Nothing Special   »   [go: up one dir, main page]

JP2019159759A - Processing section determination device, processing section determination method, program, and diagnostic device - Google Patents

Processing section determination device, processing section determination method, program, and diagnostic device Download PDF

Info

Publication number
JP2019159759A
JP2019159759A JP2018045182A JP2018045182A JP2019159759A JP 2019159759 A JP2019159759 A JP 2019159759A JP 2018045182 A JP2018045182 A JP 2018045182A JP 2018045182 A JP2018045182 A JP 2018045182A JP 2019159759 A JP2019159759 A JP 2019159759A
Authority
JP
Japan
Prior art keywords
processing section
unit
section
target device
feature information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2018045182A
Other languages
Japanese (ja)
Other versions
JP7067971B2 (en
Inventor
岳士 宮良
Takeshi Miyayoshi
岳士 宮良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ricoh Co Ltd
Original Assignee
Ricoh Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ricoh Co Ltd filed Critical Ricoh Co Ltd
Priority to JP2018045182A priority Critical patent/JP7067971B2/en
Publication of JP2019159759A publication Critical patent/JP2019159759A/en
Application granted granted Critical
Publication of JP7067971B2 publication Critical patent/JP7067971B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Numerical Control (AREA)

Abstract

To provide a processing section determination device, a processing section determination method, a program, and a diagnosis device that can accurately grasp an actual processing section.SOLUTION: A processing section determination device is comprised of: a first acquisition unit that acquires detection information output from a detection unit that detects a physical quantity that changes according to an operation of a target device; a second acquisition unit that acquires a signal indicating a section in which the target device is operated from the target device; a first identification unit that identifies a non-processing section and a processing section in the target device based on the detection information and the signal; and a second identification unit for identifying a non-processing section and a processing section in the target device based on the detection information, the signal, and the identification result by the first identification unit.SELECTED DRAWING: Figure 1

Description

本発明は、処理区間判定装置、処理区間判定方法、プログラム、および診断装置に関する。   The present invention relates to a processing section determination device, a processing section determination method, a program, and a diagnosis apparatus.

工作機械等がワークを加工する上で、工具の異常ならびに加工品質の予知および推定を行う方法として、機械のモータの電流値の情報、振動、または力等の物理量を検知して用いる方法が既に知られている。   As a method for predicting and estimating tool abnormalities and machining quality when machining a workpiece by a machine tool or the like, there is already a method of detecting and using a physical quantity such as information on the current value of the motor of the machine, vibration, or force. Are known.

このような物理量を検知して工具の異常等を判定する装置として、主軸の負荷等の機械情報の時系列データと装置のイベントデータとを同期させて出力させ、加工動作の異常を検出する装置が知られている(特許文献1)。   As a device that detects such physical quantities and determines tool abnormalities, etc., it detects the abnormality of machining operations by synchronizing the time series data of machine information such as spindle load and the event data of the device. Is known (Patent Document 1).

しかしながら、特許文献1に記載された技術では、装置のイベントデータから実際の加工処理の区間を明確に把握することが困難であった。   However, with the technique described in Patent Document 1, it is difficult to clearly grasp the actual processing section from the event data of the apparatus.

本発明は、上述の課題に鑑みてなされたものであって、実際の処理区間を精度よく把握することが可能な処理区間判定装置、処理区間判定方法、プログラム、および診断装置を提供することを目的とする。   The present invention has been made in view of the above-described problems, and provides a processing section determination device, a processing section determination method, a program, and a diagnosis device that can accurately grasp an actual processing section. Objective.

上述した課題を解決し、目的を達成するために、本発明は、対象装置の動作に応じて変化する物理量を検知する検知部から出力される検知情報を取得する第1の取得部と、前記対象装置を動作させる区間を示す信号を前記対象装置から取得する第2の取得部と、前記検知情報および前記信号に基づき、前記対象装置における非処理区間と処理区間とを識別する第1の識別部と、前記検知情報、前記信号、および前記第1の識別部による識別結果に基づき、前記対象装置における非処理区間と処理区間とを識別する第2の識別部と、を備える。   In order to solve the above-described problems and achieve the object, the present invention includes a first acquisition unit that acquires detection information output from a detection unit that detects a physical quantity that changes according to the operation of the target device; A second acquisition unit that acquires a signal indicating a section in which the target device is operated from the target device; and a first identification that identifies a non-processing section and a processing section in the target device based on the detection information and the signal And a second identification unit that identifies a non-processing section and a processing section in the target device based on the detection information, the signal, and the identification result by the first identification unit.

本発明によれば、実際の処理区間を精度よく把握することが可能となる。   According to the present invention, it is possible to accurately grasp an actual processing section.

図1は、実施形態にかかる診断システムの全体構成の一例を機能ブロックで示す図である。FIG. 1 is a functional block diagram illustrating an example of the overall configuration of the diagnostic system according to the embodiment. 図2は、実施形態にかかる加工機のハードウェア構成の一例を示す図である。FIG. 2 is a diagram illustrating an example of a hardware configuration of the processing machine according to the embodiment. 図3は、実施形態にかかる診断装置のハードウェア構成の一例を示す図である。FIG. 3 is a diagram illustrating an example of a hardware configuration of the diagnostic apparatus according to the embodiment. 図4は、実施形態にかかる加工機の検知情報およびラダー信号の一例を示す図である。FIG. 4 is a diagram illustrating an example of detection information and ladder signals of the processing machine according to the embodiment. 図5は、実施形態にかかる診断装置が検知情報から抽出した特徴情報を周波数成分で例示する図である。FIG. 5 is a diagram illustrating feature information extracted from the detection information by the diagnostic device according to the embodiment using frequency components. 図6は、実施形態にかかる診断装置が非加工区間および加工区間の特徴情報を選択する一例を説明する図である。FIG. 6 is a diagram for explaining an example in which the diagnostic device according to the embodiment selects feature information of a non-machining section and a machining section. 図7は、実施形態にかかる診断装置が非加工区間および加工区間から選択した特徴情報を周波数スペクトルで例示する図である。FIG. 7 is a diagram illustrating feature information selected from the non-processing section and the processing section by the diagnosis apparatus according to the embodiment as a frequency spectrum. 図8は、実施形態にかかる診断装置がユークリッド距離から加工区間らしさを算出した一例を示す図である。FIG. 8 is a diagram illustrating an example in which the diagnostic device according to the embodiment calculates the likelihood of the machining section from the Euclidean distance. 図9は、実施形態にかかる診断装置が算出した加工区間らしさから加工区間を推定する動作を説明する図である。FIG. 9 is a diagram illustrating an operation of estimating the machining section from the machining section likelihood calculated by the diagnosis apparatus according to the embodiment. 図10は、実施形態にかかる診断装置による加工初期の異常判定処理の手順の一例を示すフロー図である。FIG. 10 is a flowchart illustrating an example of a procedure of abnormality determination processing at the initial stage of machining by the diagnostic device according to the embodiment. 図11は、実施形態にかかる第1の識別部による加工区間の推定処理の手順の一例を示すフロー図である。FIG. 11 is a flowchart illustrating an example of a processing section estimation process performed by the first identification unit according to the embodiment. 図12は、実施形態にかかる診断装置による所定期間経過後の異常判定処理の手順の一例を示すフロー図である。FIG. 12 is a flowchart illustrating an example of a procedure of abnormality determination processing after a predetermined period has elapsed by the diagnostic device according to the embodiment. 図13は、実施形態にかかる第2の識別部による加工区間の推定処理の手順の一例を示すフロー図である。FIG. 13 is a flowchart illustrating an example of a processing section estimation process performed by the second identification unit according to the embodiment. 図14は、実施形態にかかる加工機において同一行程での加工が連続で複数回行われる例を説明する模式図である。FIG. 14 is a schematic diagram illustrating an example in which processing in the same process is continuously performed a plurality of times in the processing machine according to the embodiment.

以下に、図1〜図14を参照しながら、本発明に係る処理区間判定装置、処理区間判定方法、プログラム、および診断装置の実施形態を詳細に説明する。また、以下の実施形態によって本発明が限定されるものではなく、以下の実施形態における構成要素には、当業者が容易に想到できるもの、実質的に同一のもの、およびいわゆる均等の範囲のものが含まれる。さらに、以下の実施形態の要旨を逸脱しない範囲で構成要素の種々の省略、置換、変更および組み合わせを行うことができる。   Hereinafter, embodiments of a processing section determination device, a processing section determination method, a program, and a diagnosis apparatus according to the present invention will be described in detail with reference to FIGS. Further, the present invention is not limited by the following embodiments, and components in the following embodiments can be easily conceived by those skilled in the art, are substantially the same, and have a so-called equivalent range. Is included. Furthermore, various omissions, substitutions, changes, and combinations of the components can be made without departing from the scope of the following embodiments.

(診断システムの全体構成)
図1は、実施形態にかかる診断システム1の全体構成の一例を機能ブロックで示す図である。診断システム1が備える処理区間判定装置としての診断装置100は、対象装置としての加工機200の動作に応じて変化する物理量を検知する検知部225から出力される検知情報を取得する第1の取得部としての検知情報受信部112と、加工機200を動作させる区間を示す信号としてのラダー信号を加工機200から取得する第2の取得部としての加工情報取得部101と、検知情報および信号に基づき、加工機200における非処理区間と処理区間とを識別する第1の識別部104と、検知情報、信号、および第1の識別部による識別結果に基づき、加工機200における非処理区間と処理区間とを識別する第2の識別部105と、を備える。以下に、実施形態の診断システム1の詳細について説明する。
(Overall configuration of diagnostic system)
Drawing 1 is a figure showing an example of the whole composition of diagnostic system 1 concerning an embodiment by a functional block. The diagnosis device 100 as a processing section determination device provided in the diagnosis system 1 acquires first detection information output from the detection unit 225 that detects a physical quantity that changes according to the operation of the processing machine 200 as a target device. Detection information receiving unit 112 as a unit, a processing information acquisition unit 101 as a second acquisition unit that acquires a ladder signal as a signal indicating a section in which the processing machine 200 is operated, from the processing machine 200, and detection information and signals Based on the first identification unit 104 for identifying the non-processing section and the processing section in the processing machine 200, the detection information, the signal, and the identification result by the first identification unit, the non-processing section and the processing in the processing machine 200 A second identification unit 105 that identifies a section. Below, the detail of the diagnostic system 1 of embodiment is demonstrated.

図1に示すように、実施形態の診断システム1は、加工機200および加工機200に接続される診断装置100を備える。加工機200は、工具を用いて、加工対象に対して切削、研削または研磨等の加工を行う工作機械である。加工機200は、診断装置100による診断の対象となる対象装置の一例である。診断装置100は、加工機200に対して通信可能となるように接続され、加工機200の動作について異常の診断を行う装置である。   As illustrated in FIG. 1, the diagnosis system 1 according to the embodiment includes a processing machine 200 and a diagnosis device 100 connected to the processing machine 200. The processing machine 200 is a machine tool that performs processing such as cutting, grinding, or polishing on a processing target using a tool. The processing machine 200 is an example of a target device to be diagnosed by the diagnostic device 100. The diagnosis apparatus 100 is an apparatus that is connected so as to be communicable with the processing machine 200 and diagnoses an abnormality in the operation of the processing machine 200.

加工機200は、数値制御部201と、通信制御部221と、駆動制御部223と、駆動部224と、検知部225と、を有する。   The processing machine 200 includes a numerical control unit 201, a communication control unit 221, a drive control unit 223, a drive unit 224, and a detection unit 225.

数値制御部201は、駆動部224による加工を数値制御(NC:Numerical Control)により実行する機能部である。例えば、数値制御部201は、駆動部224の動作を制御する数値制御データを生成して出力する。また、数値制御部201は、工具を駆動させる駆動部224の動作状態を示すコンテキスト情報(加工情報)として、例えば、工具の加工対象に対する送り動作から実際の加工処理が終了するまでの区間(工具送り区間)を示すON/OFF信号であるラダー信号を通信制御部221に出力する。コンテキスト情報とは、加工機200の動作の種類ごとに複数定められる情報である。コンテキスト情報は、上記のラダー信号のほか、例えば、加工機200の識別情報、駆動部224の識別情報(例えば、工具の識別情報等)、駆動部224に駆動される工具の径、および工具の材質等のコンフィギュレーション情報、ならびに、駆動部224の動作状態、駆動部224の使用開始からの累積使用時間、駆動部224に加わる負荷、駆動部224の回転数、駆動部224の加工速度等の加工条件の情報等を示す情報を含んでいてもよい。   The numerical control unit 201 is a functional unit that executes processing by the driving unit 224 by numerical control (NC: Numerical Control). For example, the numerical control unit 201 generates and outputs numerical control data for controlling the operation of the driving unit 224. Further, the numerical control unit 201 uses, as context information (machining information) indicating the operation state of the driving unit 224 that drives the tool, for example, a section from the feed operation to the machining target of the tool until the actual machining process ends (tool A ladder signal, which is an ON / OFF signal indicating a feed section), is output to the communication control unit 221. The context information is information determined in plural for each type of operation of the processing machine 200. In addition to the ladder signal, the context information includes, for example, identification information of the processing machine 200, identification information of the driving unit 224 (for example, tool identification information), a diameter of the tool driven by the driving unit 224, and the tool Configuration information such as material, etc., the operating state of the drive unit 224, the accumulated usage time from the start of use of the drive unit 224, the load applied to the drive unit 224, the rotational speed of the drive unit 224, the processing speed of the drive unit 224, etc. Information indicating processing condition information or the like may be included.

数値制御部201は、例えば、現在の加工機200の動作に対応するコンテキスト情報を、逐次、通信制御部221を介して診断装置100に送信する。数値制御部201は、加工対象を加工する際、加工の工程に応じて、駆動する駆動部224の種類、または駆動部224の駆動状態(回転数、回転速度等)を変更する。数値制御部201は、動作の種類を変更するごとに、変更した動作の種類に対応するコンテキスト情報を、通信制御部221を介して診断装置100に逐次送信する。   For example, the numerical control unit 201 sequentially transmits context information corresponding to the current operation of the processing machine 200 to the diagnostic apparatus 100 via the communication control unit 221. The numerical control unit 201 changes the type of the driving unit 224 to be driven or the driving state (the rotational speed, the rotation speed, etc.) of the driving unit 224 according to the processing step when processing the processing target. Each time the numerical control unit 201 changes the operation type, the numerical control unit 201 sequentially transmits context information corresponding to the changed operation type to the diagnostic apparatus 100 via the communication control unit 221.

通信制御部221は、診断装置100等の外部装置との間の通信を制御する機能部である。通信制御部221は、例えば、現在の動作に対応するコンテキスト情報を診断装置100に送信する。   The communication control unit 221 is a functional unit that controls communication with an external device such as the diagnostic device 100. For example, the communication control unit 221 transmits context information corresponding to the current operation to the diagnostic apparatus 100.

駆動制御部223は、数値制御部201により求められた数値制御データに基づいて、駆動部224を駆動制御する機能部である。   The drive control unit 223 is a functional unit that drives and controls the drive unit 224 based on the numerical control data obtained by the numerical control unit 201.

駆動部224は、駆動制御部223による駆動制御の対象となる機能部である。駆動部224は、駆動制御部223による制御によって工具を駆動する。駆動部224は、駆動制御部223によって駆動制御されるアクチュエータ(モータ)等である。なお、駆動部224は、加工に用いられ、数値制御の対象となるものであればどのようなアクチュエータであってもよい。また、駆動部224は、2以上備えられていてもよい。   The drive unit 224 is a functional unit that is a target of drive control by the drive control unit 223. The drive unit 224 drives the tool under the control of the drive control unit 223. The drive unit 224 is an actuator (motor) that is driven and controlled by the drive control unit 223. The driving unit 224 may be any actuator as long as it is used for machining and is subject to numerical control. Two or more drive units 224 may be provided.

検知部225は、加工機200で発生する物理量を検知し、検知した物理量の情報を検知情報(センサデータ)として診断装置100へ出力する機能部である。加工機200で発生する物理量としては、加工機200で発生する振動または音等である。このような振動または音等は、例えば、加工機200に設置された工具と加工対象とが加工動作中に接触することにより発生する。または、このような振動または音等は、工具もしくは加工機200自体により発せられる。検知部225の個数は任意である。例えば、同一の物理量を検知する複数の検知部225を備えてもよいし、相互に異なる物理量を検知する複数の検知部225を備えてもよい。例えば、加工に用いる工具である刃の折れ、および、刃のチッピング等が発生すると、加工時の振動や音が変化する。このため、検知部225で振動データや音響データを検知し、正常な振動や音を判断するモデル等を用いて判断することにより、加工機200の動作の異常が検知可能となる。   The detection unit 225 is a functional unit that detects a physical quantity generated by the processing machine 200 and outputs information on the detected physical quantity to the diagnosis apparatus 100 as detection information (sensor data). The physical quantity generated by the processing machine 200 is vibration or sound generated by the processing machine 200. Such vibration or sound is generated, for example, when a tool installed in the processing machine 200 and a processing target come into contact during the processing operation. Alternatively, such vibration or sound is generated by the tool or the processing machine 200 itself. The number of detection units 225 is arbitrary. For example, a plurality of detection units 225 that detect the same physical quantity may be provided, or a plurality of detection units 225 that detect different physical quantities may be provided. For example, when a blade that is a tool used for machining breaks, a chipping of the blade, or the like occurs, vibration and sound during machining change. For this reason, it is possible to detect an abnormality in the operation of the processing machine 200 by detecting vibration data and acoustic data with the detection unit 225 and making a determination using a model that determines normal vibration and sound.

診断装置100は、通信制御部111と、検知情報受信部112と、加工情報取得部101と、特徴抽出部102と、生成部103と、第1の識別部104と、第2の識別部105と、異常判定部106と、記憶部113と、入力部114と、表示制御部107と、表示部115と、を有する。   The diagnostic apparatus 100 includes a communication control unit 111, a detection information reception unit 112, a processing information acquisition unit 101, a feature extraction unit 102, a generation unit 103, a first identification unit 104, and a second identification unit 105. An abnormality determination unit 106, a storage unit 113, an input unit 114, a display control unit 107, and a display unit 115.

通信制御部111は、加工機200との間の通信を制御する機能部である。例えば、通信制御部111は、加工機200の数値制御部201から、通信制御部221を介して、コンテキスト情報を受信する。   The communication control unit 111 is a functional unit that controls communication with the processing machine 200. For example, the communication control unit 111 receives context information from the numerical control unit 201 of the processing machine 200 via the communication control unit 221.

第1取得部としての検知情報受信部112は、加工機200に設置された検知部225から検知情報を受信する機能部である。   The detection information receiving unit 112 as a first acquisition unit is a functional unit that receives detection information from the detection unit 225 installed in the processing machine 200.

第2取得部としての加工情報取得部101は、加工機200から、通信制御部111により受信されたコンテキスト情報(加工情報)を取得する機能部である。   The processing information acquisition unit 101 as a second acquisition unit is a functional unit that acquires context information (processing information) received by the communication control unit 111 from the processing machine 200.

抽出部としての特徴抽出部102は、種々の判定で用いる特徴情報を、検知情報から抽出する機能部である。例えば、特徴情報は、コンテキスト情報に含まれるラダー信号がONになっている区間、つまり、工具送り区間から、非加工区間と加工区間とを識別するときに用いられる。また、加工機200が正常なときに取得された特徴情報は、後述する生成部103によりモデルが生成されるときに用いられる。また、加工機200の異常判定を行うために取得された加工区間における特徴情報は、生成部103により生成されたモデルと比較されて異常判定に用いられる。   The feature extraction unit 102 as an extraction unit is a functional unit that extracts feature information used in various determinations from detection information. For example, the feature information is used when identifying a non-machining section and a machining section from a section where a ladder signal included in the context information is ON, that is, a tool feed section. The feature information acquired when the processing machine 200 is normal is used when a model is generated by the generation unit 103 described later. Further, the feature information in the machining section acquired for determining the abnormality of the processing machine 200 is compared with the model generated by the generation unit 103 and used for abnormality determination.

生成部103は、種々の判定に用いられるモデルを上述の特徴情報から生成する機能部である。例えば、非加工区間の特徴情報から生成されたモデルは、非加工区間と加工区間とを識別するときに用いられる。また、加工機200が正常なときに取得された加工区間の特徴情報から生成されたモデルは、加工が正常に行われたことの判定に用いられる。   The generation unit 103 is a functional unit that generates models used for various determinations from the above-described feature information. For example, a model generated from the feature information of the non-processed section is used when identifying the non-processed section and the processed section. In addition, the model generated from the feature information of the machining section acquired when the processing machine 200 is normal is used for determining that the machining has been normally performed.

第1の識別部104は、加工機200での加工初期において、非加工区間から加工区間を識別する機能部である。加工機200の立ち上げ後や工具交換後の一定期間は、特徴情報や特徴情報から生成されるモデル等、非加工区間から加工区間を識別するためのデータが充分にあるとはいえない。第1の識別部104は、少ないデータを用いて、加工区間を推定する。かかる機能を実現するため、第1の識別部104は、選択部104aと、算出部104bと、区間判定部104cと、を備える。   The first identification unit 104 is a functional unit that identifies a machining section from a non-machining section at the initial stage of machining by the processing machine 200. For a certain period after the processing machine 200 is started up or after tool change, it cannot be said that there is sufficient data for identifying the machining section from the non-machining section, such as feature information and a model generated from the feature information. The first identification unit 104 estimates a machining section using a small amount of data. In order to realize such a function, the first identification unit 104 includes a selection unit 104a, a calculation unit 104b, and a section determination unit 104c.

選択部104aは、特徴抽出部102により抽出された特徴情報から、所定のフレームごとの特徴情報を選択する機能部である。選択部104aは、工具送り区間のうち、非加工区間の特徴情報を選択する。選択部104aは、また、非加工区間の特徴情報と比較するために、工具送り区間のうち、加工区間の可能性がある区間の特徴情報を対象特徴情報として選択する。選択された非加工区間の特徴情報からは、生成部103によりモデルが生成される。かかるモデルは、第1のモデルとしての非加工区間のモデルとして加工区間の識別に用いられる。   The selection unit 104 a is a functional unit that selects feature information for each predetermined frame from the feature information extracted by the feature extraction unit 102. The selection unit 104a selects feature information of a non-machining section in the tool feed section. The selection unit 104a also selects, as target feature information, feature information of a section that may be a machining section among tool feed sections in order to compare with feature information of a non-machining section. A model is generated by the generation unit 103 from the feature information of the selected non-processed section. Such a model is used for identifying a machining section as a model of a non-machining section as the first model.

算出部104bは、選択部104aにより選択された非加工区間の特徴情報から生成された非加工区間のモデルと対象特徴情報とを比較して、それぞれの対象特徴情報の加工区間らしさを算出する機能部である。モデルと対象特徴情報との比較としては、例えば、対象特徴情報のモデルからの外れ値を求める手法が用いられる。   The calculation unit 104b compares the model of the non-machined section generated from the feature information of the non-machined section selected by the selection unit 104a with the target feature information, and calculates the likelihood of the machined section of each target feature information Part. As a comparison between the model and the target feature information, for example, a method for obtaining an outlier from the model of the target feature information is used.

区間判定部104cは、算出部104bにより算出された加工区間らしさに対して閾値判定を行う機能部である。加工区間と判定された区間の特徴情報は加工区間の特徴情報として確定される。この特徴情報からは、例えば、生成部103によりモデルが生成される。かかるモデルは、加工区間のモデルとして異常判定に用いられる。   The section determination unit 104c is a functional unit that performs threshold determination on the likelihood of the machining section calculated by the calculation unit 104b. The feature information of the section determined as the processing section is determined as the feature information of the processing section. From this feature information, for example, a model is generated by the generation unit 103. Such a model is used for abnormality determination as a model of a machining section.

第2の識別部105は、非加工区間と加工区間とを識別するための充分なデータが得られた後に、非加工区間と加工区間とを識別する機能部である。かかる機能を実現するため、第2の識別部105は、選択部105aと、算出部105bと、区間判定部105cと、特徴情報収集部105dと、を備える。   The second identification unit 105 is a functional unit that identifies a non-machining section and a machining section after sufficient data for identifying the non-machining section and the machining section is obtained. In order to realize such a function, the second identification unit 105 includes a selection unit 105a, a calculation unit 105b, a section determination unit 105c, and a feature information collection unit 105d.

特徴情報収集部105dは、加工機200での加工初期において、特徴抽出部102により抽出された非加工区間および加工区間の特徴情報を収集する。充分な特徴情報が収集された後は、これらの特徴情報から、それぞれ生成部103により第2のモデルとしての非加工区間のモデル、及び第3のモデルとしての加工区間のモデルが生成される。これらのモデルは非加工区間および加工区間の識別に用いられる。   The feature information collection unit 105d collects feature information of the non-processing section and the processing section extracted by the feature extraction unit 102 in the initial stage of processing by the processing machine 200. After sufficient feature information is collected, a non-machined section model as a second model and a machined section model as a third model are generated from the feature information by the generating unit 103, respectively. These models are used to identify non-machined sections and machined sections.

選択部105aは、特徴抽出部102により抽出された特徴情報から、所定のフレームごとの特徴情報を選択する機能部である。選択部105aは、工具送り区間のうち、非加工区間の特徴情報を選択する。選択部105aは、また、非加工区間の特徴情報と比較するために、工具送り区間のうち、加工区間の可能性がある区間の特徴情報を対象特徴情報として選択する。   The selection unit 105 a is a functional unit that selects feature information for each predetermined frame from the feature information extracted by the feature extraction unit 102. The selection unit 105a selects feature information of a non-machining section in the tool feed section. The selection unit 105a also selects, as target feature information, feature information of a section that may be a machining section among tool feed sections in order to compare with feature information of a non-machining section.

算出部105bは、特徴情報収集部105dにより収集された特徴情報から生成されたモデルと対象特徴情報とを比較して、それぞれの対象特徴情報の加工区間らしさを算出する機能部である。非加工区間の特徴情報から生成されたモデルと対象特徴情報との比較としては、例えば、対象特徴情報のモデルからの外れ値を求める手法が用いられる。加工区間の特徴情報から生成されたモデルと対象特徴情報との比較としては、例えば、対象特徴情報のモデルとの近似値を求める手法が用いられる。   The calculation unit 105b is a functional unit that compares the model generated from the feature information collected by the feature information collection unit 105d with the target feature information and calculates the processing section likelihood of each target feature information. As a comparison between the model generated from the feature information of the non-processed section and the target feature information, for example, a method for obtaining an outlier from the model of the target feature information is used. As a comparison between the model generated from the feature information of the machining section and the target feature information, for example, a method for obtaining an approximate value of the model of the target feature information is used.

区間判定部105cは、算出部105bにより算出された加工区間らしさに対して閾値判定を行う機能部である。加工区間と判定された区間の特徴情報は加工区間の特徴情報として確定される。   The section determination unit 105c is a functional unit that performs threshold determination on the likelihood of the machining section calculated by the calculation unit 105b. The feature information of the section determined as the processing section is determined as the feature information of the processing section.

異常判定部106は、特徴抽出部102により抽出された異常判定の対象となる特徴情報と、生成部103により生成された加工区間ごとのモデルと、を用いて、加工機200の動作が正常であるか否かを判定する機能部である。   The abnormality determination unit 106 uses the feature information to be subjected to abnormality determination extracted by the feature extraction unit 102 and the model for each machining section generated by the generation unit 103, and the operation of the processing machine 200 is normal. It is a functional unit that determines whether or not there is.

記憶部113は、生成部103により生成されたモデルをコンテキスト情報と関連付けて記憶する機能部である。また、記憶部113は、検知情報受信部112により取得された検知情報をコンテキスト情報と関連付けて記憶する。   The storage unit 113 is a functional unit that stores the model generated by the generation unit 103 in association with the context information. In addition, the storage unit 113 stores the detection information acquired by the detection information reception unit 112 in association with the context information.

入力部114は、文字および数字等の入力、各種指示の選択、ならびにカーソルの移動等の操作を行う機能部である。   The input unit 114 is a functional unit that performs operations such as inputting characters and numbers, selecting various instructions, and moving a cursor.

表示制御部107は、表示部115の表示動作を制御する機能部である。具体的には、表示制御部107は、例えば、異常判定部106による異常判定の結果等を、表示部115に表示させる。表示部115は、表示制御部107による制御に従って各種情報を表示する機能部である。   The display control unit 107 is a functional unit that controls the display operation of the display unit 115. Specifically, the display control unit 107 causes the display unit 115 to display the result of abnormality determination by the abnormality determination unit 106, for example. The display unit 115 is a functional unit that displays various types of information according to control by the display control unit 107.

なお、診断装置100および加工機200それぞれの機能部は、機能を概念的に示したものであって、このような構成に限定されるものではない。例えば、図1で独立した機能部として図示した複数の機能部を、1つの機能部として構成してもよい。一方、図1の1つの機能部が有する機能を複数に分割し、複数の機能部として構成してもよい。   In addition, each function part of the diagnostic apparatus 100 and the processing machine 200 has shown the function notionally, and is not limited to such a structure. For example, a plurality of functional units illustrated as independent functional units in FIG. 1 may be configured as one functional unit. On the other hand, the function of one function unit in FIG. 1 may be divided into a plurality of functions and configured as a plurality of function units.

また、加工機200と診断装置100とは、どのような接続形態で接続されてもよい。例えば、加工機200と診断装置100とは、専用の接続線、有線LAN(Local Area Network)等の有線ネットワーク、または、無線ネットワーク等により接続されていてもよい。   Moreover, the processing machine 200 and the diagnostic apparatus 100 may be connected in any connection form. For example, the processing machine 200 and the diagnostic apparatus 100 may be connected by a dedicated connection line, a wired network such as a wired LAN (Local Area Network), a wireless network, or the like.

また、図1には1台の加工機200が診断装置100に接続されている例が示されているが、これに限定されるものではなく、複数台の加工機200が診断装置100に対して、それぞれ通信可能となるように接続されていてもよい。   FIG. 1 shows an example in which one processing machine 200 is connected to the diagnostic apparatus 100. However, the present invention is not limited to this, and a plurality of processing machines 200 are connected to the diagnostic apparatus 100. And may be connected so that they can communicate with each other.

(加工機のハードウェア構成)
次に、図2を用い、実施形態の加工機200のハードウェア構成例について説明する。図2は、実施形態にかかる加工機200のハードウェア構成の一例を示す図である。
(Processing machine hardware configuration)
Next, a hardware configuration example of the processing machine 200 according to the embodiment will be described with reference to FIG. FIG. 2 is a diagram illustrating an example of a hardware configuration of the processing machine 200 according to the embodiment.

図2に示すように、加工機200は、CPU(Central Processing Unit)20と、ROM(Read Only Memory)20aと、RAM(Random Access Memory)20bと、通信I/F(インターフェース)21と、駆動制御回路23と、がバス2Bで通信可能に接続された構成となっている。   As shown in FIG. 2, the processing machine 200 includes a CPU (Central Processing Unit) 20, a ROM (Read Only Memory) 20a, a RAM (Random Access Memory) 20b, a communication I / F (interface) 21, and a drive. The control circuit 23 is connected to be communicable with the bus 2B.

CPU20は、加工機200の全体を制御する演算装置である。CPU20は、例えば、RAM20bをワークエリア(作業領域)としてROM20a等に格納されたプログラムを実行することで、加工機200全体の動作を制御し、加工機能を実現する。図1の数値制御部201は、例えば、CPU20で動作するプログラムによって実現される。   The CPU 20 is an arithmetic device that controls the entire processing machine 200. For example, the CPU 20 executes a program stored in the ROM 20a or the like using the RAM 20b as a work area (working area), thereby controlling the operation of the entire processing machine 200 and realizing a processing function. The numerical control unit 201 in FIG. 1 is realized by, for example, a program that runs on the CPU 20.

通信I/F21は、診断装置100等の外部装置との通信に用いられるインターフェースである。通信I/F21は、例えば、TCP(Transmission Control Protocol)/IP(Internet Protocol)に対応したNIC(Network Interface Card)等である。図1の通信制御部221は、例えば、通信I/F21、およびCPU20で動作するプログラムによって実現される。   The communication I / F 21 is an interface used for communication with an external device such as the diagnostic device 100. The communication I / F 21 is, for example, a NIC (Network Interface Card) corresponding to TCP (Transmission Control Protocol) / IP (Internet Protocol). The communication control unit 221 in FIG. 1 is realized by, for example, the communication I / F 21 and a program that operates on the CPU 20.

駆動制御回路23は、モータ24の駆動を制御する回路である。モータ24は、加工に用いる工具24aを駆動する。工具24aには、ドリル、エンドミル、バイトチップ、砥石等、および、加工対象が載置され加工に合わせて移動されるテーブル等が含まれる。図1の駆動制御部223は、例えば、駆動制御回路23によって実現される。図1の駆動部224は、例えば、モータ24によって実現される。   The drive control circuit 23 is a circuit that controls driving of the motor 24. The motor 24 drives a tool 24a used for processing. The tool 24a includes a drill, an end mill, a bite tip, a grindstone, and a table on which a processing target is placed and moved according to processing. The drive control unit 223 in FIG. 1 is realized by the drive control circuit 23, for example. The drive unit 224 in FIG. 1 is realized by a motor 24, for example.

センサ25は、例えば、マイクデバイス、振動センサ、加速度センサ、またはAE(Acoustic Emission)センサ等で構成され、例えば、振動または音等が検出できる工具の近傍に設置される。センサ25が接続されたセンサアンプ25aは、診断装置100に通信可能に接続されている。センサ25およびセンサアンプ25aは、加工機200に予め備えられていてもよく、または、完成機械である加工機200に対して後から取り付けられてもよい。また、センサアンプ25aは、加工機200に設置されることに限定されるものではなく、診断装置100側に設置されていてもよい。図1の検知部225は、例えば、センサ25及びセンサアンプ25aによって実現される。   The sensor 25 is composed of, for example, a microphone device, a vibration sensor, an acceleration sensor, an AE (Acoustic Emission) sensor, or the like, and is installed in the vicinity of a tool capable of detecting vibration or sound, for example. The sensor amplifier 25a to which the sensor 25 is connected is connected to the diagnostic device 100 so as to be communicable. The sensor 25 and the sensor amplifier 25a may be provided in the processing machine 200 in advance, or may be attached later to the processing machine 200 that is a completed machine. In addition, the sensor amplifier 25a is not limited to being installed on the processing machine 200, and may be installed on the diagnostic device 100 side. The detection unit 225 in FIG. 1 is realized by, for example, the sensor 25 and the sensor amplifier 25a.

なお、図2に示したハードウェア構成は一例であり、加工機200がすべての構成機器を備えている必要はなく、また、他の構成機器を備えていてもよい。例えば、図1に示す数値制御部201および通信制御部221は、図2に示すCPU20にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよく、IC(Integrated Circuit)等のハードウェアにより実現してもよく、または、ソフトウェアおよびハードウェアを併用して実現してもよい。   Note that the hardware configuration shown in FIG. 2 is an example, and the processing machine 200 does not have to include all the component devices, and may include other component devices. For example, the numerical control unit 201 and the communication control unit 221 illustrated in FIG. 1 may be implemented by causing the CPU 20 illustrated in FIG. 2 to execute a program, that is, by software, or by hardware such as an IC (Integrated Circuit). Alternatively, it may be realized by using a combination of software and hardware.

(診断装置のハードウェア構成)
次に、図3を用い、実施形態の診断装置100のハードウェア構成例について説明する。図3は、実施形態にかかる診断装置100のハードウェア構成の一例を示す図である。
(Hardware configuration of diagnostic device)
Next, a hardware configuration example of the diagnostic apparatus 100 according to the embodiment will be described with reference to FIG. FIG. 3 is a diagram illustrating an example of a hardware configuration of the diagnostic apparatus 100 according to the embodiment.

図3に示すように、診断装置100は、CPU10と、ROM10aと、RAM10bと、通信I/F11と、センサI/F12と、補助記憶装置13と、入力装置14と、ディスプレイ15と、がバス1Bで通信可能に接続された構成となっている。   As illustrated in FIG. 3, the diagnostic device 100 includes a CPU 10, a ROM 10 a, a RAM 10 b, a communication I / F 11, a sensor I / F 12, an auxiliary storage device 13, an input device 14, and a display 15. 1B is configured to be communicable.

CPU10は、診断装置100の全体を制御する演算装置である。CPU10は、例えば、RAM10bをワークエリア(作業領域)としてROM10a等に格納されたプログラムを実行することで、診断装置100全体の動作を制御し、診断機能を実現する。図1の加工情報取得部101、特徴抽出部102、生成部103、第1の識別部104、第2の識別部105、異常判定部106、および表示制御部107は、例えば、CPU10で動作するプログラムによって実現される。   The CPU 10 is an arithmetic device that controls the entire diagnostic device 100. For example, the CPU 10 executes a program stored in the ROM 10a or the like using the RAM 10b as a work area (working area), thereby controlling the operation of the entire diagnostic device 100 and realizing a diagnostic function. The processing information acquisition unit 101, the feature extraction unit 102, the generation unit 103, the first identification unit 104, the second identification unit 105, the abnormality determination unit 106, and the display control unit 107 in FIG. Realized by the program.

通信I/F11は、加工機200等の外部装置との通信に用いられるインターフェースである。通信I/F11は、例えば、TCP/IPに対応したNIC等である。図1の通信制御部111は、例えば、図3に示す通信I/F11、およびCPU10で動作するプログラムによって実現される。   The communication I / F 11 is an interface used for communication with an external device such as the processing machine 200. The communication I / F 11 is, for example, a NIC that supports TCP / IP. The communication control unit 111 in FIG. 1 is realized by, for example, the communication I / F 11 illustrated in FIG.

センサI/F12は、加工機200に設置されたセンサ25からセンサアンプ25aを介して検知情報を受信するインターフェースである。図1の検知情報受信部112は、例えば、センサI/F12、およびCPU10で動作するプログラムによって実現される。   The sensor I / F 12 is an interface that receives detection information from the sensor 25 installed in the processing machine 200 via the sensor amplifier 25a. The detection information receiving unit 112 in FIG. 1 is realized by, for example, a program that operates on the sensor I / F 12 and the CPU 10.

補助記憶装置13は、診断装置100の設定情報、加工機200から受信された検知情報およびコンテキスト情報、OS(Operating System)、およびアプリケーションプログラム等の各種データを記憶するHDD(Hard Disk Drive)、SSD(Solid State Drive)、またはEEPROM(Electrically Erasable Programmable Read−Only Memory)等の不揮発性の記憶装置である。なお、補助記憶装置13は、診断装置100が備えるものとしているが、これに限定されるものではなく、例えば、診断装置100の外部に設置された記憶装置であってもよく、または、診断装置100とデータ通信可能なサーバ装置が備えた記憶装置であってもよい。図1の記憶部113は、例えば、RAM10bおよび補助記憶装置13等によって実現される。   The auxiliary storage device 13 is an HDD (Hard Disk Drive), SSD that stores various data such as setting information of the diagnostic device 100, detection information and context information received from the processing machine 200, OS (Operating System), and application programs. (Solid State Drive) or EEPROM (Electrically Erasable Programmable Read-Only Memory) or the like. The auxiliary storage device 13 is included in the diagnostic device 100, but is not limited thereto. For example, the auxiliary storage device 13 may be a storage device installed outside the diagnostic device 100, or the diagnostic device. 100 may be a storage device included in a server device capable of data communication with 100. The storage unit 113 in FIG. 1 is realized by, for example, the RAM 10b, the auxiliary storage device 13, and the like.

入力装置14は、文字および数字等の入力、各種指示の選択、ならびにカーソルの移動等の操作を行うマウスまたはキーボード等の入力装置である。図1の入力部114は、例えば、入力装置14によって実現される。   The input device 14 is an input device such as a mouse or a keyboard that performs operations such as inputting characters and numbers, selecting various instructions, and moving a cursor. The input unit 114 in FIG. 1 is realized by the input device 14, for example.

ディスプレイ15は、文字、数字、および各種画面および操作用アイコン等を表示するCRT(Cathode Ray Tube)ディスプレイ、LCD(Liquid Crystal Display)、または有機EL(Electro−Luminescence)ディスプレイ等の表示装置である。図1の表示部115は、例えば、ディスプレイ15によって実現される。   The display 15 is a display device such as a CRT (Cathode Ray Tube) display, an LCD (Liquid Crystal Display), or an organic EL (Electro-Luminescence) display that displays characters, numbers, various screens, operation icons, and the like. The display unit 115 in FIG. 1 is realized by, for example, the display 15.

なお、図3に示したハードウェア構成は一例であり、診断装置100がすべての構成機器を備えている必要はなく、また、他の構成機器を備えていてもよい。例えば、図1に示した診断装置100の各機能部(加工情報取得部101、特徴抽出部102、生成部103、第1の識別部104、第2の識別部105、異常判定部106、および表示制御部107)は、CPU10にプログラムを実行させること、すなわち、ソフトウェアにより実現してもよく、IC等のハードウェアにより実現してもよく、または、ソフトウェアおよびハードウェアを併用して実現してもよい。また、診断装置100が加工機200の診断動作に特化し、診断結果を外部のサーバ装置等に送信する場合、入力装置14およびディスプレイ15は備えられていない構成としてもよい。   Note that the hardware configuration illustrated in FIG. 3 is an example, and the diagnosis apparatus 100 does not have to include all the component devices, and may include other component devices. For example, each functional unit (processing information acquisition unit 101, feature extraction unit 102, generation unit 103, first identification unit 104, second identification unit 105, abnormality determination unit 106, and diagnosis unit 100 shown in FIG. The display control unit 107) causes the CPU 10 to execute a program, that is, may be realized by software, may be realized by hardware such as an IC, or may be realized by using software and hardware together. Also good. Further, when the diagnostic device 100 specializes in the diagnostic operation of the processing machine 200 and transmits the diagnostic result to an external server device or the like, the input device 14 and the display 15 may not be provided.

(第1の識別部の動作例)
次に、図4〜図9を用い、第1の識別部104の動作例について説明する。第1の識別部104は非加工区間から加工区間を識別する。第1の識別部104が非加工区間から加工区間を識別するにあたり、特徴抽出部102が非加工区間の検知情報から特徴情報を抽出する。
(Example of operation of first identification unit)
Next, an operation example of the first identification unit 104 will be described with reference to FIGS. The 1st identification part 104 identifies a process area from a non-process area. When the first identification unit 104 identifies the machining section from the non-machining section, the feature extraction unit 102 extracts feature information from the detection information of the non-machining section.

図4は、実施形態にかかる加工機200の検知情報およびラダー信号の一例を示す図である。図4に示すように、センサデータ(検知情報)には、非加工区間を示す波形部分、および、加工区間を示す波形部分が含まれる。非加工区間は、工具が加工対象に接触する前後の区間である。加工区間は、工具が加工対象に接触して実際の加工処理を行っている区間である。   FIG. 4 is a diagram illustrating an example of detection information and a ladder signal of the processing machine 200 according to the embodiment. As shown in FIG. 4, the sensor data (detection information) includes a waveform portion indicating a non-processing section and a waveform portion indicating a processing section. The non-machining section is a section before and after the tool contacts the machining target. The machining section is a section in which the tool is in contact with the machining target and performing an actual machining process.

一方、加工機200は、例えば、工具による加工動作の開始時にラダー信号をONにし、工具を加工対象まで送り動作をさせ、実際の加工処理が終了したときにラダー信号をOFFとする。この場合、加工機200は、工具が加工対象に接触してからラダー信号をONさせているわけではない。このため、ラダー信号がON状態となっている工具送り区間には、工具が加工対象に接触していない区間である非加工区間と、工具が加工対象に接触して加工処理を行っている加工区間とが含まれることになる。   On the other hand, the processing machine 200, for example, turns on the ladder signal at the start of the machining operation by the tool, feeds the tool to the machining target, and turns off the ladder signal when the actual machining processing is completed. In this case, the processing machine 200 does not turn on the ladder signal after the tool contacts the processing target. For this reason, the tool feed section in which the ladder signal is in the ON state includes a non-machining section in which the tool is not in contact with the machining target and a machining process in which the tool is in contact with the machining target. Section.

加工条件等によっては加工対象と工具との距離がわからないため、このようなラダー信号に基づいて、加工区間を正確に判定することは困難な場合がある。ただし、加工機200の異常判定に際し、非加工区間の検知情報を含めてしまうと、判定の精度が低下する。そこで、実際に加工が行われている区間を精度よく推定する必要がある。   Since the distance between the object to be machined and the tool is not known depending on the machining conditions and the like, it may be difficult to accurately determine the machining section based on such a ladder signal. However, if the detection information of the non-machining section is included in the abnormality determination of the processing machine 200, the accuracy of the determination is lowered. Therefore, it is necessary to accurately estimate the section where the processing is actually performed.

特徴抽出部102は、例えば、検知情報が振動センサやマイクデバイスにより収集された周波数データである場合、エネルギー、周波数スペクトル、および、MFCC(メル周波数ケプストラム係数)等を特徴情報として抽出する。本実施形態では、抽出される特徴情報は、周波数スペクトルであるものとして説明する。   For example, when the detection information is frequency data collected by a vibration sensor or a microphone device, the feature extraction unit 102 extracts energy, frequency spectrum, MFCC (mel frequency cepstrum coefficient), and the like as feature information. In the present embodiment, the extracted feature information is assumed to be a frequency spectrum.

図5は、実施形態にかかる診断装置100が検知情報から抽出した特徴情報を周波数成分で例示する図である。図5に示す区間は、工具送り区間を1つ含む。つまり、図5の区間には、加工区間が1つ含まれる。特徴抽出部102は、1つの加工区間を推定するために、検知情報受信部112により受信される検知情報のうち、工具送り区間を1つ含む区間の検知情報から特徴情報を抽出する。   FIG. 5 is a diagram illustrating feature information extracted from detection information by the diagnostic apparatus 100 according to the embodiment as frequency components. The section shown in FIG. 5 includes one tool feed section. That is, the section of FIG. 5 includes one machining section. The feature extraction unit 102 extracts feature information from detection information of a section including one tool feed section among detection information received by the detection information reception unit 112 in order to estimate one machining section.

具体的には、特徴抽出部102は、例えば、検知情報に対してフレームごとにフーリエ変換を行うことによって特徴情報を抽出する。ここで、フレームとは、検知情報の所定時間(例えば、20[ms]、40[ms]等)のデータ量を示し、例えば、特徴情報が、検知情報に対してフーリエ変換されることにより得られる周波数スペクトルである場合の窓長のデータ量に相当する。図5に示す特徴情報は、対応する検知情報のフレームの時間に関連付けられている。加工区間の周波数スペクトルは、非加工区間の周波数スペクトルと相違する特徴を有する。ただし、図5では、非加工区間の特徴情報と加工区間の特徴情報との違いを模式的に示すため、非加工区間において周波数成分が図示されていない。このことは、非加工区間に周波数成分が存在しないことを示すわけではない。   Specifically, the feature extraction unit 102 extracts feature information, for example, by performing Fourier transform on the detection information for each frame. Here, the frame indicates the data amount of the detection information for a predetermined time (for example, 20 [ms], 40 [ms], etc.). For example, the frame is obtained by performing Fourier transform on the detection information. This corresponds to the data amount of the window length in the case of a frequency spectrum. The feature information shown in FIG. 5 is associated with the frame time of the corresponding detection information. The frequency spectrum of the processing section has a feature that is different from the frequency spectrum of the non-processing section. However, in FIG. 5, in order to schematically show the difference between the feature information of the non-machining section and the feature information of the machining section, the frequency component is not shown in the non-machining section. This does not indicate that there is no frequency component in the non-processed section.

第1の識別部104の選択部104aは、非加工区間のモデルを生成させるため、上記のように抽出された特徴情報から非加工区間の特徴情報を選択する。また、選択部104aは、非加工区間のモデルと比較させるため、上記のように抽出された特徴情報から対象特徴情報を選択する。   The selection unit 104a of the first identification unit 104 selects feature information of the non-machined section from the feature information extracted as described above in order to generate a model of the non-machined section. In addition, the selection unit 104a selects target feature information from the feature information extracted as described above in order to compare with the model of the non-processed section.

図6は、実施形態にかかる診断装置100が非加工区間および加工区間の特徴情報を選択する一例を説明する図である。図6においては、非加工区間の特徴情報において選択部分401のフレームに対応する特徴情報と、加工区間の特徴情報において選択部分402のフレームに対応する特徴情報とが選択されている。   FIG. 6 is a diagram illustrating an example in which the diagnosis apparatus 100 according to the embodiment selects feature information of a non-processing section and a processing section. In FIG. 6, feature information corresponding to the frame of the selected portion 401 is selected in the feature information of the non-processed section, and feature information corresponding to the frame of the selected portion 402 is selected in the feature information of the processed section.

非加工区間の特徴情報を選択する場合、選択部104aは、選択部分401のように、例えば、ラダー信号がOFF状態の区間の特徴情報を選択する。ただし、選択部104aによる非加工区間の特徴情報の選択はこれに限定されるものではない。例えば、ラダー信号がONした直後の区間も非加工区間である可能性が高いことから、選択部104aは、当該区間の特徴情報を選択してもよい。または、選択部104aは、非加工区間に含まれる特徴情報に対する機械学習によって生成された情報を非加工区間の特徴情報として選択してもよい。このように選択された非加工区間の特徴情報からは、生成部103によってモデルが生成される。   When selecting the feature information of the non-processed section, the selection unit 104a selects, for example, the feature information of the section where the ladder signal is in the OFF state, as in the selection portion 401. However, the selection of the feature information of the non-processed section by the selection unit 104a is not limited to this. For example, since there is a high possibility that the section immediately after the ladder signal is turned ON is also a non-processed section, the selection unit 104a may select the feature information of the section. Or the selection part 104a may select the information produced | generated by the machine learning with respect to the feature information contained in a non-processed area as the feature information of a non-processed area. A model is generated by the generation unit 103 from the feature information of the non-processed section selected in this way.

一方、加工区間の特徴情報を選択する場合、選択部104aは、選択部分402のように、例えば、ラダー信号がON状態となっている工具送り区間の後半部分の特徴情報を選択すればよい。工具送り区間の前半部分には、非加工区間が含まれ得るからである。選択部104aは、工具送り区間の前半部分において、非加工区間の特徴情報から生成されたモデルと比較するため、順次、フレーム単位で特徴情報を選択していく。なお、選択部104aが、順次、フレーム単位で特徴情報を選択する場合、各フレームが重複することを妨げるものではない。   On the other hand, when selecting the feature information of the machining section, the selection unit 104a may select the feature information of the latter half part of the tool feed section in which the ladder signal is in the ON state, as in the selection part 402, for example. This is because the first part of the tool feed section may include a non-machining section. The selection unit 104a sequentially selects feature information in units of frames in order to compare with a model generated from feature information of a non-machining section in the first half of the tool feed section. Note that when the selection unit 104a sequentially selects feature information in units of frames, it does not prevent each frame from overlapping.

図7は、実施形態にかかる診断装置100が非加工区間および加工区間から選択した特徴情報を周波数スペクトルで例示する図である。図7には、選択部分401のフレームに対応する特徴情報としての周波数スペクトル、および、選択部分402のフレームに対応する特徴情報としての周波数スペクトルが示されている。選択部分402の周波数スペクトルは、工具が加工対象に接触して加工処理を行っている加工区間での周波数スペクトルであるため、特定の周波数成分において振幅が大きい周波数スペクトルとなっている。一方、選択部分401の周波数スペクトルは、工具が加工対象に接触していない非加工区間での周波数スペクトルであるため、全体的に振幅が小さい周波数スペクトルとなっている。   FIG. 7 is a diagram illustrating feature information selected from the non-processing section and the processing section by the diagnosis apparatus 100 according to the embodiment using a frequency spectrum. FIG. 7 shows a frequency spectrum as feature information corresponding to the frame of the selected portion 401 and a frequency spectrum as feature information corresponding to the frame of the selected portion 402. Since the frequency spectrum of the selected portion 402 is a frequency spectrum in a machining section where the tool is in contact with the machining target and performing machining, the frequency spectrum has a large amplitude in a specific frequency component. On the other hand, the frequency spectrum of the selection portion 401 is a frequency spectrum in a non-machining section where the tool is not in contact with the machining target, and thus has a small amplitude overall.

第1の識別部104の算出部104bは、非加工区間に対応するモデルと、加工区間の可能性がある区間の対象特徴情報とを比較して、それぞれの対象特徴情報の加工区間らしさを算出する。かかるモデルと対象特徴情報との比較方法としては、ユークリッド距離を求めて比較する方法の他、相互相関係数またはGMM(Gaussian Mixture Model)等の機械学習が用いられる。   The calculation unit 104b of the first identification unit 104 compares the model corresponding to the non-machining section with target feature information of a section that may be a processing section, and calculates the processing section likelihood of each target feature information. To do. As a method for comparing the model with the target feature information, machine learning such as a cross-correlation coefficient or GMM (Gaussian Mixture Model) is used in addition to a method of obtaining and comparing the Euclidean distance.

図8は、実施形態にかかる診断装置100がユークリッド距離から加工区間らしさを算出した一例を示す図である。図8においては、加工区間らしさが「1」に近いほど、加工区間の尤もらしさが高いことを示す。加工区間らしさは、雑音を含む検知情報から抽出された特徴情報から算出されるので、図8に示すように、ばらつきを含む値となる。   FIG. 8 is a diagram illustrating an example in which the diagnostic device 100 according to the embodiment calculates the likelihood of the machining section from the Euclidean distance. In FIG. 8, the closer the machining section likelihood is to “1”, the higher the likelihood of the processing section. Since the processing section likelihood is calculated from the feature information extracted from the detection information including noise, as shown in FIG.

第1の識別部104の区間判定部104cは、算出部104bにより算出された個々の特徴情報の加工区間らしさが所定の閾値よりも大きいか否かを判定する。   The section determination unit 104c of the first identification unit 104 determines whether or not the processing section likelihood of each feature information calculated by the calculation unit 104b is larger than a predetermined threshold.

図9は、実施形態にかかる診断装置100が算出した加工区間らしさから加工区間を推定する動作を説明する図である。図9に示すように、区間判定部104cは、加工区間らしさが所定の閾値よりも大きい「推定される加工区間」を加工区間として推定する。区間判定部104cは、逆に、加工区間らしさが閾値よりも小さい区間を非加工区間として推定する。なお、加工区間を推定するために、区間判定部104cは、加工区間らしさに対して閾値判定を行っているが、これに限定されるものではなく、例えば、統計的な手法を用いて、加工区間らしさに対して判定を行ってもよい。   FIG. 9 is a diagram for explaining an operation of estimating the machining section from the machining section likelihood calculated by the diagnosis apparatus 100 according to the embodiment. As illustrated in FIG. 9, the section determination unit 104c estimates an “estimated processing section” whose processing section likelihood is larger than a predetermined threshold as a processing section. Conversely, the section determination unit 104c estimates a section whose processing section likelihood is smaller than the threshold as a non-processing section. In order to estimate the machining section, the section determination unit 104c performs threshold determination on the likelihood of the machining section, but the present invention is not limited to this, and for example, using a statistical method, You may perform determination with respect to a section likeness.

第1の識別部104は、このように区間判定部104cによって加工区間らしさが所定の閾値よりも大きいと判定された区間を、加工区間として推定する。   The first identification unit 104 estimates a section in which the section determination unit 104c determines that the processing section likelihood is larger than a predetermined threshold as the processing section.

(第2の識別部の動作例)
次に、図7〜図9を援用して、第2の識別部105の動作例について説明する。第2の識別部105は、第1の識別部104による識別結果を利用して、非加工区間と加工区間とを識別する。
(Example of operation of second identification unit)
Next, an operation example of the second identification unit 105 will be described with reference to FIGS. The second identifying unit 105 identifies the non-processed section and the processed section using the identification result obtained by the first identifying unit 104.

第2の識別部105の特徴情報収集部105dは、第1の識別部104による識別結果から特定される非加工区間および加工区間の特徴情報を収集する。加工機200の立ち上げ後や工具交換後の一定期間が経過すると、図7に示す特徴情報が所定数、収集される。特徴情報収集部105dは、それぞれの特徴情報からモデルを生成するだけの充分なデータ数が得られたらフラグを立てる。このフラグをトリガとして、収集された所定数の特徴情報からは、生成部103により、それぞれ非加工区間のモデル、及び加工区間のモデルが生成される。   The feature information collection unit 105d of the second identification unit 105 collects the feature information of the non-processing section and the processing section specified from the identification result by the first identification unit 104. When a certain period of time elapses after the processing machine 200 is started up or after tool replacement, a predetermined number of feature information shown in FIG. 7 is collected. The feature information collection unit 105d sets a flag when a sufficient number of data is generated to generate a model from each feature information. Using this flag as a trigger, the generation unit 103 generates a non-machined section model and a machined section model from a predetermined number of collected feature information.

第2の識別部105の選択部105aは、非加工区間の検知情報に基づき抽出された特徴情報を選択する。また、選択部105aは、加工区間の可能性がある区間の検知情報に基づき抽出された特徴情報を選択する。つまり、選択部105aは、図7における選択部分401のフレームに対応する特徴情報と、選択部分402のフレームに対応する特徴情報とを選択する。   The selection unit 105a of the second identification unit 105 selects feature information extracted based on the detection information of the non-processed section. Further, the selection unit 105a selects feature information extracted based on detection information of a section that may be a processing section. That is, the selection unit 105a selects the feature information corresponding to the frame of the selection portion 401 and the feature information corresponding to the frame of the selection portion 402 in FIG.

第2の識別部105の算出部105bは、非加工区間のモデルと、選択部105aにより選択された複数の特徴情報とを比較し、それぞれの特徴情報の加工区間らしさを算出する。また、算出部105bは、加工区間のモデルと、上記の特徴情報とを比較し、それぞれの特徴情報の加工区間らしさを算出する。つまり、個々の特徴情報は、図8に示すように、非加工区間のモデル及び加工区間のモデルの両方と比較され、加工区間らしさを算出される。   The calculation unit 105b of the second identification unit 105 compares the model of the non-processed section with the plurality of feature information selected by the selection unit 105a, and calculates the processing section likelihood of each feature information. In addition, the calculation unit 105b compares the model of the machining section with the feature information described above, and calculates the likelihood of the machining section of each feature information. That is, as shown in FIG. 8, each feature information is compared with both the non-machined section model and the machined section model, and the machining section likelihood is calculated.

第2の識別部105の区間判定部105cは、図9に示すように、算出部105bにより算出された個々の特徴情報の加工区間らしさが所定の閾値よりも大きいか否かを判定する。   As shown in FIG. 9, the section determination unit 105c of the second identification unit 105 determines whether or not the processing section likelihood of each feature information calculated by the calculation unit 105b is larger than a predetermined threshold.

第2の識別部105は、区間判定部105cによって加工区間らしさが所定の閾値よりも大きいと判定された区間を、加工区間として推定する。   The second identification unit 105 estimates the section determined by the section determination unit 105c that the likelihood of the processing section is larger than a predetermined threshold as the processing section.

(加工初期の異常判定処理の例)
次に、図10および図11を用い、加工初期における加工機200の異常判定処理の例について説明する。図10は、実施形態にかかる診断装置100による加工初期の異常判定処理の手順の一例を示すフロー図である。
(Example of abnormality judgment processing at the initial stage of machining)
Next, an example of abnormality determination processing of the processing machine 200 at the initial stage of processing will be described with reference to FIGS. 10 and 11. FIG. 10 is a flowchart illustrating an example of a procedure of abnormality determination processing at an initial stage of machining by the diagnostic device 100 according to the embodiment.

異常判定に先駆けて、まずは、加工機200が正常な時のモデルが生成される。   Prior to the abnormality determination, first, a model when the processing machine 200 is normal is generated.

図10に示すように、ステップS110において、加工情報取得部101は、通信制御部111を介して加工機200からのコンテキスト情報を取得する。ステップS120において、検知情報受信部112は、検知部225からの検知情報を取得する。このとき取得されるコンテキスト情報および検知情報は、加工機200が正常に動作しているときの情報である。   As shown in FIG. 10, in step S <b> 110, the processing information acquisition unit 101 acquires context information from the processing machine 200 via the communication control unit 111. In step S120, the detection information receiving unit 112 acquires the detection information from the detection unit 225. The context information and detection information acquired at this time are information when the processing machine 200 is operating normally.

ステップS130において、特徴抽出部102は、ラダー信号による所定区間から、非加工区間と加工区間とを含む区間の特徴情報を抽出する。   In step S130, the feature extraction unit 102 extracts feature information of a section including a non-processed section and a processed section from a predetermined section based on a ladder signal.

ステップS140において、第1の識別部104は加工区間を推定する。   In step S140, the first identification unit 104 estimates a machining section.

ステップS150において、生成部103は、推定された加工区間の特徴量からモデルを生成する。   In step S150, the generation unit 103 generates a model from the estimated feature amount of the machining section.

ステップS160において、第1の識別部104は、第2の識別部105への切り替え判定を行う。具体的には、第1の識別部104は、第2の識別部105の特徴情報収集部105dにより充分なデータが収集されたことを示すフラグが立っているか否かを判定する。現段階においては、充分なデータ収集がなされていないので(No)、第1の識別部104は第2の識別部105への切り替えは行わず、ステップS101へと戻る。   In step S <b> 160, the first identification unit 104 determines to switch to the second identification unit 105. Specifically, the first identification unit 104 determines whether or not a flag indicating that sufficient data has been collected by the feature information collection unit 105d of the second identification unit 105 is set. Since sufficient data has not been collected at this stage (No), the first identification unit 104 does not switch to the second identification unit 105 and returns to step S101.

次に、診断装置100は、加工機200の異常判定を行う。   Next, the diagnostic apparatus 100 performs abnormality determination on the processing machine 200.

ステップS110,S120において、コンテキスト情報および検知情報が取得される。これらのコンテキスト情報および検知情報は、加工機200の異常判定が必要になったときに取得される。   In steps S110 and S120, context information and detection information are acquired. These context information and detection information are acquired when abnormality determination of the processing machine 200 becomes necessary.

ステップS130において、特徴抽出部102は、非加工区間と加工区間とを含む区間の特徴情報を抽出する。   In step S130, the feature extraction unit 102 extracts feature information of a section including a non-processed section and a processed section.

ステップS140において、第1の識別部104は加工区間を推定する。   In step S140, the first identification unit 104 estimates a machining section.

ステップS150において、異常判定部は、先に生成された正常時の加工区間のモデルと、今回取得された加工区間の検知情報に基づく特徴情報とを比較して、加工機200の異常判定を行う。   In step S <b> 150, the abnormality determination unit compares the previously generated normal machining section model with the feature information based on the currently acquired machining section detection information and performs abnormality determination on the processing machine 200. .

ステップS160において、第1の識別部104は、第2の識別部105への切り替え判定を行う。第2の識別部105の特徴情報収集部105dにより充分なデータが収集されたことを示すフラグが立っていれば(Yes)、第1の識別部104は第2の識別部105への切り替えを行う。   In step S <b> 160, the first identification unit 104 determines to switch to the second identification unit 105. If the flag indicating that sufficient data has been collected by the feature information collection unit 105d of the second identification unit 105 is set (Yes), the first identification unit 104 switches to the second identification unit 105. Do.

以上により、加工初期における加工機200の異常判定処理が終了する。これ以降、診断装置100は、第2の識別部105の機能により、非加工区間と加工区間とを識別し、異常判定を行う。   Thus, the abnormality determination process for the processing machine 200 in the initial stage of processing is completed. Thereafter, the diagnosis apparatus 100 identifies the non-processing section and the processing section by the function of the second identification unit 105, and performs abnormality determination.

次に、図11を用い、ステップS140の詳細について説明する。   Next, details of step S140 will be described with reference to FIG.

図11は、実施形態にかかる第1の識別部104による加工区間の推定処理の手順の一例を示すフロー図である。図11に示すように、ステップS141において、選択部104aは、非加工区間の特徴情報を選択する。ステップS142において、生成部103は、非加工区間の特徴情報から非加工区間のモデルを生成する。   FIG. 11 is a flowchart illustrating an example of a processing section estimation process performed by the first identification unit 104 according to the embodiment. As shown in FIG. 11, in step S141, the selection unit 104a selects feature information of a non-processed section. In step S142, the generation unit 103 generates a model of the non-machined section from the feature information of the non-machined section.

ステップS143において、選択部104aは加工区間の可能性のある区間から、順次、対象特徴情報を選択する。算出部104bは、これらの対象特徴情報と非加工区間のモデルとを比較し、外れ値を求める。ステップS144において、算出部104bは、さらに、それぞれの対象特徴情報について加工区間らしさを算出する。   In step S143, the selection unit 104a sequentially selects target feature information from sections that may be processing sections. The calculation unit 104b compares the target feature information with the model of the non-machined section, and obtains an outlier. In step S144, the calculation unit 104b further calculates the likelihood of the processing section for each target feature information.

ステップS145において、区間判定部104cは、加工区間らしさが所定の閾値よりも大きいと判定した区間を加工区間として推定する。   In step S145, the section determination unit 104c estimates, as a processing section, a section determined that the processing section likelihood is greater than a predetermined threshold.

以上により、第1の識別部104による加工区間の推定処理が終了する。   Thus, the processing section estimation process by the first identification unit 104 ends.

(所定期間経過後の異常判定処理の例)
加工初期から所定期間経過後は、第2の識別部105が非加工区間および加工区間の識別を行い、診断装置100によるモデルの生成および異常判定が行われる。
(Example of abnormality determination processing after a predetermined period of time)
After a predetermined period has elapsed since the beginning of machining, the second identification unit 105 identifies the non-machining section and the machining section, and the diagnostic device 100 generates a model and determines abnormality.

図12は、実施形態にかかる診断装置100による所定期間経過後の異常判定処理の手順の一例を示すフロー図である。ステップS200において、非加工区間および加工区間のモデルがそれぞれ生成される。かかるモデルは、特徴情報収集部105dにより収集された所定数の特徴情報から生成される。   FIG. 12 is a flowchart illustrating an example of a procedure of abnormality determination processing after a predetermined period has elapsed by the diagnostic apparatus 100 according to the embodiment. In step S200, models of the non-machining section and the machining section are generated. Such a model is generated from a predetermined number of feature information collected by the feature information collection unit 105d.

ステップS210,S220において、異常判定が必要な加工機200のコンテキスト情報および検知情報が取得される。   In steps S210 and S220, the context information and detection information of the processing machine 200 that requires abnormality determination are acquired.

ステップS230において、特徴抽出部102は、非加工区間と加工区間とを含む区間の特徴情報を抽出する。   In step S230, the feature extraction unit 102 extracts feature information of a section including a non-processed section and a processed section.

ステップS240において、第2の識別部105は加工区間を推定する。   In step S240, the second identification unit 105 estimates a machining section.

ステップS250において、異常判定部は、ステップS200で生成された加工区間のモデルと、ステップS220で取得された検知情報に基づく特徴情報とを比較して、加工機200の異常判定を行う。   In step S250, the abnormality determination unit compares the model of the machining section generated in step S200 with the feature information based on the detection information acquired in step S220, and determines abnormality of the processing machine 200.

以上により、所定期間経過後における加工機200の異常判定処理が終了する。   Thus, the abnormality determination process for the processing machine 200 after the predetermined period has elapsed.

次に、図13を用い、ステップS240の詳細について説明する。   Next, details of step S240 will be described with reference to FIG.

図13は、実施形態にかかる第2の識別部105による加工区間の推定処理の手順の一例を示すフロー図である。図13に示すように、ステップS421において、算出部105bは、図12のステップS200で生成された非加工区間のモデルと各対象特徴量とを比較する。また、ステップS200の加工区間のモデルと各対象特徴量とを比較し、それぞれの特徴情報についてモデルに対する近似値を求める。ステップS242において、算出部105bは、さらに、それぞれの対象特徴情報について加工区間らしさを算出する。   FIG. 13 is a flowchart illustrating an example of a processing section estimation process performed by the second identification unit 105 according to the embodiment. As shown in FIG. 13, in step S421, the calculation unit 105b compares the model of the non-processed section generated in step S200 of FIG. 12 with each target feature amount. Further, the model of the processing section in step S200 is compared with each target feature amount, and an approximate value for the model is obtained for each feature information. In step S242, the calculation unit 105b further calculates the likelihood of the processing section for each target feature information.

ステップS243において、区間判定部105cは、加工区間らしさが所定の閾値よりも大きいと判定した区間を、加工区間として推定する。   In step S243, the section determination unit 105c estimates, as a processing section, a section that has been determined that the processing section likelihood is greater than a predetermined threshold.

以上により、第2の識別部105による加工区間の推定処理が終了する。   Thus, the processing section estimation processing by the second identification unit 105 ends.

例えば、特許文献1の情報取得装置においては、主軸負荷等の機械情報の時系列データと、プログラム名、工具番号およびオペレータ操作によるオーバーライド値等の装置のイベントデータとを対応させて出力させる。これにより、加工動作の異常を検出している。しかしながら、装置のイベントデータから非加工区間と加工区間とを切り分けて、実際の加工区間を精度よく把握することが困難であった。   For example, in the information acquisition device of Patent Document 1, time-series data of machine information such as spindle load and the event data of the device such as a program name, a tool number, and an override value by an operator operation are output in association with each other. Thereby, an abnormality in the machining operation is detected. However, it is difficult to accurately grasp the actual machining section by separating the non-machining section and the machining section from the event data of the apparatus.

実施形態の診断装置100においては、加工初期においても、少ない特徴情報から非加工区間のモデルを生成し、非加工区間から加工区間を識別している。これにより、区間推定において所定の精度が得られる。   In the diagnosis apparatus 100 of the embodiment, even in the initial stage of machining, a model of a non-machined section is generated from a small amount of feature information, and the machined section is identified from the non-machined section. Thereby, predetermined accuracy is obtained in the section estimation.

また、実施形態の診断装置100においては、加工初期から所定期間経過した後は、それまでに得られた豊富な特徴情報に基づき非加工区間と加工区間の両方についてモデルを生成し、両区間の識別に利用する。これにより、実際の加工区間をいっそう精度よく把握することが可能となる。   Moreover, in the diagnostic apparatus 100 of the embodiment, after a predetermined period has elapsed from the initial stage of machining, models are generated for both the non-machined section and the machined section based on the abundant feature information obtained so far, Used for identification. This makes it possible to grasp the actual machining section with higher accuracy.

このように、実施形態の診断装置100においては、加工初期と所定期間経過後とにおいて、それぞれ適切なアルゴリズムを用いているので、より効率的な加工区間の推定を行うことができる。   As described above, in the diagnosis apparatus 100 according to the embodiment, since appropriate algorithms are used at the initial stage of machining and after a predetermined period, a more efficient machining section can be estimated.

また、加工機200においては、図14に示すように、同一の工具を用いた加工が複数回連続して行われることがある。図14においては、例えば、工程1−1と1−2とが同一であり、工程1−4〜1−6が同一であり、工程1−7〜1−9が同一である。かかる工程は、同一のコンテキスト情報に基づく加工となる。このような場合であっても、実施形態の第1の識別部104および第2の識別部105は、非加工区間と加工区間とを識別し、加工区間を精度よく推定することができる。   Moreover, in the processing machine 200, as shown in FIG. 14, the process using the same tool may be performed continuously several times. In FIG. 14, for example, steps 1-1 and 1-2 are the same, steps 1-4 to 1-6 are the same, and steps 1-7 to 1-9 are the same. Such a process is processing based on the same context information. Even in such a case, the first identification unit 104 and the second identification unit 105 of the embodiment can identify the non-processing section and the processing section and accurately estimate the processing section.

(変形例)
上述の実施形態では、第1の識別部104により非加工区間と加工区間とを区別するために非加工区間のモデルを生成するにあたり、実際の非加工区間の特徴情報を用いることとしたが、これに限られない。加工開始前に、被加工物が存在しない状態で加工機200を事前に動作させて特徴情報を取得してもよい。これを非加工区間における特徴情報として、非加工区間のモデルを生成することができる。
(Modification)
In the above-described embodiment, when generating the model of the non-machining section in order to distinguish the non-machining section and the machining section by the first identification unit 104, the feature information of the actual non-machining section is used. It is not limited to this. Before starting the processing, the feature information may be acquired by operating the processing machine 200 in advance in a state where there is no workpiece. Using this as feature information in the non-machined section, a model of the non-machined section can be generated.

上述の実施形態では、検知情報は、例えば、振動データまたは音響データ等であるとしたが、モータの電流値、負荷、トルク等、他のデータであっても検知情報として用いることができる。   In the above-described embodiment, the detection information is, for example, vibration data or acoustic data, but other data such as a motor current value, load, torque, and the like can be used as detection information.

上述の実施形態では、診断対象の装置を例えば加工機200であるとしたが、組立機、測定機、検査機、または洗浄機等の機械が対象装置であってもよい。   In the above-described embodiment, the apparatus to be diagnosed is the processing machine 200, for example, but a machine such as an assembly machine, a measuring machine, an inspection machine, or a washing machine may be the target apparatus.

なお、上述の実施形態および各変形例の診断システムで実行されるプログラムは、ROM等に予め組み込まれて提供するように構成してもよい。   Note that the program executed by the above-described embodiment and the diagnostic system of each modification may be configured to be provided by being incorporated in advance in a ROM or the like.

また、上述の実施形態および各変形例の診断システムで実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでCD−ROM(Compact Disc Read Only Memory)、フレキシブルディスク(FD)、CD−R(Compact Disk−Recordable)、DVD(Digital Versatile Disk)等のコンピュータで読み取り可能な記録媒体に記録してコンピュータ・プログラム・プロダクトとして提供するように構成してもよい。   In addition, the program executed in the above-described embodiment and the diagnostic system of each modified example is a file in an installable format or an executable format, and is a CD-ROM (Compact Disc Read Only Memory), a flexible disk (FD), a CD. -R (Compact Disk-Recordable), DVD (Digital Versatile Disk), and the like may be recorded on a computer-readable recording medium and provided as a computer program product.

また、上述の実施形態および各変形例の診断システムで実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成してもよい。また、上述の実施形態および各変形例の診断システムで実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成してもよい。   Further, the program executed by the diagnostic system of the above-described embodiment and each modification may be stored on a computer connected to a network such as the Internet and provided by being downloaded via the network. . Moreover, you may comprise so that the program run with the diagnostic system of the above-mentioned embodiment and each modification may be provided or distributed via networks, such as the internet.

また、上述の実施形態および各変形例の診断システムで実行されるプログラムは、上述した各機能部を含むモジュール構成となっており、実際のハードウェアとしてはCPU(プロセッサ)がROMからプログラムを読み出して実行することにより上述の各機能部が主記憶装置上にロードされ、各機能部が主記憶装置上に生成されるようになっている。   In addition, the program executed in the above-described embodiment and the diagnostic system of each modification has a module configuration including the above-described functional units, and as actual hardware, a CPU (processor) reads the program from the ROM. By executing the above, each function unit described above is loaded onto the main storage device, and each function unit is generated on the main storage device.

1 診断システム
1B バス
2B バス
10 CPU
10a ROM
10b RAM
11 通信I/F
12 センサI/F
13 補助記憶装置
14 入力装置
15 ディスプレイ
20 CPU
20a ROM
20b RAM
21 通信I/F
23 駆動制御回路
24 モータ
24a 工具
25 センサ
25a センサアンプ
100 診断装置
101 加工情報取得部
102 特徴抽出部
103 生成部
104 第1の識別部
105 第2の識別部
106 異常判定部
107 表示制御部
111 通信制御部
112 検知情報受信部
113 記憶部
114 入力部
115 表示部
200 加工機
201 数値制御部
221 通信制御部
223 駆動制御部
224 駆動部
225 検知部
1 diagnostic system 1B bus 2B bus 10 CPU
10a ROM
10b RAM
11 Communication I / F
12 Sensor I / F
13 Auxiliary storage device 14 Input device 15 Display 20 CPU
20a ROM
20b RAM
21 Communication I / F
DESCRIPTION OF SYMBOLS 23 Drive control circuit 24 Motor 24a Tool 25 Sensor 25a Sensor amplifier 100 Diagnosis apparatus 101 Processing information acquisition part 102 Feature extraction part 103 Generation part 104 1st identification part 105 2nd identification part 106 Abnormality determination part 107 Display control part 111 Communication Control unit 112 Detection information receiving unit 113 Storage unit 114 Input unit 115 Display unit 200 Processing machine 201 Numerical control unit 221 Communication control unit 223 Drive control unit 224 Drive unit 225 Detection unit

特開第2017−033346号公報JP 2017-033346 A

Claims (7)

対象装置の動作に応じて変化する物理量を検知する検知部から出力される検知情報を取得する第1の取得部と、
前記対象装置を動作させる区間を示す信号を前記対象装置から取得する第2の取得部と、
前記検知情報および前記信号に基づき、前記対象装置における非処理区間と処理区間とを識別する第1の識別部と、
前記検知情報、前記信号、および前記第1の識別部による識別結果に基づき、前記対象装置における非処理区間と処理区間とを識別する第2の識別部と、を備える、
処理区間判定装置。
A first acquisition unit that acquires detection information output from a detection unit that detects a physical quantity that changes according to the operation of the target device;
A second acquisition unit that acquires a signal indicating a section in which the target device is operated from the target device;
A first identification unit for identifying a non-processing section and a processing section in the target device based on the detection information and the signal;
A second identification unit that identifies a non-processing section and a processing section in the target device based on the detection information, the signal, and the identification result by the first identification unit;
Processing section determination device.
前記第1の識別部が識別した前記非処理区間の検知情報から特徴情報を抽出する抽出部と、
前記非処理区間の前記特徴情報を学習に用いて第1のモデルを生成し、前記第1のモデルを前記非処理区間からの前記処理区間の識別に用いる生成部と、を備える、
請求項1に記載の処理区間判定装置。
An extraction unit that extracts feature information from detection information of the non-processing section identified by the first identification unit;
Generating a first model using the feature information of the non-processing section for learning, and using the first model for identifying the processing section from the non-processing section,
The processing section determination apparatus according to claim 1.
前記第1の取得部は、
被処理物が存在しない状態で前記対象装置を事前に動作させて得られる、前記非処理区間の検知情報に相当する検知情報を取得し、
前記事前動作における前記検知情報から特徴情報を抽出する抽出部と、
前記特徴情報を学習に用いて第1のモデルを事前に生成し、前記第1のモデルを前記非処理区間からの前記処理区間の識別に用いる生成部と、を備える、
請求項1に記載の処理区間判定装置。
The first acquisition unit includes:
Obtaining detection information corresponding to the detection information of the non-processing section, obtained by operating the target device in advance in the absence of an object to be processed,
An extraction unit for extracting feature information from the detection information in the preliminary operation;
Using the feature information for learning, generating a first model in advance, and using the first model for identifying the processing section from the non-processing section,
The processing section determination apparatus according to claim 1.
前記第2の識別部が識別した前記非処理区間および前記処理区間の検知情報から特徴情報を抽出する抽出部と、
前記非処理区間の特徴情報を学習に用いて第2のモデルを生成し、前記処理区間の特徴情報を学習に用いて第3のモデルを生成し、前記第2および第3のモデルを前記非処理区間および前記処理区間の識別に用いる、
請求項1乃至請求項3のいずれか1項に記載の処理区間判定装置。
An extraction unit that extracts feature information from detection information of the non-processing section and the processing section identified by the second identification unit;
A second model is generated using the feature information of the non-processing section for learning, a third model is generated using the feature information of the processing section for learning, and the second and third models are used as the non-processing section. Used to identify the processing section and the processing section,
The processing section determination device according to any one of claims 1 to 3.
対象装置の処理区間を判定する処理区間判定装置で実行される処理区間判定方法であって、
第1の取得部が、前記対象装置の動作に応じて変化する物理量を検知する検知部から出力される検知情報を取得する第1の取得ステップと、
第2の取得部が、前記対象装置を動作させる区間を示す信号を前記対象装置から取得する第2の取得ステップと、
第1の識別部が、前記検知情報および前記信号に基づき、前記対象装置における非処理区間と処理区間とを識別する第1の識別ステップと、
第2の識別部が、前記検知情報、前記信号、および前記第1の識別ステップによる識別結果に基づき、前記対象装置における非処理区間と処理区間とを識別する第2の識別ステップと、を有する、
処理区間判定方法。
A processing section determination method executed by a processing section determination apparatus that determines a processing section of a target device,
A first acquisition unit in which a first acquisition unit acquires detection information output from a detection unit that detects a physical quantity that changes according to the operation of the target device;
A second acquisition unit in which a second acquisition unit acquires a signal indicating a section in which the target device is operated from the target device;
A first identification unit for identifying a non-processing section and a processing section in the target device based on the detection information and the signal;
A second identification unit including a second identification step for identifying a non-processing section and a processing section in the target device based on the detection information, the signal, and the identification result of the first identification step; ,
Processing section judgment method.
コンピュータに、
対象装置の動作に応じて変化する物理量を検知する検知部から出力される検知情報を取得する第1の取得ステップと、
前記対象装置を動作させる区間を示す信号を前記対象装置から取得する第2の取得ステップと、
前記検知情報および前記信号に基づき、前記対象装置における非処理区間と処理区間とを識別する第1の識別ステップと、
前記検知情報、前記信号、および前記第1の識別ステップによる識別結果に基づき、前記対象装置における非処理区間と処理区間とを識別する第2の識別ステップと、を実行させるための、
プログラム。
On the computer,
A first acquisition step of acquiring detection information output from a detection unit that detects a physical quantity that changes according to the operation of the target device;
A second acquisition step of acquiring a signal indicating a section in which the target device is operated from the target device;
A first identification step for identifying a non-processing section and a processing section in the target device based on the detection information and the signal;
Based on the detection information, the signal, and the identification result of the first identification step, a second identification step for identifying a non-processing section and a processing section in the target device is performed.
program.
対象装置の動作に応じて変化する物理量を検知する検知部から出力される検知情報を取得する第1の取得部と、
前記対象装置を動作させる区間を示す信号を前記対象装置から取得する第2の取得部と、
前記検知情報および前記信号に基づき、前記対象装置における非処理区間と処理区間とを識別する第1の識別部と、
前記検知情報、前記信号、および前記第1の識別部による識別結果に基づき、前記対象装置における非処理区間と処理区間とを識別する第2の識別部と、
識別された前記処理区間の検知情報を用いて前記対象装置の異常の有無を判定する異常判定部と、を備える、
診断装置。
A first acquisition unit that acquires detection information output from a detection unit that detects a physical quantity that changes according to the operation of the target device;
A second acquisition unit that acquires a signal indicating a section in which the target device is operated from the target device;
A first identification unit for identifying a non-processing section and a processing section in the target device based on the detection information and the signal;
A second identification unit that identifies a non-processing section and a processing section in the target device based on the detection information, the signal, and the identification result by the first identification unit;
An abnormality determination unit that determines the presence or absence of an abnormality of the target device using detection information of the identified processing section,
Diagnostic device.
JP2018045182A 2018-03-13 2018-03-13 Processing section determination device, processing section determination method, program, and diagnostic device Active JP7067971B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018045182A JP7067971B2 (en) 2018-03-13 2018-03-13 Processing section determination device, processing section determination method, program, and diagnostic device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018045182A JP7067971B2 (en) 2018-03-13 2018-03-13 Processing section determination device, processing section determination method, program, and diagnostic device

Publications (2)

Publication Number Publication Date
JP2019159759A true JP2019159759A (en) 2019-09-19
JP7067971B2 JP7067971B2 (en) 2022-05-16

Family

ID=67994024

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018045182A Active JP7067971B2 (en) 2018-03-13 2018-03-13 Processing section determination device, processing section determination method, program, and diagnostic device

Country Status (1)

Country Link
JP (1) JP7067971B2 (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021149908A (en) * 2020-03-13 2021-09-27 株式会社リコー Information processing device
EP4006677A1 (en) * 2020-11-30 2022-06-01 Ricoh Company, Ltd. Determination apparatus, determination system, determination method, and carrier means
JP2022145537A (en) * 2021-03-19 2022-10-04 株式会社リコー Determination device, determination method, program, and processing system
EP4124919A1 (en) * 2021-07-29 2023-02-01 Ricoh Company, Ltd. Diagnostic apparatus, diagnostic method, and carrier medium
JP7578699B2 (en) 2020-08-20 2024-11-06 ファナック株式会社 Numerical control device, machine tool, and machine tool control method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5531541A (en) * 1978-08-23 1980-03-05 Toshiba Mach Co Ltd Abnormality detecting system for cutting tool
JP2002268742A (en) * 2001-03-08 2002-09-20 Yamatake Sangyo Systems Co Ltd Working diagnosis monitoring system and its device and its program
JP2017157234A (en) * 2015-12-25 2017-09-07 株式会社リコー Diagnostic device, diagnostic method, program and diagnostic system
JP2017208072A (en) * 2016-05-13 2017-11-24 株式会社リコー Information processing device, information processing method, information processing program and information processing system
JP2018025945A (en) * 2016-08-09 2018-02-15 株式会社リコー Diagnostic device, learning device, and diagnostic system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5531541A (en) * 1978-08-23 1980-03-05 Toshiba Mach Co Ltd Abnormality detecting system for cutting tool
JP2002268742A (en) * 2001-03-08 2002-09-20 Yamatake Sangyo Systems Co Ltd Working diagnosis monitoring system and its device and its program
JP2017157234A (en) * 2015-12-25 2017-09-07 株式会社リコー Diagnostic device, diagnostic method, program and diagnostic system
JP2017208072A (en) * 2016-05-13 2017-11-24 株式会社リコー Information processing device, information processing method, information processing program and information processing system
JP2018025945A (en) * 2016-08-09 2018-02-15 株式会社リコー Diagnostic device, learning device, and diagnostic system

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021149908A (en) * 2020-03-13 2021-09-27 株式会社リコー Information processing device
JP7578699B2 (en) 2020-08-20 2024-11-06 ファナック株式会社 Numerical control device, machine tool, and machine tool control method
EP4006677A1 (en) * 2020-11-30 2022-06-01 Ricoh Company, Ltd. Determination apparatus, determination system, determination method, and carrier means
US20220171365A1 (en) * 2020-11-30 2022-06-02 Ricoh Company Ltd. Determination apparatus, determination system, determination medthod, and recording medium
CN114578756A (en) * 2020-11-30 2022-06-03 株式会社理光 Processing diagnosis device, system, method, storage medium and computer device
US11874643B2 (en) * 2020-11-30 2024-01-16 Ricoh Company, Ltd. Determination apparatus, determination system, determination method, and recording medium
CN114578756B (en) * 2020-11-30 2024-03-15 株式会社理光 Processing diagnosis device, system, method, storage medium and computer device
JP2022145537A (en) * 2021-03-19 2022-10-04 株式会社リコー Determination device, determination method, program, and processing system
EP4124919A1 (en) * 2021-07-29 2023-02-01 Ricoh Company, Ltd. Diagnostic apparatus, diagnostic method, and carrier medium
CN115685885A (en) * 2021-07-29 2023-02-03 株式会社理光 Machining determination device, machining determination method, storage medium, and computer device

Also Published As

Publication number Publication date
JP7067971B2 (en) 2022-05-16

Similar Documents

Publication Publication Date Title
JP7085370B2 (en) Diagnostic equipment, diagnostic systems, diagnostic methods and programs
JP6156566B2 (en) Diagnostic device, diagnostic method, program, and diagnostic system
JP7067971B2 (en) Processing section determination device, processing section determination method, program, and diagnostic device
JP7338743B2 (en) Diagnostic device, diagnostic method, program and diagnostic system
CN110260913B (en) Diagnostic device, diagnostic method, and computer-readable storage medium
JP7151108B2 (en) Information processing device, information processing method and program
JP7131646B2 (en) Information processing device, information processing method, information processing program, and information processing system
JP7091743B2 (en) Information processing equipment, information processing methods, programs, and mechanical equipment
US10739764B2 (en) Diagnostic apparatus, diagnostic system, diagnostic method, and recording medium
JP2018156415A (en) Diagnosis device, diagnosis system, diagnosis method and program
WO2018169069A1 (en) Diagnosis device, diagnosis system, diagnosis method, and program
JP2017205821A (en) Information processor, information processing method, information processing program, and information processing system
JP7358755B2 (en) Diagnostic device, diagnostic method, and diagnostic program
JP7225984B2 (en) System, Arithmetic Unit, and Program
JP6822242B2 (en) Diagnostic equipment, diagnostic systems, diagnostic methods and programs
JP2021086588A (en) Diagnosis device, diagnosis device control method and program
US20230103413A1 (en) Information processing apparatus, information processing method, and non-transitory recording medium
JP2023020890A (en) Diagnostic device, program, and diagnostic method
JP2024117106A (en) Diagnostic device and diagnostic method
CN115685885A (en) Machining determination device, machining determination method, storage medium, and computer device

Legal Events

Date Code Title Description
A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20200313

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20200313

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201119

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211012

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211130

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220127

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220405

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220428

R150 Certificate of patent or registration of utility model

Ref document number: 7067971

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150