通知の要否を判断する第２アラート生成部と、
    　前記第１アラート生成部及び前記第２アラート生成部による判断の結果に基づいて、所定の通知を出力する通知部と、
    を備える診断装置。
  2. 　一定時間間隔毎に異常度の統計量を計算し、計算した統計量を異常度として扱う、
    請求項１に記載の診断装置。
  3. 　前記変化度計算部は、１つ前に計算された異常度との間の差に基づいて変化度を計算する、
    請求項１に記載の診断装置。
  4. 　前記変化度計算部は、直近に計算された少なくとも１つの異常度との統計量に基づいて変化度を計算する、
    請求項１に記載の診断装置。
  5. 　前記異常度閾値及び前記変化度閾値を設定するためのユーザインタフェース部をさらに備える、
    請求項１に記載の診断装置。
  6. 　前記ユーザインタフェース部は、前記診断部が計算した異常度を時系列で表示し、表示内容から通知をするタイミング、及び許容可能な過検知の頻度の入力を受け付け、
    　受け付けた入力した通知タイミング、許容可能な過検知の頻度、及び前記異常度に基づいて、異常度閾値、変化度閾値、及びその他のパラメータを自動調整するパラメータ調整部を更に備える、
    請求項５に記載の診断装置。
  7. 　前記所定の通知毎に、ユーザが確認したか否かを管理する、
    請求項１に記載の診断装置。
  8. 　産業機械に係る所定の状態を診断する処理をコンピュータに実行させるプログラムを記録したコンピュータ読み取り可能な記録媒体であって、
    　前記産業機械に係る所定の状態を示すデータを取得するデータ取得部、
    　前記データ取得部が取得したデータについて、基準となる状態において取得される該データの分布からの乖離度合いに基づいて前記状態の異常度を計算する診断部、
    　前記異常度の変化の度合いを変化度として計算する変化度計算部、
    　前記異常度を異常度閾値と比較し、所定の通知の要否を判断する第１アラート生成部、
    　前記変化度を変化度閾値と比較し、所定の通知の要否を判断する第２アラート生成部、
    　前記第１アラート生成部及び前記第２アラート生成部による判断の結果に基づいて、所定の通知を出力する通知部、
    としてコンピュータを動作させるプログラムを記録したコンピュータ読み取り可能な記録媒体。
PCT/JP2022/002437 2022-01-24 2022-01-24 診断装置及びコンピュータ読み取り可能な記録媒体 WO2023139790A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/002437 WO2023139790A1 (ja) 2022-01-24 2022-01-24 診断装置及びコンピュータ読み取り可能な記録媒体

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/002437 WO2023139790A1 (ja) 2022-01-24 2022-01-24 診断装置及びコンピュータ読み取り可能な記録媒体

Publications (2)

Publication Number Publication Date
WO2023139790A1 WO2023139790A1 (ja) 2023-07-27
WO2023139790A9 true WO2023139790A9 (ja) 2024-06-06

Family

ID=87348398

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/002437 WO2023139790A1 (ja) 2022-01-24 2022-01-24 診断装置及びコンピュータ読み取り可能な記録媒体

Country Status (1)

Country Link
WO (1) WO2023139790A1 (ja)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3883485B2 (ja) * 2002-10-08 2007-02-21 ファナック株式会社 工具折損あるいは予知検出装置
EP1787371A2 (en) * 2004-09-10 2007-05-23 Cooper Technologies Company System and method for circuit protector monitoring and management
JP2010224893A (ja) * 2009-03-24 2010-10-07 Yamatake Corp 監視装置、及び監視方法
JP6326321B2 (ja) * 2014-08-07 2018-05-16 株式会社日立製作所 データ表示システム
JP6223936B2 (ja) * 2014-09-12 2017-11-01 株式会社日立ハイテクノロジーズ 異常傾向検出方法およびシステム
JP2019179395A (ja) * 2018-03-30 2019-10-17 オムロン株式会社 異常検知システム、サポート装置および異常検知方法

Also Published As

Publication number Publication date
WO2023139790A1 (ja) 2023-07-27

Similar Documents

Publication Publication Date Title
JP6140331B1 (ja) 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム
JP6450738B2 (ja) 工作機械における工具のビビり発生の予兆を検知する機械学習装置、ｃｎｃ装置および機械学習方法
KR101343403B1 (ko) 공작기계 운전시의 이상 검출방법
US20070088454A1 (en) System and method for troubleshooting a machine
US20150293523A1 (en) Machine tool diagnostic method and system
US11892828B2 (en) Fault diagnosis device, fault diagnosis method and machine to which fault diagnosis device is applied
CN106181581A (zh) 机床的振动信息显示装置
US20060089742A1 (en) System and method for monitoring machine health
JP2003280707A (ja) 工作機械の異常診断装置、異常診断方法及び異常診断プログラム
EP3385800A1 (en) Management system and management program
US11480941B2 (en) Analysis device, analysis method, and non-transitory computer readable medium recording an analysis program
KR102580409B1 (ko) 진동 가속도 신호를 활용한 공구 파손감지 영역 자동설정 방법 및 진동 가속도 신호를 활용한 공구 파손감지장치
JP2019101503A (ja) 数値制御装置
US11440152B2 (en) Machining environment measurement device
US20200004220A1 (en) Method and apparatus for performing an automatic health checkup for a cnc turning center
CN114918739A (zh) 一种机床主轴故障检测方法、装置、终端及存储介质
JP2019148971A (ja) 異常要因特定装置
WO2023139790A9 (ja) 診断装置及びコンピュータ読み取り可能な記録媒体
JP2020035260A (ja) 加工環境推定装置
US20230097101A1 (en) Vibration analysis apparatus and vibration analysis method
US11487275B2 (en) Analyzer
CN112005256A (zh) 维护记录制作装置和维护记录制作方法
WO2023089773A1 (ja) 異常診断装置、異常診断システム、及び記憶媒体
JP6744342B2 (ja) 工作機械の制御装置
CN111754016A (zh) 工具更换时期管理***

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22921947

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2023575030

Country of ref document: JP

Kind code of ref document: A