KR102559773B1 - 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법 - Google Patents
공작기계의 공구 마모 및 파손 감지 장치 및 그 방법 Download PDFInfo
- Publication number
- KR102559773B1 KR102559773B1 KR1020220176292A KR20220176292A KR102559773B1 KR 102559773 B1 KR102559773 B1 KR 102559773B1 KR 1020220176292 A KR1020220176292 A KR 1020220176292A KR 20220176292 A KR20220176292 A KR 20220176292A KR 102559773 B1 KR102559773 B1 KR 102559773B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- tool
- unit
- sound
- wear
- 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.)
- Active
Links
- 238000012545 processing Methods 0.000 claims abstract description 54
- 230000002159 abnormal effect Effects 0.000 claims abstract description 48
- 230000005856 abnormality Effects 0.000 claims abstract description 26
- 238000012806 monitoring device Methods 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 238000007689 inspection Methods 0.000 claims abstract description 5
- 230000007423 decrease Effects 0.000 claims description 57
- 238000000034 method Methods 0.000 claims description 35
- 238000013480 data collection Methods 0.000 claims description 20
- 238000013500 data storage Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 230000005484 gravity Effects 0.000 claims description 3
- 230000002950 deficient Effects 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 230000001133 acceleration Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 238000003754 machining Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0957—Detection of tool breakage
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
- B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
- B23Q17/0971—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining by measuring mechanical vibrations of parts of the machine
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
- G05B19/4065—Monitoring tool breakage, life or condition
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/25—Manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
본 발명은 전력에 의해 구동하는 모터(2), 상기 모터(2)에 의해 회동하는 스핀들(3), 상기 스핀들(3)의 일측에 구비되어, 상기 스핀들(3)에 의해 회동하며, 공작물을 가공하는 공구(4)를 포함하는 설비(1)에서 상기 공구(4)의 마모 및 이상 여부를 감지하기 위한 것으로, 공작물 가공 시, 상기 설비(1)로부터 발생하는 사운드를 감지하는 사운드 센서(11), 상기 사운드 센서(11)에 의해 취득된 사운드 데이터 및 상기 설비(1)로부터 취득된 설비 데이터를 기계 학습하여, 상기 공구(4)의 교체 주기를 예측하고, 상기 공구(4)의 이상 여부를 판단하는 엣지 컨트롤러(20), 상기 엣지 컨트롤러(20)에 의해 처리된 다수의 데이터를 분류하여 저장하는 클라우드 서비스(35) 및 상기 클라우드 서비스(35)에 저장된 다수의 데이터를 모니터링하는 모니터링 장치(40)를 포함하고, 상기 설비 데이터는 공구 번호, 제품의 가공 횟수, 상기 공구(4)의 사용 횟수, 상기 스핀들(3)의 속도, 피드 레이트(Feed Rate), G코드, 검사 데이터, 설비명 및 상기 설비(1)의 상태 데이터를 포함하고, 상기 설비(1)의 상태 데이터는 시작, 종료 및 리셋을 포함하는 것을 특징으로 한다.
Description
본 발명은 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법에 관한 것으로, 더욱 자세하게는 IoT 센서에 의해 취득된 센서 데이터 및 설비로부터 취득된 설비 데이터를 기계 학습하여, 공구의 교체 주기를 예측하고, 상기 공구의 이상 여부를 판단하기 위한 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법에 관한 것이다.
공작기계는 자동차, 선박, 항공기, 정밀기계, 일반기계 등 다양한 정밀가공 산업에 적용되어, 기반 산업을 지탱하는 핵심 설비이다. 그러나, 공작기계의 보존 및 관리는 작업자의 경험 또는 능력에 의존할 수 밖에 없는 실정이다.
그리고, 공작기계에 로딩 로봇이 설치된 경우에도 숙련 기능공은 한정된 대수의 공작기계만을 운용할 수 있고, 초보 기능공은 숙련 기능공보다 적은 대수의 공작기계만을 운용할 수 있다는 한계가 있다. 또한, 초보 기능공이 1~2개월 이상의 숙련 기간을 이수할 때까지는 제품의 생산성 및 품질이 저하된다는 한계가 있다.
일반적으로, 기존의 공작기계의 공구관리 시스템은 툴 카운터 및 PLC 기반의 전류부하 측정기를 포함하여 구성된다.
먼저, 툴 카운터는 단순히 제품의 생산 갯수를 기반으로 한 것으로, 작업자의 경험에 의해 설정 및 운영된다.
그리고, 전류부하 측정기는 측정값이 부하의 상한값을 초과하거나, 하한값에 미치지 못하는 경우에 반응하도록 설정된다. 이로 인해, 기존의 전류부하 측정기는 일시적이거나, 특이한 초과값에도 반응할 수 있다.
따라서, 기존의 공구관리 시스템은 실패율이 높아, 제품의 생산성이 현저히 저하될 수 있어, 실제 가공현장에는 적용하기 어렵다는 문제점이 있었다. 또한, 기존의 공구관리 시스템은 설치 비용이 클 뿐만 아니라, 실효성이 떨어진다는 문제점이 있었다.
한편, 공구의 생애주기는 신규 공구를 공작기계에 장착한 시점부터 교체하는 시점까지의 시간 간격을 의미한다. 그리고, 공작 기계에 장착되는 공구는 제품의 가공 횟수에 따라 마모도가 점차 증가하는 경향이 있다.
그러나, 기존의 공구관리 시스템에서는 공구의 불량, 과다 사용 및 공구의 교체주기 초과로 인해 공구가 필요 이상으로 마모 또는 파손된 경우, 공작기계에 심각한 손상을 초래할 수 있다는 문제점이 있었다.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 본 발명의 목적은 IoT 센서에 의해 취득된 센서 데이터 및 설비로부터 취득된 설비 데이터를 기계 학습하여, 공구의 교체 주기를 예측하고, 상기 공구의 이상 여부를 판단하기 위한 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법을 제공하는데 있다.
또한, 본 발명의 목적은 IoT 센서에 의해 취득된 사운드, 부하전류 및 3축 진동 데이터 등의 센서 데이터 및 설비로부터 취득한 설비 데이터를 공구의 마모에 따른 시계열 데이터로 디지털화하여, 데이터베이스에 저장할 수 있는 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법을 제공하는데 있다.
또한, 본 발명의 목적은 센서 및 설비 데이터를 전처리한 후, 기계 학습을 통해 분석 및 검증하여, 공구의 교체 주기 및 마모도를 산출하고, 공구의 이상 여부를 사전에 파악할 수 있어, 실시간으로 공작기계를 모니터링할 수 있는 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법을 제공하는데 있다.
상기와 같은 기술적인 문제점을 해결하기 위하여, 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치(5)는 전력에 의해 구동하는 모터(2), 상기 모터(2)에 의해 회동하는 스핀들(3), 상기 스핀들(3)의 일측에 구비되어, 상기 스핀들(3)에 의해 회동하며, 공작물을 가공하는 공구(4)를 포함하는 설비(1)에서 상기 공구(4)의 마모 및 이상 여부를 감지하기 위한 것으로, 공작물 가공 시, 상기 설비(1)로부터 발생하는 사운드를 감지하는 사운드 센서(11), 상기 사운드 센서(11)에 의해 취득된 사운드 데이터 및 상기 설비(1)로부터 취득된 설비 데이터를 기계 학습하여, 상기 공구(4)의 교체 주기를 예측하고, 상기 공구(4)의 이상 여부를 판단하는 엣지 컨트롤러(20), 상기 엣지 컨트롤러(20)에 의해 처리된 다수의 데이터를 분류하여 저장하는 클라우드 서비스(35) 및 상기 클라우드 서비스(35)에 저장된 다수의 데이터를 모니터링하는 모니터링 장치(40)를 포함하고, 상기 설비 데이터는 공구 번호, 제품의 가공 횟수, 상기 공구(4)의 사용 횟수, 상기 스핀들(3)의 속도, 피드 레이트(Feed Rate), G코드, 검사 데이터, 설비명 및 상기 설비(1)의 상태 데이터를 포함하고, 상기 설비(1)의 상태 데이터는 시작, 종료 및 리셋을 포함하는 것을 특징으로 한다.
또한, 상기 엣지 컨트롤러(20)는 상기 사운드 센서(11)에 의해 취득된 사운드 데이터 및 상기 설비(1)로부터 취득된 설비 데이터를 실시간으로 수집하는 데이터 수집부(22), 상기 데이터 수집부(22)에 의해 수집된 사운드 및 설비 데이터가 가공일시 및 제품의 가공 횟수를 기준으로 로컬 저장부에 저장되는 데이터 저장부(23), 다수의 사운드 데이터 중에서 정상 데이터를 식별하여, 학습모델이 학습 가능하도록 가공 처리하는 데이터 가공부(24), 상기 데이터 가공부(24)에 의해 가공 처리된 다수의 정상 데이터 및 상기 데이터 저장부(23)에 저장된 다수의 설비 데이터를 제품의 가공단위에 따라 분류하여, 데이터셋을 구축하는 데이터셋 구축부(25), 상기 데이터셋 구축부(25)에 의해 구축된 데이터셋을 이용하여 상기 학습 모델을 학습시키는 데이터셋 학습부(26), 상기 데이터셋 학습부(26)에 의해 학습된 상기 학습 모델을 이용하여 사운드 및 설비 데이터를 바탕으로 상기 공구(4)의 교체주기 및 마모도를 산출하는 산출부(29) 및 상기 모니터링 장치(40)가 상기 데이터 저장부(23)에 저장된 설비 데이터, 상기 산출부(29)에 의해 산출된 상기 공구(4)의 교체 주기 및 마모도 데이터를 디스플레이하도록 제어하는 제어부(30)를 포함하는 것을 특징으로 한다.
또한, 상기 제품의 가공단위는 1개의 제품에 대한 가공 시작시간부터 가공 종료시간까지의 시간 간격이고, 상기 공구(4)의 교체 주기는 상기 공구(4)의 수명, 상기 공구(4)의 사용 횟수 및 상기 공구(4)의 마모율을 포함하고, 상기 공구(4)의 마모율은 상기 공구(4)의 수명을 상기 공구(4)의 사용 횟수로 나눈 값으로 산출되고, 상기 공구(4)의 마모도는 상기 공구(4)의 수평 방향의 마모도인 x축 마모도 및 공구(4)의 중력의 반대 방향의 마모도인 z축 마모도를 포함하는 것을 특징으로 한다.
또한, 상기 데이터 가공부(24)는 OCC(One-class classification, 단항 분류)를 이용하여 다수의 사운드 데이터 중에서 정상 데이터를 식별하고, 상기 다수의 사운드 데이터 중에서 정상 데이터가 아닌 비정상 데이터를 불량 처리하고, 상기 정상 데이터는 사전에 설정된 기준 구간 이내에 속하는 사운드 데이터인 것을 특징으로 한다.
또한, 상기 엣지 컨트롤러(30)는 시간에 따른 다수의 정상 데이터를 그래프로 표시하고, 상기 그래프를 분석하여, 일정한 기준 패턴을 추출하는 패턴 추출부(27), 다수의 기준 패턴에서 시프트 상태가 일치하지 않는 기준 패턴을 교정하기 위해 동적 시간 워핑을 적용하여 보정 작업을 수행하는 보정부(28), 상기 데이터 수집부(22)에 의해 실시간으로 수집된 다수의 사운드 데이터를 보간법을 이용하여 이산 신호에서 연속 신호의 형태로 변경하는 신호 변환부(31), 상기 신호 변환부(31)에 의해 변환된 다수의 사운드 데이터의 이상 여부를 판별하는 이상 판별부(32) 및 이상 발생 시, 관리자의 호출이 가능하도록 경보음을 표출하는 알람부(33)를 더 포함하는 것을 특징으로 한다.
또한, 상기 패턴 추출부(27)는 상기 신호 변환부(31)에 의해 변환된 다수의 사운드 데이터로부터 실제 패턴을 추출하고, 상기 이상 판별부(32)는 실제 패턴을 기준 패턴과 비교하여, 상기 실제 패턴과 상기 기준 패턴이 일치하지 않는 경우, 상기 실제 패턴에 대한 다수의 사운드 데이터를 이상으로 판별하고, 상기 제어부(30)는 다수의 사운드 데이터가 이상으로 판별된 경우, 상기 설비(1)의 가동이 즉시 중지되도록 제어하고, 상기 알람부(33)가 경보음을 표출하도록 제어하는 것을 특징으로 한다.
또한, 공작기계의 공구 마모 및 파손 감지 방법은 다수의 사운드 및 설비 데이터를 전처리하여, 학습모델이 공구(4)의 교체주기 및 마모도를 산출하도록 학습시키고, 기준 패턴을 추출하는 제 1단계, 실시간으로 수집된 사운드 및 설비 데이터에 대해 상기 공구(4)의 교체주기 및 마모도를 산출하는 제 2단계 및 실시간으로 수집된 사운드 데이터에 대해 상기 공구(4)의 이상 여부를 판별하는 제 3단계를 포함하고, 상기 제 1단계는 데이터 수집부(22)가 사운드 센서(11)에 의해 취득된 사운드 데이터 및 설비(1)로부터 취득된 설비 데이터를 다수 수집하는 제 1-1단계, 데이터 가공부(24)가 OCC를 이용하여 다수의 사운드 데이터 중에서 사전에 설정된 기준 구간 이내에 속하는 사운드 데이터를 정상 데이터로 식별하는 제 1-2단계, 상기 데이터 가공부(24)가 상기 다수의 사운드 데이터 중에서 상기 제 1-2단계에서 식별된 정상 데이터가 아닌 비정상 데이터를 불량 처리하는 제 1-3단계, 상기 데이터 가공부(24)가 상기 제 1-2단계에서 식별된 다수의 정상 데이터를 학습모델이 학습 가능하도록 처리하는 제 1-4단계, 데이터셋 구축부(25)가 상기 제 1-1단계에서 수집된 다수의 설비 데이터 및 상기 제 1-4단계에서 처리된 다수의 정상 데이터를 제품의 가공단위에 따라 분류하여, 데이터셋을 구축하는 제 1-5단계, 데이터셋 학습부(26)가 상기 제 1-5단계에서 구축된 데이터셋을 이용하여 상기 학습 모델을 학습시키는 제 1-6단계, 패턴 추출부(27)가 상기 제 1-2단계에서 식별된 다수의 정상 데이터를 시간에 따라 그래프로 표시하고, 상기 그래프를 분석하여, 일정한 기준 패턴을 다수 추출하는 제 1-7단계 및 상기 패턴 추출부(27)가 상기 제 1-7단계에서 추출된 다수의 기준 패턴에서 시프트 상태가 일치하지 않는 기준 패턴을 교정하기 위해 동적 시간 워핑을 적용하여 보정 작업을 수행하는 제 1-8단계를 포함하는 것을 특징으로 한다.
또한, 상기 제 2단계는 상기 데이터 수집부(22)가 상기 사운드 센서(11)에 의해 취득된 사운드 데이터 및 상기 설비(1)로부터 취득된 설비 데이터를 사전에 설정된 기준 시간별로 수집하는 제 2-1단계, 산출부(29)가 상기 제 1-6단계에서 학습된 상기 학습 모델을 이용하여 사운드 및 설비 데이터를 바탕으로 상기 공구(4)의 교체주기 및 마모도를 산출하는 제 2-2단계 및 제어부(30)가 상기 제 1-1단계에서 수집된 설비 데이터, 상기 제 2-2단계에서 산출된 상기 공구(4)의 교체 주기 및 마모도 데이터를 모니터링 장치(40)가 디스플레이하도록 제어하는 제 2-3단계를 포함하는 것을 특징으로 한다.
또한, 상기 제 3단계는 신호 변환부(31)가 제 2-1단계에서 수집된 다수의 사운드 데이터를 보간법을 이용하여 이산 신호에서 연속 신호의 형태로 변경하는 제 3-1단계 및 이상 판별부(32)가 상기 제 3-1단계에서 변환된 다수의 사운드 데이터로부터 실제 패턴을 추출하는 제 3-2단계, 상기 이상 판별부(32)가 상기 제 3-2단계에서 추출된 실제 패턴과 상기 제 1-7단계에서 추출된 기준 패턴이 일치하지 않는 경우, 상기 실제 패턴에 대한 다수의 사운드 데이터를 이상으로 판별하는 제 3-3단계, 상기 제어부(30)가 상기 제 3-3단계에서 이상으로 판별된 다수의 사운드 데이터에 대해, 해당 설비(1)의 가동이 즉시 중지되도록 제어하는 제 3-4단계 및 상기 제어부(30)가 알람부(33)가 경보음을 표출하도록 제어하는 제 3-5단계를 포함하는 것을 특징으로 한다.
본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법에서는 공구의 교체 주기 및 마모도를 실시간으로 산출하여, 모니터링할 수 있어, 공구의 교체 비용을 절감할 수 있는 효과가 있다.
또한, 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법에서는 공구의 이상 여부를 예측하여, 이상 발생 시, 공작기계의 가동을 중지시키고, 알람을 통해 관리자에게 알려줄 수 있어, 공구의 사용 횟수를 극대화하고, 공작기계의 손상을 미연에 방지할 수 있다.
또한, 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법에서는 제품의 생산성을 향상시키고, 기계 가공 비용을 절감할 수 있어, 기계 가공 제품의 가격 경쟁력을 확보할 수 있는 효과가 있다.
도 1은 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치(5)의 구성도이다.
도 2는 도 1에 도시된 공작기계의 공구 마모 및 파손 감지 장치(5)의 블록도이다.
도 3은 도 2에 도시된 엣지 컨트롤러(20)의 데이터 흐름도이다.
도 4는 데이터 수집부(22)에 의해 수집되는 센서 및 설비 데이터의 일례를 도시한 도면이다.
도 5는 설비 데이터 및 공구의 교체 주기의 일례를 도시한 도면이다.
도 6은 도 5에 도시된 공구(4)의 교체주기의 일례를 도시한 상세도이다.
도 7은 엣지 컨트롤러(20)의 이상 판별 과정에 대한 개념도이다.
도 8은 엣지 컨트롤러(20)의 기준 패턴 추출 과정에 대한 블록도이다.
도 9는 도 7에 도시된 엣지 컨트롤러(20)의 이상 판별 과정에 대한 블록도이다.
도 10은 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 방법에 대한 순서도이다.
도 11은 도 10에 도시된 사운드 데이터 전처리 및 학습, 기준패턴 추출 과정에 대한 순서도이다.
도 12는 도 10에 도시된 공구(4)의 교체주기 및 마모도 산출 단계에 대한 순서도이다.
도 13는 도 10에 도시된 공구(4)의 이상 여부를 판별하는 단계에 대한 순서도이다.
도 2는 도 1에 도시된 공작기계의 공구 마모 및 파손 감지 장치(5)의 블록도이다.
도 3은 도 2에 도시된 엣지 컨트롤러(20)의 데이터 흐름도이다.
도 4는 데이터 수집부(22)에 의해 수집되는 센서 및 설비 데이터의 일례를 도시한 도면이다.
도 5는 설비 데이터 및 공구의 교체 주기의 일례를 도시한 도면이다.
도 6은 도 5에 도시된 공구(4)의 교체주기의 일례를 도시한 상세도이다.
도 7은 엣지 컨트롤러(20)의 이상 판별 과정에 대한 개념도이다.
도 8은 엣지 컨트롤러(20)의 기준 패턴 추출 과정에 대한 블록도이다.
도 9는 도 7에 도시된 엣지 컨트롤러(20)의 이상 판별 과정에 대한 블록도이다.
도 10은 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 방법에 대한 순서도이다.
도 11은 도 10에 도시된 사운드 데이터 전처리 및 학습, 기준패턴 추출 과정에 대한 순서도이다.
도 12는 도 10에 도시된 공구(4)의 교체주기 및 마모도 산출 단계에 대한 순서도이다.
도 13는 도 10에 도시된 공구(4)의 이상 여부를 판별하는 단계에 대한 순서도이다.
본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치(5)는 전력에 의해 구동하는 모터(2), 상기 모터(2)에 의해 회동하는 스핀들(3), 상기 스핀들(3)의 일측에 구비되어, 상기 스핀들(3)에 의해 회동하며, 공작물을 가공하는 공구(4)를 포함하는 설비(1)에서 공구(4)의 마모 및 이상 여부를 감지하기 위해 적용된다.
도 1은 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치(5)의 구성도이다.
도 1을 참조하면, 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치(5)는 IoT 센서(10), 엣지 컨트롤러(20), 클라우드 서비스(35) 및 모니터링 장치(40)를 포함하여 구성된다.
먼저, IoT 센서(10)는 설비(1)의 일측에 구비되어, 설비(1)에 대해 센서 데이터를 취득한다.
여기서, 센서 데이터는 공작물 가공시 발생하는 사운드, 모터(2)의 부하 전류, 공구(4)의 3축(x축, y축, z축) 진동, 공구(4)의 공간 좌표, 모터(2)의 속도 및 가속도 데이터를 포함하여 구성될 수 있다.
여기서, IoT 센서(10)는 공작물 가공 시, 설비(1)로부터 발생하는 사운드를 감지하는 사운드 센서(11)를 포함하여 구성될 수 있다.
그리고, 엣지 컨트롤러(20)는 사운드 센서(11)에 의해 취득된 사운드 데이터 및 설비(1)로부터 취득된 설비 데이터를 기계 학습하여, 공구의 교체 주기를 예측하고, 공구(4)의 이상 여부를 판단한다.
여기서, 설비(1)는 CNC 선반, 밀링 등의 공작기계를 포함할 수 있다. 그리고, 설비 데이터는 공구 번호, 제품의 가공 횟수, 공구의 사용 횟수, 스핀들의 속도, 피드 레이트(Feed Rate), G코드 및 검사 데이터를 포함하여 구성된다.
이때, 피드 레이트는 공구(4)의 이송 속도이고, 검사 데이터는 작업자에 의해 입력된 공구(4)의 치수 데이터를 의미한다. 그리고, 스핀들(3)은 일측에 공구(4)가 장착되어, 모터(2)에 의해 고속 회동하는 장치를 의미한다.
예를 들어, 공구 번호는 08번, 제품의 가공 횟수는 22회, 공구의 사용 횟수는 45회, 스핀들의 속도는 860rpm, 피드 레이트는 172mm/min, G 코드는 G1Z-3, M81일 수 있다.
그리고, 클라우드 서비스(35)는 엣지 컨트롤러(20)에 의해 처리된 다수의 데이터를 분류하여 저장한다.
그리고, 모니터링 장치(40)는 클라우드 서비스(35)에 저장된 다수의 데이터를 모니터링한다. 이때, 모니터링 장치(40)는 퍼스널 컴퓨터의 앱, 모바일 앱 등으로 구현될 수 있다.
한편, IoT 센서(10)는 전류 센서(12), 진동 센서(13), 자이로 센서(14), 속도 센서(15), 가속도 센서(16)를 더 포함하여 구성될 수 있다.
먼저, 전류 센서(12)는 공구(4)를 회동시키기 위한 모터(2)의 부하 전류를 감지한다.
그리고, 진동 센서(13)는 공구(4)의 3축 진동값을 감지한다.
그리고, 자이로 센서(14)는 공구(4)의 위치를 감지하여, 공간 좌표로 표시한다.
그리고, 속도 센서(15)는 공구(4)를 회동시키기 위한 모터(2)의 속도를 감지한다.
그리고, 가속도 센서(16)는 공구(4)를 회동시키기 위한 모터(2)의 가속도를 감지한다.
도 2는 도 1에 도시된 공작기계의 공구 마모 및 파손 감지 장치(5)의 블록도이고, 도 3은 도 2에 도시된 엣지 컨트롤러(20)의 데이터 흐름도이다.
도 2 및 도 3을 참조하면, 엣지 컨트롤러(20)는 통신부(21), 데이터 수집부(22), 데이터 저장부(23), 데이터 가공부(24), 데이터셋 구축부(25), 데이터셋 학습부(26), 산출부(29) 및 제어부(30)를 포함하여 구성된다.
먼저, 통신부(21)는 엣지 컨트롤러(20)와 IoT 센서(10), 클라우드 서비스(35) 및 모니터링 장치(40) 간에 데이터를 송수신하는 역할을 한다. 이때, 통신부(21)는 근거리 통신 모듈인 블루투스 모듈의 형태로 구현될 수 있다.
도 4는 데이터 수집부(22)에 의해 수집되는 센서 및 설비 데이터의 일례를 도시한 도면이다.
도 4를 참조하면, 데이터 수집부(22)는 IoT 센서(10)에 의해 취득된 센서 데이터 및 설비(1)로부터 취득된 설비 데이터를 실시간으로 수집한다.
구체적으로, 데이터 수집부(22)는 사운드 센서(11)에 의해 취득된 사운드 데이터 및 설비(1)로부터 취득된 설비 데이터를 실시간으로 수집한다.
그리고, 데이터 저장부(23)에서는 데이터 수집부(22)에 의해 수집된 센서 및 설비 데이터가 가공일시 및 제품의 가공 횟수를 기준으로 로컬 저장부에 저장된다.
구체적으로, 데이터 저장부(23)에서는 데이터 수집부(22)에 의해 수집된 사운드 및 설비 데이터가 가공일시 및 제품의 가공 횟수를 기준으로 로컬 저장부에 저장된다.
예를 들어, 데이터 저장부(23)에 저장되는 파일은 사운드 30dB, 전류 1.31A, x축 가속도 0.002701g, y축 가속도 0.0042g, z축 가속도 -0.00238g, 제품의 가공 횟수 834321회, 공구번호 10번을 포함하여 구성될 수 있다.
그리고, 데이터 가공부(24)는 다수의 사운드 데이터 중에서 정상 데이터를 식별하여, 학습모델이 학습 가능하도록 가공 처리한다.
그리고, 데이터셋 구축부(25)는 데이터 가공부(24)에 의해 가공 처리된 다수의 정상 데이터 및 데이터 저장부(23)에 저장된 다수의 설비 데이터를 제품의 가공단위에 따라 분류하여, 데이터셋을 구축한다.
여기서, 제품의 가공단위는 1개의 제품에 대한 가공 시작시간부터 가공 종료시간까지의 시간 간격을 의미한다.
그리고, 데이터셋 학습부(26)는 데이터셋 구축부(25)에 의해 구축된 데이터셋을 이용하여 학습 모델을 학습시킨다.
도 5는 설비 데이터 및 공구의 교체 주기의 일례를 도시한 도면이고, 도 6은 도 5에 도시된 공구(4)의 교체주기의 일례를 도시한 상세도이다.
도 5 및 도 6을 참조하면, 산출부(29)는 데이터셋 학습부(26)에 의해 학습된 학습 모델을 이용하여 사운드 및 설비 데이터를 바탕으로 공구(4)의 교체주기 및 마모도를 산출한다.
여기서, 설비 데이터는 설비명 및 설비의 상태 데이터를 더 포함하여 구성될 수 있다. 이때, 설비의 상태 데이터는 시작(Start), 종료(End) 및 리셋(Reset)을 포함하여 구성될 수 있다.
도 5를 참조하면, 설비 데이터는 설비명 DCT INPUT 2-1, 설비의 상태 시작, 제품의 가공 횟수 84,978회, 공구 번호 08, 커팅 시간 18,096hr, 스핀들(3) 속도 1,401rpm, 피드 레이트 227mm/min로 구성될 수 있다.
그리고, 공구의 교체 주기는 공구의 수명, 공구의 사용 횟수 및 공구의 마모율을 포함하여 구성된다. 이때, 공구의 마모율은 공구의 수명을 공구의 사용 횟수로 나눈 값으로 산출된다.
도 6을 참조하면, 공구의 수명은 400회, 공구의 사용 횟수는 358회, 공구의 마모율은 358/400*100=90%일 수 있다.
그리고, 공구의 마모도는 x축 마모도 및 z축 마모도를 포함하여 구성된다. 이때, x축 마모도는 공구(4)의 수평 방향(x축 방향)의 마모도이고, z축 마모도는 공구(4)의 중력의 반대 방향(z축 방향)의 마모도를 의미한다.
도 6을 참조하면, x축 마모도는 -0.020mm, z축 마모도는 -0.045mm일 수 있다.
그리고, 제어부(30)는 모니터링 장치(40)가 데이터 저장부(23)에 저장된 설비 데이터, 산출부(29)에 의해 산출된 공구의 교체 주기 및 마모도 데이터를 디스플레이하도록 제어한다.
이때, 모니터링 장치(40)가 디스플레이하는 설비 데이터는 설비명, 설비의 상태, 제품의 가공 횟수, 공구 번호, 커팅 시간, 스핀들의 속도, 피드 레이트를 포함하여 구성될 수 있다.
예를 들어, 모니터링 장치(40)가 디스플레이하는 설비 데이터는 제품의 가공 횟수 87,987회, 공구 번호 08번, 커팅 시간 18,096hr, 스핀들의 속도 1,401rpm, 피드 레이트 227mm/min 등을 포함하여 구성될 수 있다.
그리고, 모니터링 장치(40)가 디스플레이하는 공구의 교체 주기 데이터는 공구의 수명 300회, 공구의 사용 횟수 258회, 공구의 마모율 86%를 포함하여 구성될 수 있고, 모니터링 장치(40)가 디스플레이하는 마모도 데이터는 x축 마모도 0.000mm, z축 마모도 0.1405mm를 포함하여 구성될 수 있다.
이때, 공구의 마모율 데이터는 원형 차트로 표시될 수 있다.
한편, 데이터 가공부(24)는 OCC(One-class classification, 단항 분류)를 이용하여 다수의 사운드 데이터 중에서 정상 데이터를 식별하고, 다수의 사운드 데이터 중에서 정상 데이터가 아닌 비정상 데이터를 불량 처리한다.
이때, 정상 데이터는 데이터가 사전에 설정된 기준 구간 이내에 속하는 사운드 데이터를 의미한다.
여기서, OCC는 CNN(Convolutional Neural Network) 계열의 준지도 이상 탐지(Semi-supervised anomaly detection) 기법을 의미한다.
한편, 엣지 컨트롤러(20)는 패턴 추출부(27) 및 보정부(28)를 더 포함하여 구성될 수 있다.
먼저, 패턴 추출부(27)는 시간에 따른 다수의 정상 데이터를 그래프로 표시하고, 상기 그래프를 분석하여, 일정한 기준 패턴을 추출한다.
그리고, 보정부(28)는 다수의 기준 패턴에서 시프트 상태가 일치하지 않는 기준 패턴을 교정하기 위해 경우, 동적 시간 워핑(DTW, Dynamic Time Warping)을 적용하여 보정 작업을 수행한다.
한편, 데이터 수집부(22)는 사운드 센서(11)에 의해 취득된 사운드 데이터 및 설비(1)로부터 취득된 설비 데이터를 사전에 설정된 기준 시간별로 수집한다.
도 7은 엣지 컨트롤러(20)의 이상 판별 과정에 대한 개념도이고, 도 8은 엣지 컨트롤러(20)의 기준 패턴 추출 과정에 대한 블록도이고, 도 9는 도 8에 도시된 엣지 컨트롤러(20)의 이상 판별 과정에 대한 블록도이다.
도 7 내지 도 9를 참조하면, 엣지 컨트롤러(20)는 신호 변환부(31), 이상 판별부(32) 및 알람부(33)를 더 포함하여 구성될 수 있다.
신호 변환부(31)는 데이터 수집부(22)에 의해 실시간으로 수집된 다수의 사운드 데이터를 보간법을 이용하여 이산 신호에서 연속 신호의 형태로 변경한다.
이때, 이산 신호(Discrete Signal)는 다수의 사운드 데이터를 시간에 따라 샘플링한 신호이고, 연속 신호(Continuous Signal)는 이산 신호를 연속 함수의 형태로 변환한 신호를 의미한다.
이때, 보간법은 제한된 수의 샘플링 신호로부터 관측값이 없는 지점에 대한 신호를 추정하는 방법을 의미한다. 그리고, 상기 보간법은 라그랑지안 다항식 보간법(Lagrange Polynomial interpolation), 선형 보간법(Linear Interpolation) 등을 포함할 수 있다.
한편, 패턴 추출부(27)는 신호 변환부(31)에 의해 변환된 다수의 사운드 데이터로부터 실제 패턴을 추출한다.
그리고, 이상 판별부(32)는 학습 모델을 이용하여 신호 변환부(31)에 의해 변환된 다수의 사운드 데이터의 이상 여부를 판별한다.
구체적으로, 이상 판별부(32)는 실제 패턴을 기준 패턴과 비교하여, 상기 실제 패턴과 기준 패턴이 일치하지 않는 경우, 상기 실제 패턴에 대한 다수의 사운드 데이터를 이상으로 판별한다.
그리고, 알람부(33)는 이상 발생 시, 관리자의 호출이 가능하도록 경보음을 표출한다.
그리고, 제어부(30)는 다수의 사운드 데이터가 이상으로 판별된 경우, 설비(1)의 가동이 즉시 중지되도록 제어하고, 알람부(33)가 경보음을 표출하도록 제어한다.
다음으로, 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 방법에 대해 설명하기로 한다.
도 10은 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 방법에 대한 순서도이다.
도 10을 참조하면, 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 방법은 다음과 같다.
먼저, 다수의 사운드 및 설비 데이터를 전처리하여, 학습모델이 공구(4)의 교체주기 및 마모도를 산출하도록 학습시키고, 기준 패턴을 추출한다.(S100)
그 이후, 실시간으로 수집된 사운드 및 설비 데이터에 대해 공구(4)의 교체주기 및 마모도를 산출한다.(S200)
그 이후, 실시간으로 수집된 사운드 데이터에 대해 공구(4)의 이상 여부를 판별한다.(S300)
도 11은 도 10에 도시된 사운드 데이터 전처리 및 학습, 기준패턴 추출 과정에 대한 순서도이다.
도 11을 참조하면, 사운드 데이터를 전처리하여 학습하고, 기준패턴을 추출 하는 S100단계는 다음과 같다.
먼저, 데이터 수집부(22)는 사운드 센서(11)에 의해 취득된 사운드 데이터 및 설비(1)로부터 취득된 설비 데이터를 다수 수집한다.(S101)
S101단계에서 수집된 사운드 및 설비 데이터는 가공일시 및 제품의 가공 횟수를 기준으로 데이터 저장부(23)의 로컬 저장부로 저장된다.
그 이후, 데이터 가공부(24)는 OCC를 이용하여 다수의 사운드 데이터 중에서 사전에 설정된 기준 구간 이내에 속하는 사운드 데이터를 정상 데이터로 식별한다.(S102)
그 이후, 데이터 가공부(24)는 다수의 사운드 데이터 중에서 S102단계에서 식별된 정상 데이터가 아닌 비정상 데이터를 불량 처리한다.(S103)
그 이후, 데이터 가공부(24)는 S102단계에서 식별된 다수의 사운드 데이터를 식별하여, 학습모델이 학습 가능하도록 처리한다.(S104)
그 이후, 데이터셋 구축부(25)는 S101단계에서 수집된 다수의 설비 데이터, S104단계에서 처리된 다수의 정상 데이터를 제품의 가공단위에 따라 분류하여, 데이터셋을 구축한다.(S105)
그 이후, 데이터셋 학습부(26)는 S105단계에서 구축된 데이터셋을 이용하여 학습 모델을 학습시킨다.(S106)
그 이후, 데이터 가공부(24)는 S106단계에서 식별된 다수의 정상 데이터를 시간에 따라 그래프로 표시하고, 그래프를 분석하여 일정한 기준 패턴을 추출한다.(S107)
그 이후, 데이터 가공부(24)는 S107단계에서 추출된 다수의 기준 패턴에서 시프트 상태가 일치하지 않는 기준 패턴을 교정하기 위해 동적 시간 워핑을 적용하여 보정 작업을 수행한다.(S108)
도 12는 도 10에 도시된 공구(4)의 교체주기 및 마모도 산출 단계에 대한 순서도이다.
도 12를 참조하면, 실시간으로 수집된 사운드 및 설비 데이터에 대해 공구(4)의 교체주기 및 마모도를 산출하는 S200단계는 다음과 같다.
먼저, 데이터 수집부(22)는 사운드 센서(11)에 의해 취득된 사운드 데이터 및 설비(1)로부터 취득된 설비 데이터를 사전에 설정된 기준 시간별로 수집한다.(201)
그 이후, 산출부(29)는 S106단계에서 학습된 학습 모델을 이용하여 201단계에서 수집된 사운드 및 설비 데이터에 대해 공구(4)의 교체주기 및 마모도를 산출한다.(S202)
그 이후, 제어부(30)는 S101단계에서 수집된 설비 데이터, S202단계에서 산출부(29)에 의해 산출된 공구의 교체 주기 및 마모도 데이터를 모니터링 장치(40)가 디스플레이하도록 제어한다.(S203)
도 13는 도 10에 도시된 공구(4)의 이상 여부를 판별하는 단계에 대한 순서도이다.
도 13을 참조하면, 다수의 사운드 및 설비 데이터를 바탕으로, 공구(4)의 이상 여부를 판별하는 S200단계는 다음과 같다.
그 이후, 신호 변환부(31)는 S201단계에서 수집된 다수의 사운드 데이터를 보간법을 이용하여 이산 신호에서 연속 신호의 형태로 변경한다.(202)
그 이후, 이상 판별부(32)는 S202단계에서 변환된 다수의 사운드 데이터로부터 실제 패턴을 추출한다.(203)
그 이후, 이상 판별부(32)는 S203단계에서 추출된 실제 패턴과 S103단계에서 추출된 기준 패턴이 일치하지 않는 경우, 실제 패턴에 대한 다수의 사운드 데이터를 이상으로 판별한다.(204)
그 이후, 제어부(30)는 S204단계에서 이상으로 판별된 다수의 사운드 데이터에 대해, 해당 설비(1)의 가동이 즉시 중지되도록 제어한다.(205)
그 이후, 제어부(30)는 알람부(33)가 경보음을 표출하도록 제어한다.(206)
한편, 이상 판별부(30)는 데이터 수집부(22)에 의해 수집된 사운드 데이터로부터 잡음 데이터를 판별할 수 있다.
이때, 잡음 데이터는 공구의 마모 또는 이상 여부와 상관 없는 데이터를 의미한다.
그리고, 이상 판별부(30)는 상기 사운드 데이터를 잡음 데이터 및 상기 잡음 데이터가 아닌 리얼 데이터로 각각 구분할 수 있다.
그리고, 이상 판별부(30)는 잡음 데이터의 평균이 리얼 데이터의 평균 이상인 경우, 제1 주의 신호를 생성한다.
이때, 잡음 데이터의 평균은 시간별로 각각 측정된 잡음 데이터(dB)의 합을 잡음 데이터의 개수로 나눈 값을 의미한다.
마찬가지로, 리얼 데이터의 평균은 시간별로 각각 측정된 리얼 데이터의 합을 리얼 데이터의 개수로 나눈 값을 의미한다.
한편, 이상 판별부(30)는 기준 패턴으로부터 시간에 따른 사운드 데이터의 기준 증감 구간을 각각 파악한다.
이때, 기준 증감 구간은 기준 패턴에서 시간에 따라 사운드 데이터가 증가하는 기준 증가 구간 및 기준 패턴에서 시간에 따라 사운드 데이터가 감소하는 기준 감소 구간을 포함할 수 있다.
그리고, 이상 판별부(30)는 실제 패턴으로부터 시간에 따른 사운드 데이터의 실제 증감 구간을 각각 파악한다.
이때, 실제 증감 구간은 실제 패턴에서 시간에 따라 사운드 데이터가 증가하는 증가 구간 및 실제 패턴에서 시간에 따라 사운드 데이터가 감소하는 감소 구간을 포함할 수 있다.
예를 들어, 실제 증감 구간은 제1 증가 구간, 제1 감소 구간, 제2 증가 구간, 제2 감소 구간, 제3 증가 구간, 제3 감소 구간 등으로 표현될 수 있다.
그리고, 이상 판별부(30)는 다수의 기준 증감 구간 및 실제 증감 구간을 각각 매칭시킨 후, 매칭된 기준 증감 구간 및 실제 증감 구간이 사전에 설정된 기준 횟수 이상 미일치 시, 제2 주의 신호를 생성한다.
이때, 매칭된 기준증감 구간 및 실제 증감 구간이 미일치하는 경우는 기준증감 구간은 증가하는 반면에, 실제 증감 구간은 감소하는 경우, 기준증감 구간은 감소하는 반면에, 실제 증감 구간은 증가하는 경우일 수 있다.
이때, 매칭된 기준증감 구간 및 실제 증감 구간이 미일치하는 경우는 기준 증감 구간 및 실제 증감 구간이 각각 증가하거나, 각각 감소하더라도, 기준 증감 구간 및 시제 증감 구간의 기울기의 차이가 사전에 설정된 기준 차이 이상인 경우일 수 있다.
이때, 기울기는 기준 증감 구간 또는 실제 증감 구간에서 사운드 데이터의 차이를 시간 간격으로 나눈 값을 의미한다.
그리고, 이상 판별부(30)는 실제 패턴에서 시간에 따른 다수의 사운드 데이터의 실제 오차를 계산한다.
이때, 실제 오차는 기준 패턴에서 산출된 사운드 데이터의 평균에서 실제 패턴에서 추출된 사운드 데이터를 차감한 값의 절댓값을 의미한다.
그리고, 이상 판별부(30)는 상기 실제 오차가 사전에 설정된 기준 오차 이상인 경우, 경고 신호를 생성한다.
그리고, 이상 판별부(30)는 실제 오차의 제곱의 합이 사전에 설정된 세팅 합 이상인 경우, 위험 신호를 생성한다.
그리고, 이상 판별부(30)는 실제 패턴에서 사전에 설정된 기준 시간간격이 아닌 구간에서도 사전에 설정된 기준 크기 이상의 사운드 데이터가 사전에 설정된 세팅 시간간격 이상의 사간 동안 발생 시, 심각 신호를 생성한다.
그리고, 알람부(31)는 이상 판별부(30)에 의해 생성된 제1 주의 신호, 제2 주의 신호, 경고 신호, 위험 신호 및 심각 신호를 경보음을 통해 각각 표출한다.
이때, 알람부(31)에 의해 표출되는 경보음의 크기는 심각 신호, 위험 신호, 경고 신호, 제2 주의 신호, 제1 주의 신호 순으로 크게 설정된다.
이를 통해, 사용자는 공구의 이상 여부를 단계별로 보다 확실히 파악할 수 있다.
본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치(5)에서는 공구의 교체 주기 및 마모도를 실시간으로 산출하여, 모니터링할 수 있어, 공구(4)의 교체 비용을 절감할 수 있는 효과가 있다.
또한, 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치(5)에서는 공구(4)의 이상 여부를 예측하여, 이상 발생 시, 공작기계의 가동을 중지시키고, 알람을 통해 관리자에게 알려줄 수 있어, 공구의 사용 횟수를 극대화하고, 공작기계의 손상을 미연에 방지할 수 있다.
또한, 본 발명에 의한 공작기계의 공구 마모 및 파손 감지 장치(5)에서는 제품의 생산성을 향상시키고, 기계 가공 비용을 절감할 수 있어, 기계 가공 제품의 가격 경쟁력을 확보할 수 있는 효과가 있다.
1: 설비 5: 공구 마모 및 파손 감지장치
10: IoT 센서 11: 사운드 센서
12: 전류 센서 13: 진동 센서
14: 자이로 센서 15: 속도 센서
16: 가속도 센서 20: 엣지 컨트롤러
21: 통신부 22: 데이터 수집부
23: 데이터 저장부 24: 데이터 가공부
25: 데이터셋 구축부 26: 데이터셋 학습부
27: 산출부 28: 제어부
29: 신호 변환부 30: 이상 판별부
31: 알람부 35: 클라우드 서비스
40: 모니터링 장치
10: IoT 센서 11: 사운드 센서
12: 전류 센서 13: 진동 센서
14: 자이로 센서 15: 속도 센서
16: 가속도 센서 20: 엣지 컨트롤러
21: 통신부 22: 데이터 수집부
23: 데이터 저장부 24: 데이터 가공부
25: 데이터셋 구축부 26: 데이터셋 학습부
27: 산출부 28: 제어부
29: 신호 변환부 30: 이상 판별부
31: 알람부 35: 클라우드 서비스
40: 모니터링 장치
Claims (9)
- 전력에 의해 구동하는 모터(2), 상기 모터(2)에 의해 회동하는 스핀들(3), 상기 스핀들(3)의 일측에 구비되어, 상기 스핀들(3)에 의해 회동하며, 공작물을 가공하는 공구(4)를 포함하는 설비(1)에서 상기 공구(4)의 마모 및 이상 여부를 감지하기 위한 공작기계의 공구 마모 및 파손 감지 장치(5)에 있어서,
공작물 가공 시, 상기 설비(1)로부터 발생하는 사운드를 감지하는 사운드 센서(11);
상기 사운드 센서(11)에 의해 취득된 사운드 데이터 및 상기 설비(1)로부터 취득된 설비 데이터를 기계 학습하여, 상기 공구(4)의 교체 주기를 예측하고, 상기 공구(4)의 이상 여부를 판단하는 엣지 컨트롤러(20);
상기 엣지 컨트롤러(20)에 의해 처리된 다수의 데이터를 분류하여 저장하는 클라우드 서비스(35); 및
상기 클라우드 서비스(35)에 저장된 다수의 데이터를 모니터링하는 모니터링 장치(40);를 포함하고,
상기 설비 데이터는
공구 번호, 제품의 가공 횟수, 상기 공구(4)의 사용 횟수, 상기 스핀들(3)의 속도, 피드 레이트(Feed Rate), G코드, 검사 데이터, 설비명 및 상기 설비(1)의 상태 데이터를 포함하고,
상기 설비(1)의 상태 데이터는
시작, 종료 및 리셋을 포함하고,
상기 엣지 컨트롤러(20)는
상기 사운드 센서(11)에 의해 취득된 사운드 데이터 및 상기 설비(1)로부터 취득된 설비 데이터를 실시간으로 수집하는 데이터 수집부(22);
상기 데이터 수집부(22)에 의해 수집된 사운드 및 설비 데이터가 가공일시 및 제품의 가공 횟수를 기준으로 로컬 저장부에 저장되는 데이터 저장부(23);
다수의 사운드 데이터 중에서 정상 데이터를 식별하여, 학습모델이 학습 가능하도록 가공 처리하는 데이터 가공부(24);
상기 데이터 가공부(24)에 의해 가공 처리된 다수의 정상 데이터 및 상기 데이터 저장부(23)에 저장된 다수의 설비 데이터를 제품의 가공단위에 따라 분류하여, 데이터셋을 구축하는 데이터셋 구축부(25);
상기 데이터셋 구축부(25)에 의해 구축된 데이터셋을 이용하여 상기 학습 모델을 학습시키는 데이터셋 학습부(26);
상기 데이터셋 학습부(26)에 의해 학습된 상기 학습 모델을 이용하여 사운드 및 설비 데이터를 바탕으로 상기 공구(4)의 교체주기 및 마모도를 산출하는 산출부(29); 및
상기 모니터링 장치(40)가 상기 데이터 저장부(23)에 저장된 설비 데이터, 상기 산출부(29)에 의해 산출된 상기 공구(4)의 교체 주기 및 마모도 데이터를 디스플레이하도록 제어하는 제어부(30);를 포함하고,
상기 제품의 가공단위는
1개의 제품에 대한 가공 시작시간부터 가공 종료시간까지의 시간 간격이고,
상기 공구(4)의 교체 주기는
상기 공구(4)의 수명, 상기 공구(4)의 사용 횟수 및 상기 공구(4)의 마모율을 포함하고,
상기 공구(4)의 마모율은
상기 공구(4)의 수명을 상기 공구(4)의 사용 횟수로 나눈 값으로 산출되고,
상기 공구(4)의 마모도는
상기 공구(4)의 수평 방향의 마모도인 x축 마모도 및 공구(4)의 중력의 반대 방향의 마모도인 z축 마모도이고,
상기 데이터 가공부(24)는
OCC(One-class classification, 단항 분류)를 이용하여 다수의 사운드 데이터 중에서 정상 데이터를 식별하고, 상기 다수의 사운드 데이터 중에서 정상 데이터가 아닌 비정상 데이터를 불량 처리하고,
상기 정상 데이터는
사전에 설정된 기준 구간 이내에 속하는 사운드 데이터이고,
상기 엣지 컨트롤러(30)는
시간에 따른 다수의 정상 데이터를 그래프로 표시하고, 상기 그래프를 분석하여, 일정한 기준 패턴을 추출하는 패턴 추출부(27);
다수의 기준 패턴에서 시프트 상태가 일치하지 않는 기준 패턴을 교정하기 위해 동적 시간 워핑을 적용하여 보정 작업을 수행하는 보정부(28);
상기 데이터 수집부(22)에 의해 실시간으로 수집된 다수의 사운드 데이터를 보간법을 이용하여 이산 신호에서 연속 신호의 형태로 변경하는 신호 변환부(31);
상기 신호 변환부(31)에 의해 변환된 다수의 사운드 데이터의 이상 여부를 판별하는 이상 판별부(32); 및
이상 발생 시, 관리자의 호출이 가능하도록 경보음을 표출하는 알람부(33);를 더 포함하고,
상기 패턴 추출부(27)는
상기 신호 변환부(31)에 의해 변환된 다수의 사운드 데이터로부터 실제 패턴을 추출하고,
상기 이상 판별부(32)는
실제 패턴을 기준 패턴과 비교하여, 상기 실제 패턴과 상기 기준 패턴이 일치하지 않는 경우, 상기 실제 패턴에 대한 다수의 사운드 데이터를 이상으로 판별하고,
상기 제어부(30)는
다수의 사운드 데이터가 이상으로 판별된 경우, 상기 설비(1)의 가동이 즉시 중지되도록 제어하고, 상기 알람부(33)가 경보음을 표출하도록 제어하고,
상기 이상 판별부(30)는
상기 데이터 수집부(22)에 의해 수집된 사운드 데이터로부터 잡음 데이터를 판별하고,
상기 이상 판별부(30)는
상기 사운드 데이터를 잡음 데이터 및 상기 잡음 데이터가 아닌 리얼 데이터로 각각 구분하고,
상기 이상 판별부(30)는
잡음 데이터의 평균이 리얼 데이터의 평균 이상인 경우, 제1 주의 신호를 생성하고,
상기 이상 판별부(30)는
기준 패턴으로부터 시간에 따른 사운드 데이터의 기준 증감 구간을 각각 파악하고,
상기 이상 판별부(30)는
실제 패턴으로부터 시간에 따른 사운드 데이터의 실제 증감 구간을 각각 파악하고,
상기 이상 판별부(30)는 다수의 기준 증감 구간 및 실제 증감 구간을 각각 매칭시킨 후, 매칭된 기준 증감 구간 및 실제 증감 구간이 사전에 설정된 기준 횟수 이상 미일치 시, 제2 주의 신호를 생성하고,
상기 이상 판별부(30)는
실제 패턴에서 시간에 따른 다수의 사운드 데이터의 실제 오차를 계산하고,
상기 이상 판별부(30)는
상기 실제 오차가 사전에 설정된 기준 오차 이상인 경우, 경고 신호를 생성하고,
상기 이상 판별부(30)는
실제 오차의 제곱의 합이 사전에 설정된 세팅 합 이상인 경우, 위험 신호를 생성하고,
상기 이상 판별부(30)는
실제 패턴 확인 시, 사전에 설정된 기준 시간간격을 벗어난 구간에서 사전에 설정된 기준 크기 이상의 사운드 데이터가 사전에 설정된 세팅 시간간격 이상의 시간 동안 발생 시, 심각 신호를 생성하고,
상기 알람부(31)는
상기 이상 판별부(30)에 의해 생성된 제1 주의 신호, 제2 주의 신호, 경고 신호, 위험 신호 및 심각 신호를 경보음을 통해 각각 표출하고,
상기 알람부(31)에 의해 표출되는 경보음의 크기는
심각 신호, 위험 신호, 경고 신호, 제2 주의 신호, 제1 주의 신호 순으로 크게 설정되고,
상기 잡음 데이터는
공구의 마모 또는 이상 여부와 상관없는 데이터이고,
상기 기준 증감 구간은
기준 패턴에서 시간에 따라 사운드 데이터가 증가하는 기준 증가 구간 및
기준 패턴에서 시간에 따라 사운드 데이터가 감소하는 기준 감소 구간을 포함하고,
상기 실제 증감 구간은
실제 패턴에서 시간에 따라 사운드 데이터가 증가하는 증가 구간
및 실제 패턴에서 시간에 따라 사운드 데이터가 감소하는 감소 구간을 포함하고,
상기 매칭된 기준 증감 구간 및 실제 증감 구간이 미일치하는 경우는 기준 증감 구간은 증가하고, 실제 증감 구간은 감소하는 경우,
또는, 기준 증감 구간은 감소하고, 실제 증감 구간은 증가하는 경우, 또는, 기준 증감 구간 및 실제 증감 구간이 각각 증가하거나, 각각 감소하더라도, 기준 증감 구간 및 실제 증감 구간의 기울기의 차이가 사전에 설정된 기준 차이 이상인 경우이고,
상기 실제 오차는
기준 패턴에서 산출된 사운드 데이터의 평균에서 실제 패턴에서 추출된 사운드 데이터를 차감한 값의 절댓값인 것을 특징으로 하는 공작기계의 공구 마모 및 파손 감지 장치. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220176292A KR102559773B1 (ko) | 2022-12-15 | 2022-12-15 | 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220176292A KR102559773B1 (ko) | 2022-12-15 | 2022-12-15 | 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102559773B1 true KR102559773B1 (ko) | 2023-07-26 |
Family
ID=87427528
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220176292A Active KR102559773B1 (ko) | 2022-12-15 | 2022-12-15 | 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102559773B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119357566A (zh) * | 2024-12-25 | 2025-01-24 | 杭州物源科技有限公司 | 车间作业状态实时监测管控系统 |
| CN120116023A (zh) * | 2025-05-14 | 2025-06-10 | 西安一机科技有限公司 | 一种五轴数控机床零件的管理方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018156652A (ja) * | 2017-03-16 | 2018-10-04 | 株式会社リコー | 診断装置、診断システム、診断方法およびプログラム |
| KR20190116280A (ko) | 2016-12-28 | 2019-10-14 | 프리츠 스튜더 아게 | 공작 기계, 특히 연삭 기계 및 공작 기계의 실제 상태를 결정하기 위한 방법 |
-
2022
- 2022-12-15 KR KR1020220176292A patent/KR102559773B1/ko active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190116280A (ko) | 2016-12-28 | 2019-10-14 | 프리츠 스튜더 아게 | 공작 기계, 특히 연삭 기계 및 공작 기계의 실제 상태를 결정하기 위한 방법 |
| JP2018156652A (ja) * | 2017-03-16 | 2018-10-04 | 株式会社リコー | 診断装置、診断システム、診断方法およびプログラム |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119357566A (zh) * | 2024-12-25 | 2025-01-24 | 杭州物源科技有限公司 | 车间作业状态实时监测管控系统 |
| CN120116023A (zh) * | 2025-05-14 | 2025-06-10 | 西安一机科技有限公司 | 一种五轴数控机床零件的管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102559773B1 (ko) | 공작기계의 공구 마모 및 파손 감지 장치 및 그 방법 | |
| US11614728B2 (en) | Machine tool management system that obtains a next maintenance period from a maintenance period model and a refinement algorithm | |
| US10695884B2 (en) | Tool wear monitoring and predicting method | |
| JP6140331B1 (ja) | 主軸または主軸を駆動するモータの故障予知を学習する機械学習装置および機械学習方法、並びに、機械学習装置を備えた故障予知装置および故障予知システム | |
| KR102334965B1 (ko) | 공장 자동화 설비의 효율적 관리와 생산성 향상을 위한 예지 보전 시스템 | |
| JP6404893B2 (ja) | 工具寿命推定装置 | |
| CN111618656A (zh) | 机床的加工不良发生预测系统 | |
| CN108490880A (zh) | 一种数控机床切削刀具磨损状态实时监测方法 | |
| CA2540336A1 (en) | Equipment component monitoring and replacement management system | |
| KR101462312B1 (ko) | 공작 기계의 공구상태 감시시스템 및 그 방법 | |
| CN116316613B (zh) | 电力设备运行监测方法、系统、电子设备及存储介质 | |
| US11900223B2 (en) | Device and method for monitoring a system | |
| CN112987682A (zh) | 控制方法、控制装置和机械设备 | |
| CN118897507A (zh) | 一种基于实时数据驱动的数字孪生模型搭建方法 | |
| CN118365143B (zh) | 一种面向起重机作业场景的安全风险监控方法及系统 | |
| JPH05329748A (ja) | 工具寿命予知装置 | |
| CN119847066A (zh) | 一种精密数控机床运行状态智能控制方法及系统 | |
| CN117331344A (zh) | 数控加工过程多信号质量监测与控制系统 | |
| CN118364422A (zh) | 一种基于物联网的锯切机生产故障预测方法、设备及介质 | |
| KR20240106655A (ko) | 정밀 가공 제조데이터를 이용한 공구 불량과 수명 사전 예측 ai 시스템 | |
| EP3951528B1 (en) | Abnormality detection apparatus, and abnormality detection method | |
| JP2023087849A (ja) | 異常判別装置および方法 | |
| US20250199522A1 (en) | Diagnosis device and computer-readable recording medium | |
| Sawangsri et al. | Concept and development of IoT-based e-maintenance platform for demonstrated system | |
| US10955829B2 (en) | System and a method to enable zero defect production |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20221215 |
|
| PA0201 | Request for examination | ||
| PA0302 | Request for accelerated examination |
Patent event date: 20230102 Patent event code: PA03022R01D Comment text: Request for Accelerated Examination Patent event date: 20221215 Patent event code: PA03021R01I Comment text: Patent Application |
|
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20230324 Patent event code: PE09021S01D |
|
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20230713 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20230721 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20230721 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |