JP7067971B2 - 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 - Google Patents

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。

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。

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）。

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。

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。

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。

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。

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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。 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。

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。

（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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

次に、診断装置１００は、加工機２００の異常判定を行う。

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。

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。

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。

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。

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。

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。

次に、図１１を用い、ステップＳ１４０の詳細について説明する。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

次に、図１３を用い、ステップＳ２４０の詳細について説明する。

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。

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。

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。

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。

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。

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。

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。

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。

（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。

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。

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。

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。

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。

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。

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。

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

特開第２０１７－０３３３４６号公報

Claims (7)

1. 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。
2. 前記第１の識別部が前記信号に基づいて選択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と前記処理区間と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。
3. 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と前記処理区間と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。
4. 前記第１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。
5. 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。
6. 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。
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。

Images