図面 (/)

技術 工具の破損予測方法

出願人 トヨタ自動車株式会社
発明者 渡邉祐貴
出願日 2019年3月25日 (1年9ヶ月経過) 出願番号 2019-057037
公開日 2020年10月1日 (2ヶ月経過) 公開番号 2020-157397
状態 未査定
技術分野 旋削加工 工作機械の検出装置 ねじ切り 穴あけ、中ぐり加工
主要キーワード 破損検知 サンプリング個数 確率グラフ 変化関数 主軸トルク 軸駆動ユニット 部分波形 モデル波形
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2020年10月1日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (9)

課題

工具の破損予測精度を向上することのできる工具の破損予測方法を提供する。

解決手段

工具の破損予測方法は、切削し終えた第1のワークの切削時間と切削負荷との正常な関係をそれぞれ表す複数の第1の波形を予め機械学習することによってモデル波形を生成し、第1のワークの後に切削する第2のワークの切削時間と切削負荷との実測時までの関係を表す第2の波形における直近の期間に出現する部分波形を、部分波形に対応するモデル波形の一部と比較し、比較した結果、実測時の次に実測した切削負荷が正常な切削負荷を特定できる所定の閾値より低い確率で出現した場合、第2のワークを切削する工具の破損の予兆を検知する。

概要

背景

ドリルの切損を予知する技術が提案されている。特に、この技術は実加工状態における主軸トルク変化関数基準状態トルク変化モデル関数に対して所定値以上変動している場合に、当該ドリルの切損の危険があると判定する(例えば特許文献1参照)。

概要

工具の破損予測精度を向上することのできる工具の破損予測方法を提供する。工具の破損予測方法は、切削し終えた第1のワークの切削時間と切削負荷との正常な関係をそれぞれ表す複数の第1の波形を予め機械学習することによってモデル波形を生成し、第1のワークの後に切削する第2のワークの切削時間と切削負荷との実測時までの関係を表す第2の波形における直近の期間に出現する部分波形を、部分波形に対応するモデル波形の一部と比較し、比較した結果、実測時の次に実測した切削負荷が正常な切削負荷を特定できる所定の閾値より低い確率で出現した場合、第2のワークを切削する工具の破損の予兆を検知する。

目的

本発明では、工具の破損予測精度を向上することを目的とする

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

切削し終えた第1のワークの切削時間と切削負荷との正常な関係をそれぞれ表す複数の第1の波形を予め機械学習することによってモデル波形を生成し、前記第1のワークの後に切削する第2のワークの切削時間と切削負荷との実測時までの関係を表す第2の波形における直近の期間に出現する部分波形を、前記部分波形に対応する前記モデル波形の一部と比較し、比較した結果、前記実測時の次に実測した切削負荷が正常な切削負荷を特定できる所定の閾値より低い確率で出現した場合、前記第2のワークを切削する工具の破損の予兆を検知する、工具の破損予測方法

技術分野

0001

本発明は、工具の破損予測方法に関する。

背景技術

0002

ドリルの切損を予知する技術が提案されている。特に、この技術は実加工状態における主軸トルク変化関数基準状態トルク変化モデル関数に対して所定値以上変動している場合に、当該ドリルの切損の危険があると判定する(例えば特許文献1参照)。

先行技術

0003

特開平10−296589号公報

発明が解決しようとする課題

0004

しかしながら、所定値を用いてドリルといった工具の切損や折損など(以下、破損という)を予測する場合、採用する所定値によっては工具の破損を精度良く予測できない可能性がある。

0005

そこで、本発明では、工具の破損予測精度を向上することを目的とする。

課題を解決するための手段

0006

本発明に係る工具の破損予測方法は、切削し終えた第1のワークの切削時間と切削負荷との正常な関係をそれぞれ表す複数の第1の波形を予め機械学習することによってモデル波形を生成し、前記第1のワークの後に切削する第2のワークの切削時間と切削負荷との実測時までの関係を表す第2の波形における直近の期間に出現する部分波形を、前記部分波形に対応する前記モデル波形の一部と比較し、比較した結果、前記実測時の次に実測した切削負荷が正常な切削負荷を特定できる所定の閾値より低い確率で出現した場合、前記第2のワークを切削する工具の破損の予兆を検知する。

発明の効果

0007

本発明によれば、工具の破損予測精度を向上することができる。

図面の簡単な説明

0008

図1はドリルを取り付けた切削機の側面図の一例である。
図2は制御システムハードウェア構成の一例である。
図3端末装置ブロック図の一例である。
図4(a)は学習処理フローチャートの一例である。図4(b)は評価処理のフローチャートの一例である。
図5は正常時の主軸トルク波形の一例である。
図6はモデル波形の一例とモデル波形を説明するための図である。
図7評価対象のトルク波形とモデル波形との比較を説明するための図である。
図8確率グラフの一例である。

実施例

0009

以下、本発明を実施するための形態について図面を参照して説明する。尚、本発明では、工具(具体的には回転刃具)の一例として、ドリルを用いて説明するが、工具はドリルに限定されず、例えばタップエンドミルフライス切削バイトなどであってもよい。

0010

図1はドリルDLを取り付けた切削機100の側面図の一例である。切削機100の台座であるベッド10の上にはコラム11が設置される。コラム11はベッド10の上に設けられたX軸ガイドウェイ12に沿って紙面垂直方向であるX軸方向(不図示)に移動することができる。言い換えれば、コラム11は紙面手前方向や紙面奥方向に移動することができる。以下、この移動を左右移動と呼ぶ。

0011

左右移動するコラム11の側面には垂直方向に延伸するY軸ガイドウェイ13が設けられている。Y軸ガイドウェイ13にはサドル14が懸架される。Y軸ガイドウェイ13はサドル14の上下移動ガイドする。これにより、サドル14はY軸ガイドウェイ13に沿ってベッド10から遠ざかる方向やベッド10に近づく方向に昇降することができる。すなわち、サドル14は切削機100のY軸方向に昇降することができる。

0012

サドル14の側面には水平方向に延伸するZ軸ガイドウェイ15が設けられている。Z軸ガイドウェイ15には主軸ヘッド16が懸架されている。主軸ヘッド16は水平方向より垂直方向の方が長い支持部材16Aと連結される。Z軸ガイドウェイ15は主軸ヘッド16の前後移動図1における左右方向)をガイドする。これにより、主軸ヘッド16はZ軸ガイドウェイ15に沿ってワークWKに近づく方向に前進したり、ワークWKから遠ざかる方向に後退したりすることができる。すなわち、主軸ヘッド16は切削機100のZ軸方向に前進したり後退したりすることができる。主軸ヘッド16は主軸17を回転可能に支持する。主軸17の先端にドリルDLが取り付けられる。ドリルDLに代えて、タップ、エンドミル、フライス、切削バイトなどを取り付けることもできる。

0013

ここで、ベッド10にはサーボモータ21が固定されている。一方、コラム11はX軸方向に延伸する不図示の送りネジでベッド10とネジ係合している。したがって、サーボモータ21が駆動すると、この送りネジが回転し、コラム11がX軸方向に移動する。同様に、コラム11の上面にはサーボモータ22が固定されている。一方、サドル14はY軸方向に延伸する送りネジ23でコラム11とネジ係合している。したがって、サーボモータ22が駆動すると、この送りネジ23が回転し、サドル14がY軸方向に移動する。

0014

サドル14にはサーボモータ24が固定されている。一方で、支持部材16AはZ軸方向に延伸する送りネジ25でサドル14とネジ係合している。したがって、サーボモータ24が駆動すると、この送りネジ25が回転して支持部材16AがZ軸方向に移動する。支持部材16Aは主軸ヘッド16と連結しているため、支持部材16Aの移動に併せて、主軸ヘッド16がZ軸方向に移動する。サーボモータ26は主軸ヘッド16に固定されており、主軸17を回転駆動する。これにより、主軸17の先端に取り付けられたドリルDLが回転する。

0015

ベッド10上のコラム11の前方には回転台28が設けられている。回転台28の上に切削対象のワークWKが載置される。ドリルDLが回転し、ドリルDLの先端がワークWKに接触して前進することにより、ワークWKにドリル穴W1を形成することができる。尚、ワークWKとしては例えば各種の車両部品を採用できるが、ワークWKの種類は特に限定されない。

0016

次に、図2を参照して、切削機100の制御について説明する。

0017

図2は制御システムSTのハードウェア構成の一例である。制御システムSTはNC(Numerical Control)装置30と端末装置40とを含んでいる。端末装置40はPC(Personal Computer)であってもよいし、タブレット端末を含むスマートデバイスであってもよい。NC装置30は操作盤33、駆動装置37、及び端末装置40と接続されている。NC装置30は操作盤33から入力された命令やデータに基づいて駆動装置37に駆動電流を供給し、駆動装置37の動作を制御する。これにより、駆動装置37に接続された複数のサーボモータ21,22,24,26が駆動する。

0018

操作盤33はスイッチ類331、テンキー332、及び表示部333を含んでいる。スイッチ類331はNC装置30に各種の命令を入力するための各種スイッチである。テンキー332はNC装置30にデータを入力するためのキーである。表示部333は各種の情報を表示する。

0019

駆動装置37は、X軸駆動ユニットDU−X、Y軸駆動ユニットDU−Y、Z軸駆動ユニットDU−Z、及びC軸駆動ユニットDU−Cを含んでいる。例えば、C軸駆動ユニットDU−Cは駆動電流に基づいて対応するサーボモータ26を駆動する。すなわち、C軸は主軸17の回転軸に相当する。尚、X軸駆動ユニットDU−X、Y軸駆動ユニットDU−Y、及びZ軸駆動ユニットDU−Zについては、基本的に、C軸駆動ユニットDU−Cと同様であるため、説明を省略する。

0020

端末装置40はCPU(Central Processing Unit)40A、RAM(Random Access Memory)40B、ROM(Read Only Memory)40C、ディスプレイ40D、及び複数の通信インタフェース図2においてI/Fと表記)40E,40Fを含んでいる。CPU40A、RAM40B、ROM40C、ディスプレイ40D、及び複数の通信インタフェース40E,40Fは、内部バス40Gによって互いに接続されている。内部バス40GにHDD(Hard Disk Drive)やSSD(Solid State Drive)などの補助記憶装置を接続してもよい。

0021

通信インタフェース40Eは例えばUSB(Universal Serial Bus)ポートなどの接続端子を備え、通信ケーブル50によりNC装置30と接続される。一方、通信インタフェース40Fは例えばLAN(Local Area Network)ポートを備え、LANケーブル60によりLANといった通信ネットワークNWと接続される。尚、LANケーブル60を利用した有線通信に代えて、Wi−Fi(登録商標)といった無線通信を利用してもよい。

0022

上述したRAM40Bには、ROM40Cに記憶されたプログラムがCPU40Aによって一時的に格納される。格納されたプログラムをCPU40Aが実行することにより、CPU40Aは各種の機能を実現し、また、各種の処理を実行する。尚、プログラムは後述するフローチャートに応じたものとすればよい。また、ROM40Cに代えて、上述した補助記憶装置に格納されたプログラムをCPU40Aが実行することにより、CPU40Aが各種の機能を実現し、また、各種の処理を実行してもよい。

0023

次に、図3を参照して、端末装置40の機能構成について説明する。

0024

図3は端末装置40のブロック図の一例である。図3では端末装置40の機能の要部が示されている。図3に示すように、端末装置40は記憶部41、制御部42、第1通信部43、第2通信部44、及び表示部45を備えている。記憶部41はRAM40B、ROM40C、補助記憶装置の少なくとも1つによって実現することができる。制御部42はCPU40Aによって実現することができる。第1通信部43は通信インタフェース40Eによって実現することができる。第2通信部44は通信インタフェース40Fによって実現することができる。表示部45はディスプレイ40Dによって実現することができる。したがって、記憶部41、制御部42、第1通信部43、第2通信部44、及び表示部45は互いに接続されている。

0025

ここで、記憶部41は波形記憶部411及びモデル記憶部412を構成要素として含んでいる。制御部42はモデル生成部421、波形比較部422、及び破損検知部423を構成要素として含んでいる。制御部42の各構成要素は記憶部41の各構成要素の少なくとも1つにアクセスして、各種の処理を実行する。例えばモデル生成部421は後述するモデル波形の生成指示を検出すると、波形記憶部411にアクセスして、波形記憶部411が記憶する正常時の主軸17のトルク波形を取得する。モデル生成部421はトルク波形を取得すると、モデル波形を生成する。尚、その他の構成要素については、端末装置40の動作を説明する際に詳しく記載する。

0026

次に、図4から図8を参照して、端末装置40の動作について説明する。

0027

まず、図4(a)、図5、及び図6を参照して、モデル波形を生成する学習処理について説明する。図4(a)に示すように、モデル生成部421は正常なトルク波形を取得する(ステップS101)。より詳しくは、モデル生成部421は波形記憶部411から正常時の主軸17のトルク波形を取得する。尚、正常時の主軸17のトルク波形は事前に波形記憶部411に格納しておけばよい。

0028

これにより、図5に示すように、波形記憶部411は正常時の主軸17の様々なトルク波形を記憶する。これらのトルク波形は、いずれも、切削し終えたワークWKの切削時間と切削トルクとの正常な関係を表している。切削トルクはサーボモータ26の定格トルクに対して流した駆動電流の割合を表している。したがって、多くの駆動電流をサーボモータ26に供給するほど、切削トルクが高くなる。このように、トルク波形の形状は、正常時であれば、概ね類似していることが多い。尚、本実施形態では、このような切削トルクを切削負荷の一例として採用しているが、切削負荷として例えば主軸17の回転中心からの距離と力の積を採用してもよい。

0029

ここで、トルク波形は所定のサンプリング間隔で取得した切削トルクの実測値を時系列折れ線で結んだ波形である。この波形に対する加工などの処理は実施されていない。モデル生成部421はこのような複数のトルク波形を取得する。本実施形態では、所定のサンプリング間隔としてミリ秒単位を採用するが、例えばマイクロ秒単位など様々な単位時間をサンプリング間隔として採用してもよい。

0030

ステップS101の処理が完了すると、次いで、モデル生成部421はモデル波形を生成する(ステップS102)。より詳しくは、モデル生成部421はステップS101の処理で取得したトルク波形を機械学習の1つであるニューラルネットワークで学習し、学習結果としての自己回帰モデルを正常時のモデル波形として生成する。図6に示すように、正常時のモデル波形G1は、正常時の様々なトルク波形に基づいて生成されるため、正常時のトルク波形に類似する。

0031

ここで、モデル波形G1におけるn番目の時点における切削トルクのモデル値は(n−M)番目の時点におけるモデル値からn番目の直前である(n−1)番目の時点におけるモデル値から予測される。そして、予測されたモデル値が出現する確率の確率分布が併せて生成される。例えば、(n−1)番目の時点におけるモデル値の直後であるn番目の時点にモデル値V1が出現する確率は1%である。モデル値V2からモデル値V7についてもモデル値V1と同様に説明することができる。このように、モデル生成部421はワークWKを切削するドリルDLの正常時のモデル波形G1を確率分布と共に生成する。尚、n及びMはいずれも整数であり、nはMより大きい。特に、Mは1つのワークWKを切削し始めてから切削し終わるまでの切削トルクの実測値のサンプリング個数を表している。Mは端末装置40の性能、ドリルDLの破損予測精度、破損の予兆を検知するまでの時間の少なくとも1つに基づいて決定すればよい。

0032

ステップS102の処理が完了すると、次いで、モデル生成部421はモデル波形を保存する(ステップS103)。すなわち、モデル生成部421はモデル波形G1をモデル記憶部412に保存する。これにより、モデル記憶部412はモデル生成部421が生成した図6に示すモデル波形G1を記憶する。

0033

次に、図4(b)、図7、及び図8を参照して、評価対象のトルク波形を評価する評価処理について説明する。図4(b)に示すように、波形比較部422は対象のトルク波形を生成する(ステップS201)。より詳しくは、波形比較部422はNC装置30がワークWKの切削を開始してから主軸17の切削トルクの実測値をNC装置30から第1通信部43を介して取得する。切削トルクの実測値を取得するサンプリング間隔は上述したサンプリング間隔と共通する。波形比較部422は切削トルクの実測値を取得すると、取得した切削トルクに基づいて実測時までのトルク波形を対象のトルク波形として生成する。これにより、図7上段に示すように、主軸のトルク波形G2が生成される。

0034

ステップS202の処理が完了すると、次いで、波形比較部422はトルク波形を比較する(ステップS203)。より詳しくは、図7の上段に示すように、波形比較部422は生成したトルク波形G2における直近の期間に出現する部分波形G21を特定する。波形比較部422は部分波形G21を特定すると、モデル記憶部412からモデル波形G1を取得し、図7下段に示すように、特定した部分波形G21に対応するモデル波形G1の一部G11を特定する。波形比較部422はモデル波形G1の一部G11を特定すると、部分波形G21とモデル波形G1の一部G11を比較する。

0035

ステップS202の処理が完了すると、次いで、破損検知部423は確率グラフを生成する(ステップS203)。より詳しくは、破損検知部423は部分波形G21とモデル波形G1の一部G11を比較する。そして、破損検知部423は部分波形G21を構成する各切削トルクの実測値それぞれに対し、モデル波形G1の一部G11を構成する各切削トルクのモデル値のどの確率を通過したかを表現した確率グラフを生成する。これにより、図8に示すように、確率グラフG3が生成される。確率グラフG3により、部分波形G21を構成する各切削トルクの実測値が高確率で出現したか否かを判断することができる。

0036

ステップS203の処理が完了すると、次いで、破損検知部423は低確率が出現したか否かを判断する(ステップS204)。例えば、図8に示すように、実測時の次に実測した切削負荷の実測値が正常な切削負荷を特定できる所定の閾値より低い確率で出現した場合、破損検知部423は低確率が出現したと判断する(ステップS204:YES)。この場合、破損検知部423はワークWKを切削するドリルDLの破損の予兆を検知し(ステップS205)、処理を終了する。一方、破損検知部423は低確率が出現しなかったと判断した場合(ステップS204:NO)、ステップS205の処理をスキップして処理を終了する。

0037

以上、本発明に係る端末装置40は制御部42を備え、制御部42はモデル生成部421と波形比較部422と破損検知部423を含んでいる。モデル生成部421は、切削し終えたワークWKの切削時間と切削負荷との正常な関係をそれぞれ表す複数のトルク波形を予め機械学習することによってモデル波形G1を生成する。波形比較部422はワークWKの後に切削する別のワークWKの切削時間と切削負荷との実測時までの関係を表すトルク波形G2における直近の期間に出現する部分波形G21を、部分波形G21に対応するモデル波形G1の一部G11と比較する。破損検知部423は比較した結果、実測時の次に実測した切削負荷が正常な切削負荷を特定できる所定の閾値より低い確率で出現した場合、別のワークWKを切削するドリルDLの破損の予兆を検知する。これにより、ドリルDLの破損予測精度を向上することができる。

0038

特に、本実施形態によれば、破損の兆候が表れる評価対象のトルク波形と正常時のモデル波形との差が小さい場合であっても、一定の閾値を利用してドリルDLの破損の予兆を検知していない。このため、このような閾値を利用した場合に生じるおそれがある誤検知や過検知が発生せず、ドリルDLの破損を精度良く予測することができる。

0039

尚、通信ネットワークNWにサーバ装置を接続し、サーバ装置がモデル生成部421を備えるようにしてもよい。サーバ装置の性能が端末装置40の性能より高い場合、端末装置40より速くモデル波形を生成することができる。一方で、NC装置30が有するCPUや各種メモリの性能が本発明の方法を実行できる程度に高性能である場合には、本発明の方法をNC装置30が実行してもよい。さらに、ワークWKを切削し終えるまでの確率グラフ全体を生成し、確率グラフ全体の中に正常な切削負荷を特定できる所定の閾値より低い確率が出現した場合に、ドリルDLの破損の予兆を検知してもよい。

0040

以上本発明の好ましい実施形態について詳述したが、本発明は係る特定の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形・変更が可能である。例えば、上述した実施形態では、主軸17の切削トルクを採用したが、Z軸方向のサーボモータ24の定格トルクに対して流した駆動電流に基づく切削トルクを採用してもよい。

0041

30NC装置
40端末装置
42 制御部
421モデル生成部
422波形比較部
423破損検知部
100切削機
DLドリル
WK ワーク

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

該当するデータがありません

関連する公募課題

該当するデータがありません

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

該当するデータがありません

この 技術と関連する公募課題

該当するデータがありません

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ