工具寿命预测系统技术方案

本发明专利技术提供一种能够更高精度地预测工具的寿命的工具寿命预测系统。工具寿命预测系统(1)具备：加工机械主体(11)，使用工具(T)来进行工件(W)的机械加工；检测器(13)，在加工工件时检测加工机械主体中的可观测状态数据；学习完毕模型存储部(81)，将由检测器检测出的状态数据作为说明变量，并将在一个工具中达到寿命之前的工件的剩余加工次数作为目的变量，按多个寿命事例的每一个来存储通过使用包含说明变量以及目的变量的训练数据集来进行机械学习而生成的学习完毕模型；以及剩余加工次数预测部(83)，基于状态数据从多个学习完毕模型中选择一个学习完毕模型，并使用所选择的一个学习完毕模型和状态数据来预测剩余加工次数。

【技术实现步骤摘要】
工具寿命预测系统
本专利技术涉及工具寿命预测系统。
技术介绍
从工具成本的观点考虑，机械加工所使用的工具的寿命的预测很重要。以往，工具寿命考虑工具的个体差异、安全率，预先决定了规定为达到寿命的加工次数。但是，在这样的寿命的决定方法中，在工具实际上未达到寿命的情况下，也视为达到寿命，并更换工具。相关技术的工具寿命预测系统使用通过工具进行加工的情况下的加工信息，例如，主轴装置的马达的驱动电流，来预测工具寿命(例如，参照专利文献1)。在该预测方法中，使用基于加工信息决定出的运算模型，来进行工具的寿命预测。另外，工具的寿命预测所使用的运算模型例如根据工件的材质、加工条件等，从多个运算模型中来选择。专利文献1：JP2019－82836A在工具的寿命预测中，根据预测所使用的运算模型而成为不同的预测结果。换句话说，如何决定工具的寿命预测所使用的运算模型是重要的要素。例如，即使工具的种类、工件的材质、以及加工条件相同，根据工具的个体差异，也有工具的寿命不同的情况。
技术实现思路
本专利技术的目的在于提供一种能够更高精度地预测工具的寿命的工具寿命预测系统。本专利技术的工具寿命预测系统具备：加工机械主体，使用工具来进行工件的机械加工；检测器，在加工上述工件时检测上述加工机械主体中的可观测状态数据；学习完毕模型存储部，将由上述检测器检测出的上述状态数据作为说明变量，并将在一个上述工具中达到寿命之前的上述工件的剩余加工次数作为目的变量，按多个工具的每一个工具寿命(寿命模式)来存储通过使用包含上述说明变量以及上述目的变量的训练数据集进行机械学习而生成的学习完毕模型；以及剩余加工次数预测部，基于上述状态数据从多个上述学习完毕模型中选择一个上述学习完毕模型，并使用所选择的一个上述学习完毕模型和上述状态数据来预测上述剩余加工次数。根据工具寿命预测系统，从多个学习完毕模型中选择一个学习完毕模型，并使用所选择的一个学习完毕模型来预测当前使用的工具的寿命。工具的寿命预测所使用的一个学习完毕模型的选择使用利用该工具进行的加工中的状态数据。因此，所选择的一个学习完毕模型成为与该工具相应的学习完毕模型。像这样，通过使工具的寿命预测所使用的一个学习完毕模型成为与该工具相应的模型，能够高精度地预测该工具的寿命。附图说明图1是表示工具寿命预测系统的结构的图。图2是表示加工机械的一个例子的图。图3是表示工具寿命预测系统的功能模块结构的图。图4是对在剩余加工次数计算部中计算的剩余加工次数的计算进行说明的图，并且是表示训练数据集的图。图5是表示工具No.与学习完毕模型No.的对应表的图。图6是表示存储于模型存储部的多个学习完毕模型的图。图7是表示剩余加工次数预测部中的处理的流程图。图8是表示剩余加工次数预测部获取到的p次的量的信息的图。图9是用于对在剩余加工次数预测部中预测对象的值的相似度的概念进行说明的图，且是在特征量空间(n维空间)中示出多个学习完毕模型(白圆)以及预测对象的值(黑圆)的图。图10是表示显示装置中的显示内容的图，且是表示实际加工次数为15次时的显示内容的图。虚线表示由所选择的学习完毕模型进行的寿命预测趋势。图11是表示显示装置中的显示内容的图，且是表示实际加工次数为30次时的显示内容的图。虚线表示由所选择的学习完毕模型进行的寿命预测趋势。图12是表示显示装置中的显示内容的图，且是表示实际加工次数为50次时的显示内容的图。虚线表示由所选择的学习完毕模型进行的寿命预测趋势。图13是表示显示装置中的显示内容的图，且是表示实际加工次数为80次时(达到预测寿命时)的显示内容的图。虚线表示由所选择的学习完毕模型进行的寿命预测趋势。具体实施方式(1.工具寿命预测系统的应用对象的加工机械以及工具的种类)工具寿命预测系统在使用工具进行工件的机械加工的加工机械中，预测该工具的寿命。在这里，所谓的工具的寿命不仅为完全不能使用工具的状态，也包含进行工具的修正的状态。例如，所谓的工具的修正为重新磨锐工具、磨床的整形、修整等。作为加工机械，包含加工中心、车床、齿轮加工装置、镗床等进行切削加工的加工机械。在该情况下，工具为切削工具。例如，加工中心中的工具包含：钻头、铣刀工具、镗孔工具、齿轮加工工具、车削工具等。车床中的工具至少包含车削工具，复合车床中的工具除车削工具外，还包含钻头、铣刀工具等与加工中心的工具相同的工具。作为齿轮加工装置，包含齿轮削皮加工机械、滚刀加工机械、整形加工机械等，该齿轮加工装置中的工具包含齿轮削皮工具、滚刀工具、整形工具等齿轮加工用的工具。另外，作为加工机械，包含进行研磨加工的研磨机。研磨机中的工具包含磨床。另外，作为加工机械，包含锻造加工机械，例如，冲压机、轧制机等。冲压机、轧制机中的工具包含锻造用冲头、锻造用金属模等。(2.工具寿命预测系统1的结构的概要)参照图1，对工具寿命预测系统1的结构的概要进行说明。工具寿命预测系统1具备：至少1台加工机械10、以及一个运算装置(20、30)。可以将1台加工机械10作为对象，也可以如图1所示将多台加工机械10作为对象。在本例中，以工具寿命预测系统1具备多台加工机械10的情况为例。加工机械10至少具备：加工机械主体11，使用工具T进行工件W的机械加工；以及检测器13，在加工工件W时检测加工机械主体中的可观测状态数据。即，检测器13在加工工件W时检测加工机械主体中的可观测状态，并获取包含该可观测状态的信息，作为状态数据。运算装置(20、30)通过使用由检测器13检测出的状态数据，并应用机械学习，来预测工具T的寿命。在图1中，示出运算装置(20、30)由学习处理装置20和预测运算装置30构成，学习处理装置20和预测运算装置30独立的结构，但也能够构成为一个装置。另外，运算装置(20、30)的一部分或者全部也能够为加工机械10的嵌入系统。在本例中，以学习处理装置20和预测运算装置30为独立的结构的情况为例。另外，学习处理装置20具有所谓的服务器功能，并以可通信的方式与多台加工机械10连接。另一方面，预测运算装置30与各加工机械10一对一地设置，并以可通信的方式与各加工机械10连接。换句话说，多台预测运算装置30作为所谓的边缘计算机发挥作用，并能够实现高速运算处理。(3.工具寿命预测系统1的结构的详细内容)参照图1，对工具寿命预测系统1的结构更为详细地进行说明。工具寿命预测系统1具备：多台加工机械10、作为运算装置的一部分发挥作用的1台学习处理装置20、作为运算装置的另一部分发挥作用的多台预测运算装置30。各个加工机械10如上所述，能够应用各种加工机械。加工机械10具备：使用工具T进行工件W的机械加工的加工机械主体11、控制加工机械主体11的控制装置12、检测器13、以及接口14。加工机械主体11具有工具T，并具有支承工件W，并使工具T和工件W相对地移动的结构。换句话说，加本文档来自技高网...

【技术保护点】
1.一种预测对象工具的寿命预测系统，具备：/n加工机械主体，构成为使用工具来进行工件的机械加工；/n检测器，构成为在加工上述工件时检测上述加工机械主体中的可观测状态，并作为状态数据获取包含上述可观测状态的数据；/n学习完毕模型存储部，按多个上述工具的每一个工具寿命来存储学习完毕模型，该学习完毕模型是将上述状态数据作为说明变量，并将基于在一个上述工具中达到寿命之前加工上述工件的第一加工次数的第一剩余加工次数作为目的变量，使用包含上述说明变量以及上述目的变量的多个训练数据集来进行机械学习而生成的多个学习完毕模型；以及/n剩余加工次数预测部，构成为基于上述状态数据从多个上述学习完毕模型中选择一个上述学习完毕模型，并使用上述一个上述学习完毕模型和上述状态数据，来预测第二剩余加工次数，该上述第二剩余加工次数基于能够在预测对象工具达到寿命之前加工上述工件的预测出的第二加工次数。/n

【技术特征摘要】
20191030 JP 2019-1968461.一种预测对象工具的寿命预测系统，具备：
加工机械主体，构成为使用工具来进行工件的机械加工；
检测器，构成为在加工上述工件时检测上述加工机械主体中的可观测状态，并作为状态数据获取包含上述可观测状态的数据；
学习完毕模型存储部，按多个上述工具的每一个工具寿命来存储学习完毕模型，该学习完毕模型是将上述状态数据作为说明变量，并将基于在一个上述工具中达到寿命之前加工上述工件的第一加工次数的第一剩余加工次数作为目的变量，使用包含上述说明变量以及上述目的变量的多个训练数据集来进行机械学习而生成的多个学习完毕模型；以及
剩余加工次数预测部，构成为基于上述状态数据从多个上述学习完毕模型中选择一个上述学习完毕模型，并使用上述一个上述学习完毕模型和上述状态数据，来预测第二剩余加工次数，该上述第二剩余加工次数基于能够在预测对象工具达到寿命之前加工上述工件的预测出的第二加工次数。


2.根据权利要求1所述的预测对象工具的寿命预测系统，其中，
上述剩余加工次数预测部构成为：对上述预测对象工具，获取有关最近的上述工件的多次的量的加工的上述状态数据、以及与上述最近的加工次数相同的利用上述工具进行的实际加工次数；
基于获取到的上述状态数据以及上述实际加工次数来选择上述一个学习完毕模型。


3.根据权利要求2所述的预测对象工具的寿命预测系统，其中，
上述剩余加工次数预测部构成为：
对伴随着利用上述预测对象的工具进行的上述实际加工次数的增加的上述状态数据的第一变迁、和上述多个训练数据集中的伴随着利用上述工具进行的加工次数的增加的上述状态数据的第二变迁进行比较，
基于比较，选择由上述多个训练数据集中具有与上述第一变迁相似度最高的上述第二变迁的一个训练数据集生成的上述一个学习完毕模型，
使用选择出的上述一个学习完毕模型和上述状态数据来预测上述第二剩余加工次数。


4.根据权利要求3所述的预测对象工具的寿命预测系统，其中，
上述剩余加工次数预测部构成为上述第一变迁是伴随着上述实际加工次数的增加的上述状态数据的多个特征量的变迁，上述第二变迁是上述训练数据集中的伴随着上述加工次数的增加的上述状态数据的多个特征量的变迁。


5.根据权利要求4所述...

【专利技术属性】
技术研发人员：薮根夏树，米津寿宏，加藤公一，石榑祐贵，
申请(专利权)人：株式会社捷太格特，
类型：发明
国别省市：日本;JP