TW202333011A - 監測工具機的狀態之方法 - Google Patents

Abstract

在一種監測具有複數個機器軸之一工具機（1）之一狀態的方法中，進行一測試週期，其中致動該等機器軸中之至少一些且判定相關聯之狀態資料。基於此，進行一狀態診斷，其中將該狀態資料與參考量進行比較。該等參考量係自參考狀態資料判定，該參考狀態資料係在複數個參考機器（2、3、…、 n）上之複數個參考測試循環中獲得。

Description

監測工具機的狀態之方法

本發明係關於一種監測具有複數個機器軸之工具機之狀態的方法。該工具機可為用於加工有齒工件之切齒機，尤其係磨齒機。

在工具機中加工工件期間，自然會發生製造偏差，製造偏差自身表現為工件之實際製造的實際幾何形狀與指定標稱幾何形狀的偏差。製造偏差尤其可由工具機之各種組件的故障或磨損或由組件之不合適安裝引起。舉例而言，製造偏差可由驅動件將工具機之滑塊移動至除由機器控制件指定之標稱位置以外的位置，由主軸之磨損軸承或由機器部件以不合適方式彼此連接使得振動未得到充分阻尼而引起。

因此，可能需要儘早偵測機器組件之故障及磨損、安裝錯誤及工具機之可能導致製造偏差的其他錯誤，以便能夠及時採取維護措施。為此，已知在加工工件之前或加工中斷期間，工具機運行測試循環，其中系統地移動一些或所有機器軸並執行相關量測。在此程序中，例如可記錄各別機器軸與指定標稱位置之位置偏差或振動資料。接著基於量測結果評估機器或個別機器軸之狀態。出於此目的，可例如將量測結果與指定公差限值進行比較。若超過由公差限值所限制之公差範圍，則此指示對應機器軸失效，且可起始維護措施。

設定公差限值為需要大量專業知識之要求極高的任務。設定公差限值為易於出錯的反覆程序。此外，由於信號通常係自幾十個至多於一百個感測器獲取，因此此任務可能非常耗時。

EP3229088A1揭示一種監測切齒機之機器幾何形狀的方法，其中在量測裝置中量測工件以判定實際資料。使該實際資料與規格資料相關以判定機器軸之幾何設定值的偏差。針對複數個工件儲存幾何設定值之偏差，且執行所儲存偏差之統計評估以判定機器軸之幾何改變。統計評估包括短期評估及長期評估。此等評估與自動偵測程序偏差相關。該方法係基於在藉由所監測機器加工之工件上獲得的所量測值。

WO2021048027A1揭示一種監測精細加工程序之方法，其中在加工工件期間記錄所量測值。將所量測值正規化，且自經正規化值計算加工程序之參數，該等參數以已知方式與工件之加工誤差相關聯。以此方式，可偵測程序偏差。本文件未作出關於監測機器組件之狀態的任何陳述。

在第一態樣中，本發明之目標為提供一種監測工具機之狀態的方法，其中對工具機之狀態的評估係以不需要特殊專業知識之客觀方式執行。

此目標係由如技術方案1之方法達成。附屬技術方案中規定了其他具體實例。

因此，提供一種監測具有複數個機器軸之工具機之狀態的方法，其包含以下步驟： 進行測試循環，其中系統地致動機器軸之至少一部分且藉由量測來判定相關聯之狀態資料；及 進行狀態診斷，其中將狀態資料與至少一個參考量進行比較。

該方法之特徵在於至少一個參考量係自參考狀態資料判定，其中該參考狀態資料已在複數個參考機器上之複數個參考測試循環中獲得。

因此，在所提議方法中，以量測資料或自其導出之量的形式得到狀態資料，其表示大量機器之大量狀態。此等機器在此處被稱作「參考機器」，且對應狀態資料被稱作「參考狀態資料」。參考狀態資料可儲存於資料庫中。已藉由尤其在參考機器之加工暫停期間在參考機器上執行複數個測試循環來獲得參考狀態資料。此等測試循環被稱作「參考測試循環」。術語「參考機器」、「參考測試循環」及「參考狀態資料」並不意欲表明參考機器為特別可靠的機器，參考測試循環為特別仔細執行之測試循環，或參考狀態資料為特別可靠的。確切而言，此等術語僅用以在邏輯上區分待評估之機器與狀態用作比較基礎之機器。參考狀態資料很可能包括在早期測試循環中在待評估之機器上獲得的狀態資料。就此而言，待評估之機器亦可充當參考機器中之一者。然而，重要的係，參考狀態資料不限於藉由待評估之機器自身排他性地獲得的狀態資料。確切而言，本發明之基本態樣為使來自複數個機器之狀態資料可用於評估另一機器。

此係基於以下假設：實務上，絕大部分參考測試循環係在參考機器之加工暫停期間執行，而對應參考機器處於「良好」狀態，亦即，處於參考機器能夠生產無故障工件之狀態。實務上，僅少數測試循環將涉及「不良」狀態，此係因為此類「不良」狀態通常基於製造偏差很快會被偵測到且被消除。因此，在許多參考機器及許多參考測試循環上之統計平均中，參考狀態資料基本上表示了參考機器之「良好」狀態。利用此知識來執行待評估之機器的自動狀態診斷。由此不需要事先瞭解待評估之機器自身。

僅考慮來自待評估之機器自身的先前測試循環之歷史狀態資料並不足夠。舉例而言，待評估之機器可能自一開始就安裝了有缺陷的軸承，使得在機器之整個使用壽命期間在此機器上獲得的狀態資料比安裝完美軸承之情況顯著更差。然而，儘管軸承有故障，但仍有可能生產出可接受的工件。僅藉由將待評估之機器的狀態資料與藉由在其他機器上量測所獲得之參考狀態資料或自其導出之參考量進行比較，才有可能認識到待評估之機器存在問題且以使得可偵測到有故障軸承之方式隔離此問題。

參考機器較佳類似於待評估之工具機。參考機器不必與待評估之機器相同。在本發明之上下文中，若機器之大小、設計及軸配置在很大程度上相同，則該機器被視為「類似」於待評估之機器。實務上，例如，同一製造商之相同類型的機器被視為類似的。然而，機器在例如其額外設備上可能不同。

可尤其藉由用參考機器執行測試循環來獲得參考狀態資料，該等測試循環之類型與待評估之機器之測試循環相同，亦即，系統地移動參考機器之機器軸並執行參考量測的測試循環。又，在待評估之機器的測試循環中判定之狀態資料自身可再次儲存於資料庫中，使得其又可充當同一機器或另一機器之未來測試循環的參考狀態資料。

在測試循環中判定之量測資料可包括特徵界定可移動組件之至少部分與由機器控制件指定之標稱位置的位置偏差的位置偏差資料，及/或特徵界定可移動組件之至少部分之振動狀態的振動資料。可藉由諸如自先前技術充分已知之位置感測器獲得位置偏差資料。可使用先前技術中亦充分已知之諸如加速度計之運動感測器來判定振動資料。量測資料亦可包括特徵界定至少一個移動組件之驅動馬達中之電流消耗的功率資料。可設想到多種其他類型之資料。此類資料可藉由分別的感測器獲得或可直接自機器控制件讀取。

自所量測量導出之狀態資料可包含各種類型之資料。舉例而言，狀態資料可包含直接量測資料，諸如個別位置偏差或瞬時振動振幅。然而，狀態資料亦可包含藉由數學或演算法處理而自量測資料形成之量。此類狀態資料可為例如量測資料之平均值、自量測資料導出之其他統計量，或自此等統計量導出之量。自量測資料計算狀態資料可包含對量測資料，尤其位置偏差資料、振動資料及/或功率資料進行頻譜分析（尤其係階數分析）。頻譜分析用以判定指定頻率或階數範圍內的量測資料之頻譜強度值，且狀態資料可包括在選定離散頻率值或階數下之頻譜強度值，或自其導出之量，例如指定頻率或階數範圍內的此類強度值之總和，或應用於頻譜之峰值擬合常式的結果。狀態資料亦可包括所量測量之完整時間序列及/或完整頻譜。

狀態資料可包括自來自多於一個源（尤其係來自多於一個感測器）之量測資料導出及/或自關於多於一個機器軸之致動之量測資料導出的特定指示符。此類特定指示符可允許得出關於錯誤之極特定來源的結論。

若工具機係切齒機，尤其係創成式（generating）切齒機，則狀態資料亦可包括預測的EOL資料，該資料指示在用切齒機加工之有齒輪工件安裝於齒輪總成中且藉由齒輪總成中之配合齒輪進行滾動移動時，在EOL測試台上之EOL頻譜中預期的激發階數（EOL=生產線末端）。所提議方法接著允許自動預測藉由所評估之機器製造之工件預期會出現雜訊問題的階數。關於此程序及其他具體實例之基本考慮因素，參考同一申請人在與本申請案相同日期申請且題為「監測切齒機之狀態的方法（Method of Monitoring the Condition of a Gear Cutting Machine）」之專利申請案，其內容以全文引用之方式併入本發明中。

參考量亦可為各種量。一般而言，參考量可直接為以與上文所論述之狀態資料相同之方式判定的參考狀態資料，或參考量可為藉由數學或演算法處理，尤其藉由參考狀態資料之統計分析自參考狀態資料形成的量。

參考量可尤其包含針對至少一種類型之狀態資料的至少一個公差限值。在此情況下，公差限值係藉由電腦基於至少一個統計參考值而自動設定，該至少一個統計參考值係藉由對所討論類型之參考狀態資料進行統計分析來判定。以此方式，不再需要費力地手動設定公差限值，亦不需要專業知識來設定公差限值。

因此，此處藉由對參考狀態資料進行統計分析來判定待評估之機器的公差限值。關於在大量類似機器上之大量先前測試循環期間參考狀態資料之統計分佈的知識用以自動定義待評估之機器的公差限值。此係基於以下假設：參考狀態資料不僅平均特徵界定「良好」狀態，而且在統計上以對於考慮中之機器的組件或類型典型的方式波動，使得亦可預期在待評估之機器上具有類似統計屬性之波動。

特定而言，參考狀態資料之預期值及相關參考狀態資料之方差（或等效地，標準偏差）的指示符可計算為統計參考值。可接著例如在對應於標準偏差之預定倍數的距離處圍繞預期值對稱地設定待監測之機器之對應狀態資料的公差限值。

可在不同時間點重複測試循環若干次，其中在測試循環與測試循環之間用工具機加工工件，且在加工工具不與工件加工嚙合的加工暫停期間執行測試循環。在加工期間，例如可發生工具機之組件的磨損或失效。為了更好地偵測此情況，狀態診斷可包括藉由至少一個參考量對來自若干測試循環之狀態資料進行比較評估。

特定而言，比較評估可包括具有以下步驟之比較統計評估： 判定自複數個測試循環獲得之狀態資料的至少一個統計值；及 進行統計值與至少一個參考量的比較。

以此方式，自測試循環至測試循環之狀態資料的統計波動可特定地用於分析。舉例而言，即使狀態資料值之平均值在若干個測試循環內顯示無異常，此狀態資料值之強烈波動亦可指示組件之失效。就此而言，對來自若干測試循環之至少一種類型之狀態資料的值之方差的量度可充當統計值。

在有利具體實例中，作為狀態診斷之部分，分析機器之狀態隨時間或所處理工件數目的時間演進，以便及時偵測機器組件之即將發生的失效。為此，可分析自複數個測試循環獲得之狀態資料隨時間或所加工工件數目的演進，且可將此分析之結果與至少一個參考量進行比較。特定而言，對此演進進行分析可包括對狀態資料之未來值進行外推。對於該外推，狀態資料之回歸分析可例如用多項式函數，尤其二次函數來執行，且回歸分析之結果可與至少一個參考量進行比較，例如以預測組件之預期失效時間。當外推狀態資料為直接與特定組件之品質相關的狀態資料時，此方法尤其有價值。以此方式，可在早期預測組件之即將發生的失效，且可在失效發生之前採取合適措施（「預測性維護」）。

在一些具體實例中，為了進行狀態診斷，儲存於資料庫中之參考狀態資料可劃分成至少兩個狀態類別（例如，「良好」及「不良」，或在較精細變體中，「新狀態」、「中等狀態」、「臨界狀態」及「有缺陷狀態」）。對於狀態類別中之各者，接著自參考狀態資料計算至少一個統計參考值，且為了進行狀態診斷，將狀態資料與至少兩個狀態類別之統計參考值進行比較。以此方式，可判定允許對機器或其組件之狀態進行差異化評估的評估參數。

取決於狀態診斷之結果，可觸發動作。舉例而言，可將診斷訊息發佈至使用者（例如，維護專家）。診斷訊息可經由網路傳輸至在空間上與工具機分離之終端裝置且可在彼終端裝置處輸出。此可例如藉由傳訊服務（諸如，SMS或WhatsApp）、作為推播訊息或藉由電子郵件來完成。舉例而言，針對選定組件及/或所監測機器之總體狀態的診斷訊息可含有評估參數，該評估參數可假定兩個、三個、四個或更多個離散值，例如「良好」及「不良」，或在更差異化的具體實例中，「良好」、「中等」、「臨界」及「有缺陷」。狀態診斷之結果可藉由終端裝置以合適方式可視化。終端裝置可為例如桌上型或筆記型電腦、平板電腦或智慧型手機。此允許自任何位置監測一或多個機器之狀態。

另外或替代地，取決於狀態診斷之結果，例如主軸旋轉速度之至少一個程序參數可在工具機中加工工件期間自動改變，或程序建議可自動發佈至工具機之使用者。在極端情況下，亦可自動停止進一步加工。

狀態診斷可包括針對至少兩種不同類型之狀態資料進行狀態資料及參考狀態資料之比較統計分析，以區別不同組件之狀態。舉例而言，若干類型之狀態資料，諸如振動信號在不同頻率下之頻譜強度，可受到兩個組件之磨損的影響，但以不同方式受到影響。藉由針對此等兩種類型之狀態資料執行狀態資料及參考狀態資料之比較統計分析，可得出關於磨損狀態對所判定狀態指示符負責之組件的結論。

如已提及，參考狀態資料較佳儲存於資料庫中。資料庫可位於遠離正被監測之機器的位置。其亦可實施於雲端中，例如呈作為服務由多個使用者共用的計算資源之形式。評估電腦可存取資料庫以執行狀態分析。評估電腦亦較佳在空間上與工具機分離。其藉由網路連接來連接至工具機。評估電腦亦不必為單個實體，而可實施於雲端中。終端裝置經由網路，尤其經由網際網路與評估電腦通信。

本發明亦提供一種用於監測具有複數個機器軸之工具機之狀態的裝置，該裝置經組態以執行前述方法。該裝置包含處理器及儲存媒體，在儲存媒體上儲存有電腦程式，該電腦程式在處理器上執行時會使得執行以下步驟： 接收在工具機之測試循環中判定之狀態資料，其中在該測試循環中致動機器軸之至少部分，其中進行相關聯量測，且其中狀態資料係由量測判定；及 執行狀態診斷，其中將狀態資料與至少一個參考量進行比較， 其中該至少一個參考量係自參考狀態資料判定，該參考狀態資料已在複數個參考機器上之複數個參考測試循環中獲得。

關於根據本發明之方法的以上解釋在細節上作必要修改後亦適用於根據本發明之裝置。

本發明進一步提供一種對應電腦程式。該電腦程式可儲存於非揮發性儲存媒體上。

創成式研磨機之例示性結構

圖1展示呈創成式磨齒機1之形式的工具機之實例，其在下文中亦被簡稱為「機器」。機器1具有機床11，工具載體12在該機床上沿著徑向進給方向X以可位移方式導引。工具載體12承載軸向滑塊13，該軸向滑塊相對於工具載體12沿著進給方向Z以可位移方式導引。研磨頭14安裝於軸向滑塊13上，該研磨頭可圍繞平行於X方向延行之旋轉軸線（所謂的A軸線）旋轉以適應待加工之齒輪的螺旋角度。研磨頭14又承載移位滑塊，工具主軸15可在該移位滑塊上相對於研磨頭14沿著移位方向Y移位。蝸桿形的異形研磨輪（研磨蝸桿）16夾持於工具主軸15上。研磨蝸桿16係由工具主軸15驅動以圍繞工具軸線B旋轉。

機床11亦承載呈轉台之形式的旋轉工件載體20，其可圍繞旋轉軸線C3在至少三個位置之間旋轉。兩個相同的工件主軸在工件載體20上彼此徑向相對地安裝，其中僅具有相關聯尾座22之一個工件主軸21在圖1中可見。工件可夾持於工件主軸中之各者上且經驅動以圍繞工件軸線C1或C2旋轉。在圖1中可見之工件主軸21處於加工位置，其中夾持於其上之工件23可藉由研磨蝸桿16加工。偏移180°且在圖1中不可見之另一工件主軸處於工件更換位置，其中可自此主軸移除成品工件且可將新坯料夾持至其上。修整裝置30與工件主軸偏移90°安裝。

機器1因此具有可在對應驅動件之控制下移動的大量可移動組件，諸如滑塊或主軸。此等驅動件在技術領域中通常被稱作「NC軸」、「機器軸」或縮寫為「軸」。在一些情況下，此名稱亦包括由驅動件驅動之組件，諸如滑塊或主軸。

機器1亦具有大量感測器。作為實例，圖1中僅示意性地展示兩個感測器18及19。感測器18為用於偵測研磨主軸15之殼體之振動的振動感測器。感測器19為用於偵測軸向滑塊13相對於工具載體12沿Z方向之位置的位置感測器。然而，另外，機器1包含複數個其他感測器。此等感測器尤其包括用於在各情況下偵測一個線性軸之實際位置的其他位置感測器、用於在各情況下偵測一個旋轉軸之旋轉位置的旋轉角度感測器、用於在各情況下偵測一個軸之驅動電流的電流感測器，及用於在各情況下偵測一個驅動組件之振動的其他振動感測器。

機器1之所有驅動軸由機器控制件40以數位方式控制。機器控制件40包含若干軸模組41、控制電腦42及控制面板43。控制電腦42接收來自控制面板43的操作者命令以及來自機器1之各種感測器的感測器信號，且自此等命令及信號計算用於軸模組41之控制命令。其亦將操作參數輸出至控制面板43以供顯示。軸模組41各自在其輸出端處為一個機器軸提供控制信號。

監測裝置44連接至控制電腦42。

監測裝置44可為與機器1相關聯之分別的硬體單元。其可經由本身已知之介面，例如經由已知的Profinet標準或經由網路（例如，經由網際網路）連接至控制電腦42。其在空間上可為機器1之部分，或其在空間上可遠離機器1。

監測裝置44在機器操作期間自控制電腦42接收多種不同量測資料。在自控制電腦接收之量測資料當中有由控制電腦42直接獲取之感測器資料及由控制電腦42自軸模組41讀取之資料，例如描述各種機器軸之目標位置及軸模組中之目標電流消耗的資料。

監測裝置44可視情況具有其自身的類比及/或數位感測器輸入，以直接自其他感測器接收感測器資料作為量測資料。其他感測器典型地為控制實際加工程序不直接需要之感測器，例如用以偵測振動之加速度感測器，或溫度感測器。

監測裝置44亦可替代地實施為機器控制件40之軟體組件，該軟體組件例如在控制電腦42之處理器上執行，或其可經設計為下文更詳細地描述的服務伺服器45之軟體組件。在圖1中，相應地指示服務伺服器45的處理器451及記憶體裝置452。

監測裝置44直接地或經由網際網路及網頁伺服器47與服務伺服器45通信。服務伺服器45又與具有資料庫DB之資料庫伺服器46通信。此等伺服器可位於遠離機器1的位置。伺服器無需為單個實體。特定而言，伺服器可實施為所謂「雲端」中之虛擬單元。

服務伺服器45經由網頁伺服器47與終端裝置48通信。終端裝置48尤其可執行網頁瀏覽器，所接收資料及其評估藉由該網頁瀏覽器可視化。終端裝置不需要符合任何特定的計算能力要求。舉例而言，終端裝置可為桌上型電腦、筆記型電腦、平板電腦、蜂巢式電話等。 工件批次之加工

出於完整性起見，下文描述如何用機器1加工工件。

為了加工仍待加工之工件（工件坯料），藉由自動工件更換器將工件夾持在處於工件更換位置之工件主軸上。工件更換與處於加工位置之另一工件主軸上的另一工件之加工並行地發生。當待加工之新工件被夾持且另一工件之加工完成時，將工件載體20圍繞C3軸線旋轉180°，使得具有待加工之新工件的主軸移動至加工位置。在旋轉程序之前及/或期間，藉助於相關聯之齒合探針執行齒合操作。出於此目的，將工件主軸21設定為處於旋轉狀態，且藉助於齒合探針24量測工件23之齒隙的位置。在此基礎上判定滾動角度。

當承載待加工之工件23的工件主軸已到達加工位置時，藉由沿著X軸移動工具載體12，工件23與研磨蝸桿16無碰撞地嚙合。現藉由滾動嚙合中之研磨蝸桿16來加工工件23。在加工期間，工件以恆定的徑向X進給沿著Z軸連續前進。此外，工具主軸15沿著移位軸線Y緩慢且連續地移動，以便連續地使用研磨蝸桿16之未使用區域進行加工（所謂的移位移動）。

與工件加工並行地，自另一工件主軸移除成品工件並將另一坯料夾持於此主軸上。

若在加工特定數目個工件之後，研磨蝸桿16之使用已進展至研磨蝸桿過鈍及/或側面幾何形狀太不準確的程度，則修整研磨蝸桿。出於此目的，將工件載體20旋轉±90°，使得修整裝置30到達其與研磨蝸桿16相對之位置。現用修整工具33來修整研磨蝸桿16。 測試循環

在加工暫停期間，藉由監測裝置44與機器控制件42互動來執行測試循環，以檢查機器1之個別或所有組件的狀態。在此測試循環期間，系統地致動機器軸之選定部分或所有機器軸，且在機器上進行量測。

舉例而言，各可線性位移的組件皆隨相關聯之機器軸一起位移，且藉助於前述位置感測器連續地或針對選定位置而判定組件之瞬時位置。自此，判定規格（標稱位置）與量測（實際位置）之間的位置偏差且將其傳輸至監測裝置44。對於旋轉驅動之主軸亦可採取同樣操作，藉此接著使用旋轉角度感測器來判定位置偏差。

當所討論組件由所指派機器軸驅動時，亦判定選定組件（尤其係滑塊及主軸）之振動行為。連接至此等組件之振動感測器用於此目的。振動量測之結果亦經傳輸至監測裝置44。

此外，判定機器軸之驅動馬達的功率消耗。舉例而言，整合於軸模組41中之電流感測器可用於此目的。此外，可判定驅動馬達之溫度及其他所量測量。

所有此操作皆可在單獨致動一個機器軸時進行。然而，亦有可能以耦接方式致動兩個或多於兩個機器軸，使得在同時致動兩個或多於兩個機器軸時記錄機器之行為。在此情況下，例如可發生放大振動，其大於當致動單個機器軸時僅基於振動行為而預期的振動，或可偵測到僅可在同步致動兩個機器軸時判定的控制器錯誤。

此外，可設想到特定地引起振動且記錄各種機器組件之回應，以便研究機器之阻尼行為。自此類研究，可得出關於機器組件之間的接頭品質的結論。特定而言，可執行自動頻率回應量測。

監測裝置44自所接收量測資料判定各種狀態資料。狀態資料允許得出關於機器或其個別組件之狀態的直接或間接結論。

藉由自量測資料進行選擇及/或藉由自量測資料進行數學處理及分析來獲得狀態資料。下文給出狀態資料之一些實例。 a） 基本指示符

藉由選擇或數學分析來自單個感測器之信號而獲得的特定類型之狀態資料在下文被稱作基本指示符，其允許得出關於單個組件之狀態的結論。

基本指示符之實例為位置偏差指示符。此可為例如單個所量測位置偏差或同一組件在不同標稱位置處之若干所量測位置偏差的平均值。位置偏差指示符給出相關組件之定位準確度的直接指示。

另一實例為在運動程序期間驅動馬達之最大電流消耗。此最大電流消耗允許得出例如關於相關機器軸之過度摩擦或卡住的結論。

第三實例為在運動程序期間振動感測器之信號的平均振幅（例如，RMS值）。平均振幅允許得出關於組件振動之趨勢的直接結論。

自單個運動程序之振動信號之頻譜分析而判定的特定振動指示符亦可被稱作基本指示符。具體而言，可判定在選定離散激發頻率或激發階數下之頻譜強度。此等強度可直接充當基本指示符，或基本指示符可藉由簡單的數學運算（例如，加法或求平均）自此等強度計算。

此例示性地繪示於圖2中，該圖例示性地繪示連接至工具主軸的振動感測器之時間信號及可藉由濾波及FFT操作自時間信號獲得之頻譜。舉例而言，監測裝置可自時間信號計算RMS振幅。其可進一步評估在複數個離散頻率值附近之頻譜，以判定在彼等頻率值下之頻譜強度。此等離散頻率值可為例如工件旋轉速度之特定倍數（「階數」）。圖2之頻譜在此等頻率值下含有若干清楚可見的峰值。

舉例而言，工具旋轉速度及其整數倍數（亦即，整數階）下之強峰值可指示工具主軸中之偏心率。工具旋轉速度之特定整數或非整數倍數（整數或非整數階）下的峰值可指示工具主軸中之軸承損壞。若已知軸承次序，則有可能自峰值之階數識別受影響的軸承。在一些情況下，僅可藉助於鑑別診斷對個別故障模式進行指派。舉例而言，可設想到僅對峰值彼此之相對強度比率進行分析將允許得出關於機器之哪一組件對峰值負責的結論。

在最簡單的情況下，可簡單地將特定頻率或階數範圍中之峰值的強度相加，以獲得整個組件之整體基本指示符。儘管此不允許得出關於不良組件狀態之個別原因（諸如，偏心率或軸承損壞）的任何結論，但其可足以首先偵測相關組件之故障並起始適當的維護措施。

替代判定個別峰值之強度且將其用作基本指示符，亦可設想使用完整頻譜之所有值作為狀態量。 b） 特定指示符

特定指示符可為由來自不同源（尤其係來自不同感測器）之所量測量或在致動多於一個機器軸時來自單個感測器（亦例如，來自機器軸之耦接移動）之所量測量的數學或演算法組合產生的狀態資料。此類狀態指示符可允許得出關於問題狀態之原因的極特定結論，但需要關於機器之個別組件之相互作用的特定知識。

此特定指示符之實例為由計算產生之狀態量，其一方面包括線性軸之驅動馬達的平均電流消耗，且另一方面包括在寬頻率範圍內之加速度感測器的頻譜強度。此指示符可例如允許縮小所討論線性軸（例如，磨損之滾珠螺桿驅動件）之摩擦增加的原因。

此特定指示符之另一實例為藉由執行以下計算針對工具主軸及移位滑塊之耦接移動而判定的狀態量： 此處， 指示研磨蝸桿之旋轉角度的改變， 指示研磨蝸桿之法向模數， 指示在研磨蝸桿上之啟動次數， 指示研磨蝸桿之導程角，且 指示移位距離。選擇旋轉角度 及移位距離 的改變，其方式為使得量 應變為零。與零的偏差接著指示位置誤差（滯後誤差）。就此而言， 或 在測試循環內之最大值可被視為此位置誤差之特定指示符。

亦可自特徵界定所討論組件之所有狀態資料形成用於組件之總體評估的總體狀態指示符。以此方式，各組件之狀態僅由一個指示符表示。若一個總體狀態指示符展示問題，則可使用個別狀態量來執行故障處理。

允許計算此類特定指示符之相關性通常僅經由對許多機器上之極大資料集進行資料分析（例如，經由已知損壞模式與所指派基本指示符之相關性分析）而變得顯而易見。特定指示符通常特定於特定機器類型，且無法容易地轉移至其他機器類型。 資料庫

現參看圖3解釋資料庫DB之功能。經由網頁伺服器47，待監測之機器1及複數個類似機器2、3、…、n連接至服務伺服器45及具有資料庫DB之資料庫伺服器46。

此等機器中之各者包含在各別機器之操作期間連續地將特定資料傳輸至資料庫DB的監測裝置。此資料尤其包括機器之唯一識別符、時戳及如上文所描述之複數個狀態資料。資料可視情況亦包括其他資料，例如關於在測試循環之後處理之工件的資料，例如所達成的工件品質之指示符。

此等資料儲存於資料庫DB中。因此，隨時間推移，資料庫含有在許多不同測試循環中針對若干類似機器而獲得的大量狀態資料。此等狀態指示符在下文被稱作參考狀態資料。 評估參考狀態指示符

可對參考狀態量進行統計評估。特定而言，可進行此統計評估以獲得關於參考狀態量之典型波動行為的知識，且基於此定義待監測之機器之狀態量的公差限值。亦可對在機器之生命週期內的狀態量之改變進行統計評估，且可將特定機器之當前狀態量與儲存於資料庫中之參考狀態量進行比較，例如以自動獲得組件磨損之指示。

此將在下文使用幾個實例來更詳細地解釋。 a） 公差限值之自動設定

參看圖4，以下為可如何藉助於資料庫中之資料來設定待監測之機器1之狀態資料的公差限值之實例。對應計算可由服務伺服器45執行。

資料庫含有許多類似機器中之大量測試循環的參考狀態資料之值。可假定此等值大部分係針對無故障操作之機器而獲得，此係因為故障通常遲早會被偵測到並消除。就此而言，可假定參考狀態資料之值基本上按照無故障機器將預期的進行統計分佈，其中僅少數統計異常值由具有磨損組件之機器引起。

圖4繪示任何類型之參考狀態資料之值的分佈之實例。在水平軸上標繪了參考狀態資料之值，在作為條形圖之豎直軸上標繪了等值間隔（「頻格」）之相對頻率。可看到，本實例中的參考狀態資料之值的分佈基本上對應於正態分佈，該正態分佈之密度函數亦藉由圖4中之虛線標繪。圖4之分佈分別具有預期值 以及標準偏差 及方差 。

術語「預期值」在此與術語「樣本平均值」同義地使用。術語「方差」在此用以指示樣本值與樣本平均值之均方偏差。「標準偏差」為方差之平方根。

現可基於此統計分佈自動判定待監測之機器之對應狀態資料的公差下限LL及上限UL。出於此目的，執行合適密度函數（此處為正態分佈之密度函數）與參考狀態資料之值分佈的擬合，以便判定預期值 及標準偏差 。實務上，資料庫中存在的參考狀態資料愈多，此擬合將提供愈準確的結果。現可圍繞預期值 將公差範圍對稱地定義為範圍 ，其中因數 係正實數，其指示公差限值與預期值相差多少標準偏差。遵照熟知的6σ概念（然而，其通常用於不同目的），例如可選擇 。若客戶要求對公差不太敏感，則可選擇較大因數 。

在各未來測試循環中，服務伺服器45現將相關狀態資料與公差限值LL、UL進行比較。在圖2中，針對一些類型之狀態資料示意性地繪製此類公差限值。當狀態資料之值離開公差範圍時，服務伺服器45觸發適當動作。舉例而言，服務伺服器45可將SMS、推播訊息或電子郵件發送至維護專家。視情況，服務伺服器亦可影響未來加工操作或甚至暫時停止機器1上之加工。 b） 狀態類別之定義

為了能夠對組件之狀態進行更差異化的評估，可設想將參考狀態資料之值劃分成兩個、三個、四個或更多個狀態類別。此可僅基於值自身或基於其他資訊來完成。舉例而言，對參考狀態資料之分析可展示，始終存在參考狀態量突然呈現「更好」值的時間點。接著可得出結論，此突然改善係組件之維護或替換的結果。

可容易地在整體參考狀態資料中識別此類事件，且緊接在此事件之後的特定數目個測試循環的參考狀態資料之值可分類為指示新狀態的類別A。另一方面，可將緊接在此事件之前的特定數目個測試循環的參考狀態資料之值分類為指示臨界狀態的類別C。類別A與C之間的參考狀態資料之值可分類為指示平均使用狀態的類別B，且相較於類別C值「更差」的狀態資料之異常值可分類為指示有缺陷狀態的類別D。

分類為各種狀態類別亦可基於除參考狀態資料之值的突然改變之外的準則。舉例而言，可設想到，關於已由組件執行之加工操作之數目、關於所討論組件之操作小時數或關於在檢測循環之後藉由機器生產的工件之品質的資訊已直接儲存於資料庫中。考慮到此資訊，可接著分類為狀態類別。可例如藉助於機器學習演算法（ML演算法）進行對應分類。

現可針對狀態類別中之各者分別對參考狀態資料之值進行統計分析。舉例而言，可針對各狀態類別分別判定預期值及方差。

舉例而言，現可將狀態量之當前值與各種狀態類別之對應參考狀態量的預期值進行比較，以便得出關於組件之磨損狀態的結論。 c） 考慮來自若干測試循環之狀態資料：外推及統計分析

藉由考慮來自不同測試循環的狀態資料之值，可比考慮單個值甚至更好地特徵界定組件之狀態。

圖5繪示狀態量Z之值作為時間之函數或作為連續測試循環之函數的實例。Z之值在測試循環與測試循環之間改變。最初，其圍繞值 波動。此值為狀態類別A之對應參考狀態量的預期值。因此，可得出以下結論：狀態由狀態量Z特徵界定之組件最初擬處於新狀態。然而，隨著時間推移，Z之瞬時值增加且最初達到值 ，其為狀態類別B之對應參考狀態量的預期值，且接著達到值 ，其為狀態類別C之對應參考狀態量的預期值。因此，可得出以下結論：所討論組件已自平均使用狀態改變至臨界狀態。為了預測組件之失效時間，可在未來對值Z進行外推。此可例如藉由回歸分析來完成。在圖5中，作為實例，將二次回歸曲線繪製為虛線。舉例而言，可接著假定預測的失效時間 係此曲線達到狀態類別D之值的典型範圍的時間點。此類型之分析使得能夠在組件失效之前對其進行預測性維護（「預測性維護」）。

亦可設想到判定若干測試循環內之狀態量的值，且對以此方式收集之值的整體執行統計分析，以便將此等值之分佈與參考狀態量之值的分佈進行比較。

在最簡單的情況下，可僅自所收集值判定狀態量之瞬時預期值，且將其與參考狀態量之預期值進行比較。「瞬時預期值」為特定數目個測試循環內之預期值。

可比較其他統計參數而非比較預期值。舉例而言，對於狀態類別中之各者，可判定參考狀態量之值的對應方差或標準偏差。通常隨著組件磨損，不僅對應狀態量之預期值會改變，而且其方差亦會增加。因此，監測方差或標準偏差亦允許得出關於組件之磨損狀態的結論。

此例示性地繪示於圖6中。在圖6中，標繪了狀態量之瞬時標準偏差 之時間過程。可看到圍繞時間點 之標準偏差突然急劇增加且幾乎對應於狀態類別D中之參考狀態量的標準偏差。此指示對應組件之突然失效。

在本發明情況下，統計參數「標準偏差」或「方差」之監測可提供組件失效之指示，即使對應狀態量之預期值根本未改變亦如此。就此而言，統計分析允許比僅監測個別值更可靠地偵測到組件之即將發生或實際的失效。

替代上文所描述的種類之簡單統計分析，亦可使用分類演算法，例如其使特定的一組狀態量與參考狀態量相關，以便得出關於組件之狀態的結論。同樣，ML演算法可用於此目的。 d） 結果輸出及可視化

自動組件診斷之結果可容易地可視化，例如使用交通燈系統，其中各組件之狀態個別地評估為綠色（良好）、黃色（需注意）或紅色（不良）。取決於組件之狀態，可以相同方式評估整個機器之狀態。此提供對機器及其組件之狀態的極簡單表述。亦可在「預測性維護」之意義上輸出即將發生之失效的指示。

藉由點選組件中之一者，導致對應評估之相關聯資料可以簡單的方式可視化。

可視化可經由網頁瀏覽器在任何終端裝置上獨立於平台而進行。其他評估措施亦可以對應的獨立於平台之方式實施。此甚至有利於遠端分析。特定而言，任何機器之狀態皆可經由雲端自任何行動裝置詳細地檢查。

此外，可設想在存在需要干預之狀態時經由SMS、推播訊息或電子郵件自動發送對應訊息，如上文已解釋。 流程圖

圖7展示概述一種監測創成式研磨機之狀態的方法之例示性流程圖。

在區塊110中，首先針對狀態量定義公差限值。出於此目的，在步驟111中自資料庫擷取可比較加工情形之參考狀態量且在步驟112中對其進行統計分析。基於此統計分析，在步驟113中設定公差限值。

在區塊120中，接著使用此等公差限值執行測試循環及後續狀態診斷。移動機器之組件（步驟121），且在此程序期間連續地獲取量測資料（步驟122）。自量測資料形成狀態量（步驟123）且將其傳輸至資料庫以供儲存（步驟124）。在步驟125中，將狀態量與公差限值進行比較，且基於該比較而觸發動作，例如組件之狀態評估的圖形輸出。

在區塊130中，預測機器組件之未來失效。出於此目的，將當前狀態量外推至未來（步驟131）。在步驟132中，將外推結果與參考狀態量之統計值或與公差限值進行比較，且基於該比較而觸發動作，例如預測失效時間之輸出。

1:機器（創成式磨齒機/工具機） 2:機器（參考機器） 3:機器（參考機器） n:機器（參考機器） 11:機床 12:工具載體 13:軸向滑塊 14:研磨頭 15:工具主軸 16:蝸桿形的異形研磨輪/研磨蝸桿 18:運動感測器 19:位置感測器 20:旋轉工件載體 21:工件主軸 22:尾座 23:工件 24:齒合探針 30:修整裝置 33:修整工具 40:機器控制件 41:軸模組 42:機器控制件/控制電腦 43:控制面板 44:監測裝置 45:服務伺服器 46:資料庫伺服器 47:網頁伺服器 48:終端裝置 110:區塊 111:步驟 112:步驟 113:步驟 120:區塊 121:步驟 122:步驟 123:步驟 124:步驟 125:步驟 130:區塊 131:步驟 132:步驟 451:處理器 452:記憶體裝置 B:工具軸線 C3:旋轉軸線 X:徑向進給方向 Y:移位方向/移位軸線 Z:進給方向

下文參看圖式描述本發明之較佳具體實例，該等圖式係用於繪示本發明之較佳具體實例的目的而非用於限制本發明之較佳具體實例的目的。在圖式中， [圖1]展示創成式研磨機之示意圖； [圖2]展示繪示量測資料之分析的圖表； [圖3]展示網路之簡圖，該網路具有經由服務伺服器與資料庫通信之若干類似的創成式研磨機； [圖4]展示繪示參考狀態指示符之值的統計分佈之圖表； [圖5]展示繪示根據第一實例之狀態診斷的圖表； [圖6]展示繪示根據第二實例之狀態診斷的圖表；及 [圖7]展示監測創成式研磨機之方法的流程圖。

1:機器(創成式磨齒機/工具機)

2:機器(參考機器)

3:機器(參考機器)

n:機器(參考機器)

45:服務伺服器

46:資料庫伺服器

47:網頁伺服器

48:終端裝置

Claims (18)

1. 一種監測具有複數個機器軸之一工具機（1）之一狀態的方法，其包含以下步驟： 進行一測試循環，其中致動該等機器軸之至少一部分且藉由量測來判定相關聯之狀態資料（ ）；及 進行一狀態診斷，其中將該狀態資料（ ）與至少一個參考量（ 、 - - ）進行比較， 其中： 該至少一個參考量（ 、 - - ）係自參考狀態資料（ ）判定，其中該參考狀態資料（ ）已在複數個參考機器（2、3、…、 n）上之複數個參考測試循環中獲得。
2. 如請求項1之方法， 其中該至少一個參考量（ 、 - - ）包含針對至少一種類型之狀態資料（ ）的一公差限值（ ）， 其中該公差限值（ ）係基於至少一個統計參考值（ 、 ）以一自動方式設定， 其中該至少一個統計參考值（ 、 ）係藉由對該參考狀態資料（ ）之一統計分析來判定。
3. 如請求項2之方法，其中該至少一個統計參考值（ 、 ）包含至少一種類型之該參考狀態資料（ ）的一預期值（ ）及各別類型之該參考狀態資料（ ）之一方差（ ）的一指示符。
4. 如前述請求項中任一項之方法， 其中在不同時間點重複該測試循環若干次，其中在該等測試循環之間用該工具機（1）加工工件（23）， 其中該狀態診斷包含將在若干測試循環中獲得之狀態資料（ ）與該至少一個參考量（ 、 、…、 ）進行比較的一比較評估。
5. 如請求項4之方法，其中該比較評估包含： 判定自複數個測試循環獲得之該狀態資料（ ）的至少一個統計值（ ）；及 進行該至少一個統計值（ ）與該至少一個參考量（ 、 、…、 、…、 ）之一比較。
6. 如請求項4或5之方法，其中該比較評估包含： 分析自該複數個測試循環獲得之該狀態資料（ ）隨時間或用該工具機加工之工件之一數目的一演進；及 將此分析之一結果與該至少一個參考量（ - - ）進行比較， 其中分析該演進較佳包含外推狀態指示符（ ）之未來值。
7. 如前述請求項中任一項之方法， 其中由該參考狀態資料（ ）形成至少兩個狀態類別（A至D）， 其中對於各狀態類別（A至D），計算至少一個統計參考值（ ），且 其中在該狀態診斷中，將該狀態資料（ ）與該等狀態類別（A至D）之該至少一個統計參考值（ ）進行比較。
8. 如前述請求項中任一項之方法，其包含： 取決於該狀態診斷之一結果而觸發一動作。
9. 如請求項8之方法， 其中該動作包含將一診斷訊息發佈至一使用者， 其中該診斷訊息較佳經由一網路傳輸至在空間上與該工具機（1）分離之一終端裝置（48）且在該終端裝置處輸出， 其中該傳輸視情況經由一傳訊服務、藉由推播訊息或藉由電子郵件完成。
10. 如請求項8或9之方法，其包含： 依據該狀態診斷之該結果而自動改變用於在該工具機（1）中加工工件（23）之至少一個程序參數。
11. 如前述請求項中任一項之方法，其中該狀態資料（ ）包含以下類型之資料，及/或包含自該等以下類型之資料導出的資料： 位置偏差資料，其指示組件中之至少一者與一標稱位置的位置偏差，其中該位置偏差資料係藉由至少一個位置感測器（19）判定， 振動資料，其指示該等組件中之至少一者的一振動狀態，該振動資料係藉由至少一個運動感測器（18）判定；及/或 功率資料，其指示該等組件中之至少一者的一驅動馬達中之一電流消耗。
12. 如前述請求項中任一項之方法， 其中該狀態資料（ ）之該判定包含對量測資料之一頻譜分析， 其中該頻譜分析較佳判定離散激發頻率或激發階數之頻譜強度值，且其中該狀態資料（ ）包含該等頻譜強度值或自其導出之量。
13. 如前述請求項中任一項之方法， 其中該狀態資料（ ）包含自來自多於一個源之量測資料導出或自關於多於一個機器軸之該致動之量測資料導出的至少一個特定狀態指示符。
14. 如前述請求項中任一項之方法， 其中該狀態資料（ ）包含預測的EOL資料，該資料指示在用切齒機加工之一有齒工件安裝於一齒輪總成中且藉由該齒輪總成中之一配合齒輪進行一滾動運動時，在一EOL測試台上之一EOL頻譜中預期的激發階數。
15. 如前述請求項中任一項之方法， 其中該參考狀態資料（ ）儲存於一資料庫（DB）中。
16. 如請求項15之方法， 其中一評估電腦（45）存取該資料庫（DB）以用於執行狀態分析，且 其中該評估電腦（45）較佳在空間上與該工具機分離地配置，且藉由一網路連接來連接至該工具機（1）。
17. 如請求項15或16之方法， 其包含將該狀態資料（ ）儲存於該資料庫（DB）中，使得其可作為該參考狀態資料（ ）用於未來測試循環。
18. 一種用於監測具有複數個機器軸之一工具機（1）之一狀態的裝置，其包含一處理器（451）及一儲存媒體（452），該儲存媒體上儲存有一電腦程式，該電腦程式在該處理器上執行時使得進行以下步驟： 接收在該工具機（1）之一測試循環中判定之狀態資料（ ），其中在該測試循環中，致動該等機器軸之至少一部分，其中進行相關聯量測，且其中該狀態資料（ ）係由該等量測判定；及 進行一狀態診斷，其中將該狀態資料（ ）與至少一個參考量（ 、 - - ）進行比較， 其中該至少一個參考量（ 、 - - ）係自參考狀態資料（ ）判定，其中該參考狀態資料（ ）已在複數個參考機器（2、3、 、 n）上之複數個參考測試循環中獲得。