FAアプリケーションパッケージ 工作機械工具摩耗診断
Scene1工具使用時間･回数で工具交換を実施しているが､
変種変量生産下での妥当な交換時期が分からない。
工具交換頻度の低減により年間工具コスト､交換作業工数DOWN！
変種変量生産でも最適な工具交換時期を予測！
工具交換回数および工具コストと作業工数を低減！
工作機械から加工条件とIoTデータを同期収集し、
摩耗傾向を捉え工具運用を最適化！
工具を定期交換しているときのトレンド
従来はTBM*1(加工回数)交換のため､本来は当該加工における過去最大劣化状態まで毎回使用できるはずの工具を、劣化が進んでいない段階で交換。
*1: TBM(Time Based Maintenance)定期的に工具を交換します。
工具の使用限界(摩耗)で交換したときのトレンド
変種変量生産下での最適な工具寿命を決定し､工具管理をTBM(加工回数)からCBM*2(状態監視)に改善。その結果､工具使用回数を削減でき、工具コストが40%ダウン！
*2: CBM(Condition Based Maintenace)工具の摩耗状態から予測した使用限界直前に工具を交換します。
工具の最適交換による年間工具費削減(マシニングセンタ例)
顧客使用条件(例)
工作機械1台あたり1工具のみ使用した想定で試算
工具の再研磨回数を2回実施(品質規定)
生産数
年間13,000個
(50個/日×260日)
工具の交換回数
年間260回
(50個/交換)
新品工具の購入本数
年間86本
(260回÷3)
再研磨回数
年間174本
(260回 - 86本)
Scene2突発的な工具異常や､前工程の加工異常による品質不良が発生する。
加工異常検知による品質不良流出防止でロスコスト低減！
加工直後に､正常時の加工特徴量との変化から「いつもと違う」異常を検知！
正常加工時の加工特徴量から､異常加工検知のための診断閾値を自動算出！
工具欠損を検知(例)
金型変形による加工異常検知(例)
Scene3無駄な稼働時間となっている工具折損検知(折れ検)時間をなくしたい。
折損検知時間の短縮により生産性が10％以上UP！
IoTデータを活用することで､大幅なタクト改善を実現！
IoTデータのみで､センサレスの工具折損検知が可能！
工具折損時の特徴量トレンド変化
工具折損をリアルタイムに検知
積分値 閾値
工具折損時にアラーム出力
工具折損を検知するとアラームメッセージを出力し､シグナルタワーを点灯！*1
*1: 工作機械に外部異常入力端子が用意されている場合
IoTデータの中から切削中のデータのみ抽出することで工具折損時のわずかな変化を捉え、異常を検出可能！
工具診断によるタクトタイム改善(例)
Scene4品質規格を外れることがあるが、どの工程で異常になったかわからない。
加工データの一元管理によるトレーサビリティ活用
収集データには品種/加工条件(プログラム)/製造シリアル/工具番号が含まれ、トレーサビリティに活用可能！
さらに製造シリアルNo.を参照して検査データも紐づけることが可能！
Scene5マシンニングセンタ、旋盤、複合加工機、旋削盤など
新旧さまざまな工作機械が混在しているため、データ収集が難しい。
新旧さまざまな工作機械に接続可能
各社CNCを搭載した最大10台の工作機械から加工データを収集し、
加工診断や工具交換運用の統一化が可能！
接続可能なCNCの機種やCNC非搭載工作機械への対応については、お近くの支社、代理店へお問い合わせください。
Scene6定期メンテナンスでは機械の劣化予兆を捉えることができず、
予期せぬ停止が発生する。
機差監視による予兆診断支援
主軸の軸ブレによる加工負荷のばらつきを、一定加工数ごとに標準偏差を算出することで診える化！
主軸モータ負荷(300データずつ加工波形を重ね合わせ)
同一機種なのに差がある！
幅が広い…
負荷のバラつきが大きい！
特徴量のヒストグラム(標準偏差)が
大きく異なる！
2号機主軸モータの機械摩耗により軸ブレ発生したことが判明！
2号機主軸のオーバーホールを実施!
300加工ごとの標準偏差値
機差や経年劣化傾向を
標準偏差値で確認し，
適切な予防(予兆)保全に役立てられる！
Scene7加工不良の流出を防止したい。
IoTデータから幾何公差や出来栄えを予測し加工不良の流出を防止
測定結果とIoTデータの関係性を機械学習し、 測定結果の予測モデルを作成。
作成した予測モデルにて加工直後に出来栄えを算出し、 後工程への不良流出を防止。
特長
アドバンストデータサイエンスツールによりIoTデータ(特徴量)と測定結果の相関関係を分析。分析した結果より関係性の強い特徴量と測定結果を機械学習して予測モデルを作成。
診断システム側に予測モデルを取り込み、加工終了ごとに出来栄え(測定値)を算出。
GOT画面に出来栄えのトレンドが表示され、閾値監視と傾向診断が可能。これにより品質(出来栄え)指標逸脱までに現工具が加工可能な回数の予測や、突然の品質指標逸脱の検知が可能。
Scene8検査NG発生時に素早く当該部品のIoTデータを確認し原因追究したい。
突発的な検査NG発生時の原因追究をIoTデータ活用により迅速化!
アドバンストデータサイエンスツールを使用して、IoTデータと測定結果を紐づけて
管理を行うことができ、NGデータの検索が容易。
特長
複数の加工プログラムを用いて一連の加工を行う場合でも、一連のIoT データに同一の製造シリアル*1 を自動付与。さらに、診断システム側にあらかじめ品種情報を登録しておくことで、異なる品種が同じ加工プログラムを用いる場合でも、品種ごとに別の製造シリアルを付与。
アドバンストデータサイエンスツールにて、製造シリアルが付加されたIoTデータと同一品種の検査データを一覧で並列表示でき、双方のデータをツール上で紐づけることが可能。
*1: 製品のシリアルに相当するLOT_NoやQRコードを専用リーダで読み込み診断システムへ通知ができる場合はIoTデータに当該コードの付与が可能。
