特許 7589505 診断装置、診断方法、プログラム、および加工システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-11-18

(45)【発行日】2024-11-26

(54)【発明の名称】診断装置、診断方法、プログラム、および加工システム

(51)【国際特許分類】

   G01M 99/00 20110101AFI20241119BHJP

   G01H 17/00 20060101ALI20241119BHJP

   G05B 19/18 20060101ALI20241119BHJP

【ＦＩ】

G01M99/00 A

G01H17/00 Z

G05B19/18 W

【請求項の数】 14

(21)【出願番号】P 2020181869

(22)【出願日】2020-10-29

(65)【公開番号】P2022072435

(43)【公開日】2022-05-17

【審査請求日】2023-08-24

(73)【特許権者】

【識別番号】000006747

【氏名又は名称】株式会社リコー

(74)【代理人】

【識別番号】100089118

【弁理士】

【氏名又は名称】酒井 宏明

(72)【発明者】

【氏名】竹平 修

(72)【発明者】

【氏名】後藤 理

【審査官】中村 圭伸

(56)【参考文献】

【文献】特開２０２０－０８９９３３（ＪＰ，Ａ）

【文献】特開２０１８－１５６６５２（ＪＰ，Ａ）

【文献】特開２００５－１２１６３９（ＪＰ，Ａ）

【文献】特開２０１５－２１９０７８（ＪＰ，Ａ）

【文献】特開２０１２－１３７３２７（ＪＰ，Ａ）

【文献】国際公開第２０２０／２０８６８５（ＷＯ，Ａ１）

【文献】特開２０２０－０１９０７２（ＪＰ，Ａ）

【文献】特開２０１７－２０９７６７（ＪＰ，Ａ）

【文献】欧州特許出願公開第０３５２７９６１（ＥＰ，Ａ１）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｂ２３Ｑ １７／００ － ２３／００

Ｇ０１Ｈ １／００ － １７／００

Ｇ０１Ｍ １３／００ － １３／０４５

Ｇ０１Ｍ ９９／００

Ｇ０５Ｂ １９／１８

Ｇ１６Ｙ １０／２５

(57)【特許請求の範囲】

【請求項1】

加工装置を構成する回転軸の回転情報および前記回転軸に取り付けられた工具の工具情報を含みかつ前記工具の動作を規定するコンテキスト情報と、前記工具が被加工物に対して加工動作を実行中に発した時間変化する物理量の検知情報と、を受信する受信部と、
前記検知情報を周波数解析する周波数解析部と、
周波数レンジを設定するレンジ設定部と、
前記周波数レンジで、着目する周波数バンドのバンド幅を設定するバンド幅設定部と、
前記回転情報と前記工具情報と前記周波数レンジとを用いて設定される複数の中心周波数と、前記バンド幅と、を用いてバンドパスフィルタ（ＢＰＦ）を設定し、前記回転情報を用いて算出した回転基本周波数および当該回転基本周波数の整数倍の周波数を、前記複数の中心周波数として設定するＢＰＦ設定部と、
前記検知情報の周波数解析結果から、前記ＢＰＦを用いて、前記検知情報の特徴情報を抽出する特徴情報抽出部と、
前記特徴情報を用いて、前記加工装置の加工状態を判定する判定部と、
前記検知情報を周波数解析した結果の自己相関関数を算出し、前記自己相関関数の遅延値が前記回転基本周波数を超える範囲で、前記自己相関関数が最大を示す遅延値を求め、当該遅延値を用いて工具の刃数を推定する周波数シフト推定部と、を備え、
前記ＢＰＦ設定部は、当該推定した刃数を前記工具情報の代わりに用いて設定される前記複数の中心周波数を用いて、前記ＢＰＦを設定する、診断装置。

【請求項2】

前記特徴情報を用いてモデルを生成する生成部をさらに備え、
前記判定部は、前記モデルを用いて、前記加工状態を判定する、請求項１に記載の診断装置。

【請求項3】

前記ＢＰＦ設定部で設定した前記ＢＰＦの中から、前記特徴情報の抽出に用いる前記ＢＰＦを選択するＢＰＦ選択部をさらに備え、
前記特徴情報抽出部は、前記ＢＰＦ選択部により選択される前記ＢＰＦを用いて、前記特徴情報を抽出する、請求項１または２に記載の診断装置。

【請求項4】

前記ＢＰＦから、前記加工装置および前記工具の固有周波数に近い前記ＢＰＦを除外する固有周波数除外部を備える、請求項１から３のいずれか一つに記載の診断装置。

【請求項5】

前記複数の中心周波数は、前記回転情報を用いて算出した回転基本周波数および当該回転基本周波数の整数倍の周波数を含み、
前記ＢＰＦ設定部は、前記検知情報の周波数解析結果と、前記回転情報と、を用いて、前記回転基本周波数を補正する、請求項１から４のいずれか一つに記載の診断装置。

【請求項6】

加工装置を構成する回転軸の回転情報および前記回転軸に取り付けられた工具の工具情報を含みかつ前記工具の動作を規定するコンテキスト情報と、前記工具が被加工物に対して加工動作を実行中に発した時間変化する物理量の検知情報とを受信するステップと、
前記検知情報を周波数解析する周波数解析ステップと、
周波数レンジを設定するレンジ設定ステップと、
前記周波数レンジで、着目する周波数バンドのバンド幅を設定するバンド幅設定ステップと、
前記回転情報と前記工具情報と前記周波数レンジとを用いて設定される複数の中心周波数情報と、前記バンド幅と、を用いてバンドパスフィルタ（ＢＰＦ）を設定し、前記回転情報を用いて算出した回転基本周波数および当該回転基本周波数の整数倍の周波数を、前記複数の中心周波数として設定するＢＰＦ設定ステップと、
前記検知情報の周波数解析結果と、前記ＢＰＦと、を用いて、前記検知情報の特徴情報を抽出する特徴抽出ステップと、
前記特徴情報を用いて、前記加工装置の加工状態を判定する判定ステップと、
前記検知情報を周波数解析した結果の自己相関関数を算出し、前記自己相関関数の遅延値が前記回転基本周波数を超える範囲で、前記自己相関関数が最大を示す遅延値を求め、当該遅延値を用いて工具の刃数を推定する推定ステップと、を含み、
前記ＢＰＦ設定ステップは、当該推定した刃数を前記工具情報の代わりに用いて設定される前記複数の中心周波数を用いて、前記ＢＰＦを設定する、診断方法。

【請求項7】

前記特徴情報を用いてモデルを生成する生成ステップをさらに含み、
前記判定ステップは、当該モデルを用いて、前記加工状態を判定する、請求項６に記載の診断方法。

【請求項8】

前記ＢＰＦ設定ステップは、前記回転情報を用いて算出した回転基本周波数と前記工具情報の刃数とを用いて算出した切刃通過周波数（ＴＰＦ）および当該ＴＰＦの整数倍のおのおのの周波数の側帯波を、前記複数の中心周波数として設定する、請求項６または７に記載の診断方法。

【請求項9】

前記ＢＰＦ設定ステップで設定した前記ＢＰＦの中から、前記特徴情報の抽出に用いる前記ＢＰＦを選択するＢＰＦ選択ステップをさらに備え、
前記特徴抽出ステップは、前記ＢＰＦ選択ステップにより選択される前記ＢＰＦを用いて、前記特徴情報を抽出する、請求項６から８のいずれか一つに記載の診断方法。

【請求項10】

前記判定ステップは、前記特徴情報が正常であることの尤度を前記モデルを用いて算出し、前記尤度または当該尤度を用いて演算した値のうち少なくとも一方と、予め設定された閾値と、を比較することにより、前記加工状態を判定する、請求項７に記載の診断方法。

【請求項11】

コンピュータに、
請求項６から１０のいずれか一つに記載の診断方法を実行させるためのプログラム。

【請求項12】

請求項１から５のいずれか一つに記載の診断装置と、当該診断装置の診断対象となる加工装置と、を備える加工システムであって、
前記加工装置は、前記コンテキスト情報と、前記検知情報と、を前記診断装置に送信する送信部を備える加工システム。

【請求項13】

請求項６から１０のいずれか一つに記載の診断方法を実行する診断装置と、当該診断装置の診断対象となる加工装置と、を備える加工システムであって、
前記加工装置は、前記コンテキスト情報と、前記検知情報と、を前記診断装置に送信する送信部を備える加工システム。

【請求項14】

請求項１１に記載のプログラムを実行する前記コンピュータを備える診断装置と、当該診断装置の診断対象となる加工装置と、を備える加工システムであって、
前記加工装置は、前記コンテキスト情報と、前記検知情報と、を前記診断装置に送信する送信部を備える加工システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、診断装置、診断方法、プログラム、および加工システムに関する。

【背景技術】

【0002】

多種の加工に必要な工具を自動で交換しかつ連続で加工を行うマシニングセンタといった加工装置の加工状態が正常か異常かを診断する診断装置がある。そして、診断装置は、加工装置の診断結果に応じて、加工の中断またはアラートの発報を行い、加工装置の異常な加工による不良品の多量発生の抑制や不良品の流出防止に利用されている。

【0003】

特許文献１は、予め、工作機械からコンテキスト情報を取得し、コンテキスト情報に基づく工作機械の動作状態毎に、センサで取得した物理量データを使って学習した学習済みモデルを生成し、工作機械の診断時に、工作機械から取得したコンテキスト情報と当該センサで取得した物理量データを学習済みモデルに適用したスコアと、予め設定した正常と異常を判定する閾値とを比較することで、工作機械の加工が正常か異常かを判定する診断技術を開示している。

【0004】

特許文献２は、特にミーリングマシンの工具の状況を監視する方法および装置に関し、正常な切刃の場合は切刃に対応した負荷が均等に発生するのに対して、切刃が１個でも不完全（摩耗、破損）になると切刃への負荷が不均一になり、これに応じた振動の変化から不完全な状況を見分けるために、機械の台枠に配設した加速度センサの信号を調整可能な複数のバンドパスフィルタを通して得られた信号を、レファレンスレベルと比較して、その偏差が受け入れ難い場合に警報信号を出力する技術を開示している。

【0005】

特許文献３は、自動工具交換装置付きのＮＣ（Numerical Control）工作機械による切削加工における回転工具の異常検出方法および異常検出装置に関し、切削力を検出し、切削力信号の周波数分析を行い、主軸回転数×刃数に相当する周波数の電圧レベルと、主軸回転数に相当する周波数の電圧レベルとの比を算出し、回転工具の振れの大小を検出し、所定の閾値を超えた時に異常信号を発する技術を開示している。

【発明の概要】

【発明が解決しようとする課題】

【0006】

しかしながら、工具の切刃にチッピングや欠損といった損傷が発生した状態で加工すると、加工寸法が公差を外れた不良品が発生する。しかし、欠損は突発的・あるいは偶発的に発生するため、未然防止は非常に難しい。また、工具の交換時に、工具ホルダテーパー部と主軸との間に切り屑が混入してチャックされると、刃先の振れが大きくなる。この状態で加工しても不良品が発生する。加工前でありかつ工具の交換直後に刃先の振れを検知して、不良品の発生を回避する技術はあるが、新たな工程が追加されるため生産性の低下を余儀なくされる。

【0007】

従って、これらの問題に対処するには、突発的または偶発的な加工不良を未然防止するよりも、発生した不良品の流出を防止したり、不良品の連続発生を防止したりする方が、生産コストを総合的に抑えることができる場合もある。また、マシニングセンタは、複数の工具を使ったさまざまな加工で生産を自動化し、生産性を高めることができるが、上述のような不良品の発生となる加工状態の異常を診断するためには、それぞれの加工状態に応じた異常の判定の確度を高める必要がある。

【0008】

本発明は、上記に鑑みてなされたものであって、マシニングセンタにおいて実施される様々な加工について、加工装置の加工状態の異常の発生を高精度に検出して監視することを可能とする診断装置、診断方法、プログラム、および加工システムを提供することを目的とする。

【課題を解決するための手段】

【0009】

上述した課題を解決し、目的を達成するために、本発明は、加工装置を構成する回転軸の回転情報および前記回転軸に取り付けられた工具の工具情報を含みかつ前記工具の動作を規定するコンテキスト情報と、前記工具が被加工物に対して加工動作を実行中に発した時間変化する物理量の検知情報と、を受信する受信部と、前記検知情報を周波数解析する周波数解析部と、周波数レンジを設定するレンジ設定部と、前記周波数レンジで、着目する周波数バンドのバンド幅を設定するバンド幅設定部と、前記回転情報と前記工具情報と前記周波数レンジとを用いて設定される複数の中心周波数と、前記バンド幅と、を用いてバンドパスフィルタ（ＢＰＦ）を設定し、前記回転情報を用いて算出した回転基本周波数および当該回転基本周波数の整数倍の周波数を、前記複数の中心周波数として設定するＢＰＦ設定部と、前記検知情報の周波数解析結果から、前記ＢＰＦを用いて、前記検知情報の特徴情報を抽出する特徴情報抽出部と、前記特徴情報を用いて、前記加工装置の加工状態を判定する判定部と、前記検知情報を周波数解析した結果の自己相関関数を算出し、前記自己相関関数の遅延値が前記回転基本周波数を超える範囲で、前記自己相関関数が最大を示す遅延値を求め、当該遅延値を用いて工具の刃数を推定する周波数シフト推定部と、を備え、前記ＢＰＦ設定部は、当該推定した刃数を前記工具情報の代わりに用いて設定される前記複数の中心周波数を用いて、前記ＢＰＦを設定する。

【発明の効果】

【0010】

本発明によれば、マシニングセンタにおいて実施される様々な加工について、加工装置の加工状態の異常の発生を高精度に検出することができる、という効果を奏する。

【図面の簡単な説明】

【0011】

【図1】図１は、本実施の形態にかかる診断装置を適用した加工システムの構成例を示すブロック図である。

【図2】図２は、本実施の形態にかかる加工装置のハードウェア構成の一例を示すブロック図である。

【図3】図３は、本実施の形態にかかる診断装置のハードウェア構成の一例を示すブロック図である。

【図4】図４は、本実施の形態にかかる診断装置の機能構成の一例を示すブロック図である。

【図5】図５は、本実施の形態にかかる診断装置が記憶するコンテキスト情報と学習モデルとの対応の一例を示す図である。

【図6】図６は、本実施の形態にかかる診断装置の周波数解析部による周波数解析により求めた平均スペクトルの一例を示す図である。

【図7】図７は、本実施の形態にかかる診断装置の周波数解析部による周波数解析により求めた平均スペクトルの一例を示す図である。

【図8】図８は、本実施の形態にかかる診断装置の周波数解析部による周波数解析により求めた平均スペクトルの一例を示す図である。

【図9】図９は、本実施の形態にかかる診断装置の周波数解析部による周波数解析により求めた平均スペクトルの一例を示す図である。

【図10】図１０は、本実施の形態にかかる診断装置における診断処理の流れの一例を示すフローチャートである。

【図11】図１１は、本実施の形態にかかる診断装置によるモデル生成処理の流れの一例を示すフローチャートである。

【図12】図１２は、本実施の形態にかかる診断装置によるＢＰＦに従った特徴情報の抽出処理の流れの一例を示すフローチャートである。

【図13】図１３は、本実施の形態にかかる診断装置によりＢＰＦの選択方法の一例を説明するための図である。

【図14】図１４は、本実施の形態にかかる診断装置において算出した平均スペクトルのＢＰＦ付近の拡大図である。

【図15】図１５は、本実施の形態にかかる診断装置により求める平均スペクトルの一例を示す図である。

【図16】図１６は、本実施の形態にかかる診断装置によるＢＰＦに従った特徴情報の抽出処理の流れの他の例を示すフローチャートである。

【図17】図１７は、本実施の形態にかかる診断装置により求めた自己相関関数の一例を示す図である。

【発明を実施するための形態】

【0012】

以下に添付図面を参照して、診断装置、診断方法、プログラム、および加工システムの実施の形態を詳細に説明する。

【0013】

図１は、本実施の形態にかかる診断装置を適用した加工システムの構成例を示すブロック図である。図１に示すように、本実施の形態にかかる加工システムは、加工装置２００と、診断装置１００と、を含む。

【0014】

加工装置２００と診断装置１００とは、どのような接続形態で接続されてもよい。例えば、加工装置２００と診断装置１００とは、専用の接続線、有線ＬＡＮ（ローカルエリアネットワーク）等の有線ネットワーク、無線ネットワーク等により接続される。

【0015】

加工装置２００は、機械制御部２０１、工具交換装置２０２、表示部２０３、記憶部２０４、通信制御部２０５、数値制御部２０６、工具情報入力部２０７、警報部２０８、入出力部２０９、工作機械２２０等を備えている。

【0016】

工作機械２２０は、図１の上下方向に移動可能で駆動部を具備したＺ軸ステージ２２６を有する。Ｚ軸ステージ２２６は、加工装置２００を構成する回転軸の一例である回転主軸２２１を具備する。回転主軸２２１には、工具２２３を保持する工具ホルダ２２２が装着されている。工作機械２２０は、回転主軸２２１の下方に、Ｚ軸ステージ２２６に直交する面内の２軸方向に移動可能で駆動部を具備したＸＹ軸ステージ２２５を備える。ＸＹ軸ステージ２２５は、加工対象物２２４を保持する。

【0017】

数値制御部２０６は、加工装置２００よる加工を数値制御（Numerical Control）により実行する。例えば、数値制御部２０６は、入出力部２０９より加工プログラムを読み込み、主軸回転や各軸ステージの位置を制御するための数値制御データを生成して出力する。また、加工プログラムには、工具交換装置２０２の格納番号が記述されており、数値制御部２０６は、その記述に従って工具交換を行う。

【0018】

数値制御部２０６は、コンテキスト情報を通信制御部２０５に出力する。コンテキスト情報は、加工装置２００の工具２２３の動作を規定する情報であり、当該工具２２３の動作の種類毎に複数定められる情報である。本実施の形態では、コンテキスト情報は、例えば、工具２２３を識別する工具情報、回転主軸２２１の回転情報（例えば、回転主軸２２１の回転数である主軸回転数）、Ｚ軸ステージ２２６やＸＹ軸ステージ２２５の移動情報（移動速度、移動中情報）等を含む。

【0019】

工具情報には、少なくともドリル，リーマ，エンドミル等の工具種類、切刃の数等の工具情報が含まれる。この工具情報は、表示部２０３に表示された情報に従って、工具情報入力部２０７から作業者により入力される。または、工具情報は、当該工具情報のリストファイルを入出力部２０９から読み込んだり、通信制御部２０５を介して図示しない外部コンピュータから情報入力したりすることができる。また、工具情報は、記憶部２０４に記憶しておき、加工プログラムから参照可能としても良い。

【0020】

数値制御部２０６は、例えば、工具２２３の現在の動作を規定するコンテキスト情報を、通信制御部２０５を介して診断装置１００に送信する。数値制御部２０６は、加工プログラムに従って加工対象物２２４を加工する際、加工の工程に応じて、工具２２３の種類、Ｚ軸ステージ２２６およびＸＹ軸ステージ２２５の位置、回転主軸２２１の回転速度等を制御する。数値制御部２０６は、コンテキスト情報のうち、所定の動作に対応するコンテキスト情報を、通信制御部２０５を介して、診断装置１００に送信する。ここで、所定の動作は、工具２２３の動作のうち、予め設定された動作である。本実施の形態では、数値制御部２０６は、工具２３３の動作の種類を変更する毎に、変更した動作の種類に対応するコンテキスト情報を、通信制御部２０５を介して診断装置１００に逐次送信する。

【0021】

通信制御部２０５（送信部の一例）は、診断装置１００等の外部装置との間の通信を制御する。例えば、通信制御部２０５は、工具２２３の現在の動作に対応するコンテキスト情報を診断装置１００に送信する。

【0022】

物理量情報検出部２２７は、工具２２３が加工対象物２２４に対して加工動作を実行中に発しかつ時間変化する物理量をアナログ信号として検知するセンサを有する。また、物理量情報検出部２２７は、当該センサにより検知されるアナログ信号を適宜増幅し、任意の周波数領域をカットしたのち、デジタル信号へ変換する機能を有する。そして、物理量情報検出部２２７は、当該デジタル信号を検知情報として診断装置１００に送信する送信部の一例としても機能する。物理量情報検出部２２７が有するセンサの種類、および検知する物理量は、どのようなものであっても良い。例えば、物理量情報検出部２２７が有するセンサは、マイク、加速度センサ、または、ＡＥ（アコースティックエミッション）センサ等であり、それぞれ、音響データ、加速度データ、または、ＡＥ波を示すデータを検知情報として出力する。また、診断装置１００が有する物理量情報検出部２２７の個数は、任意であり、複数でも良い。例えば、診断装置１００は、異なる物理量を検知する複数のセンサを含んでも良い。

【0023】

図１では、物理量情報検出部２２７は、回転主軸２２１を保持する構造物の側面に装着されるセンサと、ＸＹ軸ステージ２２５の側面に装着されているセンサと、を有する。物理量情報検出部２２７が有するセンサには、加速度センサが内蔵されている。そして、物理量情報検出部２２７は、加工装置２００による加工が開始されると、回転主軸２２１の回転で発生する振動の加速度を検出する。加工装置２００では、工具２２３と加工対象物２２４とが接触して実切削が開始されると、切削力が発生し、これが加振力となって工具２２３と加工対象物２２４が加振され、振動が相互に伝搬していく。物理量情報検出部２２７は、この振動の加速度等を検知情報として診断装置１００へ送信する。

【0024】

例えば、加工装置２００は、加工中における、工具２２３の切刃の折れ、工具２２３の切刃のチッピング等が発生すると、正常加工時に切刃毎に均等だった切削力が不均等になり、発生する振動が変化する。または、加工装置２００は、工具２２３の交換時に切り屑が工具ホルダ２２２と回転主軸２２１の間に混入すると、工具２２３先端の切刃が回転軸に対する振れ回り（振れ）が大きくなる。これにより、工具２２３の１つの切刃あたりの切削量が不均等になり、切刃が損傷した時のように、切削力の不均等に起因した振動変化が生じる。

【0025】

診断装置１００は、この振動の検知情報を通信制御部１０１により受信する。加えて、通信制御部１０１は、加工装置２００との間の通信を制御してコンテキスト情報を加工装置２００から受信する。判定部１０２は、コンテキスト情報および検知情報を参照して、加工装置２００の加工状態が正常であるか否かを判定する。また、診断装置１００は、加工装置２００の加工状態が異常と診断した場合、通信制御部１０１を介して、加工装置にアラート情報を送信する。加工装置２００は、通信制御部２０５によりアラート情報を受信すると、表示部２０３にアラート情報を表示したり、警報部２０８を動作させたりする。警報部２０８は、パトランプ，ブザー，スピーカー等である。また、機械制御部２０１は、加工プログラムに従った加工装置２００の動作に割り込みをかけ、加工装置２００の加工を停止させることが可能である。

【0026】

図２は、本実施の形態にかかる加工装置のハードウェア構成の一例を示すブロック図である。図２に示すように、本実施の形態にかかる加工装置２００は、ＣＰＵ（Central Processing Unit）２５１と、ＲＯＭ（Read Only Memory）２５２と、ＲＡＭ（Random Access Memory）２５３と、通信Ｉ／Ｆ（インタフェース）２５４と、駆動制御回路２５５と、モータ２５６と、入出力Ｉ／Ｆ２５７と、入力装置２５８と、ディスプレイ２５９とが、バス２６０で接続された構成となっている。

【0027】

ＣＰＵ２５１は、加工装置２００の全体を制御する。ＣＰＵ２５１は、例えば、ＲＡＭ２５３をワークエリア（作業領域）としてＲＯＭ２５２等に格納されたプログラムを実行することで、加工装置２００全体の動作を制御し、加工装置２００の各種機能を実現する。

【0028】

通信Ｉ／Ｆ２５４は、診断装置１００等の外部装置と通信するためのインタフェースである。駆動制御回路２５５は、モータ２５６の駆動を制御する回路である。回転主軸２２１、Ｚ軸ステージ２２６、およびＸＹ軸ステージ２２５のそれぞれが、モータ２５６等の駆動部を備えている。センサ２７０は、加工装置２００に取り付けられ、加工装置２００の動作に応じて変化する物理量を電気信号へ変換する。信号変換回路２７１は、センサ２７０から出力される電気信号を所望の大きさに増幅し、かつ当該電気信号に含まれるノイズ成分をカットしてデジタル信号へ変換する。そして、信号変換回路２７１は、当該デジタル信号を、診断装置１００に検知情報として出力する。すなわち、センサ２７０および信号変換回路２７１が、例えば、図１に示す物理量情報検出部２２７に相当する。

【0029】

図１に示す数値制御部２０６および通信制御部２０５は、ＣＰＵ２５１がＲＯＭ２５２に記憶されるプログラムを実行すること、すなわち、ソフトウェアにより実現しても良いし、ＩＣ（Integrated Circuit）等のハードウェアにより実現しても良いし、ソフトウェアおよびハードウェアを併用して実現しても良い。

【0030】

図３は、本実施の形態にかかる診断装置のハードウェア構成の一例を示すブロック図である。本実施の形態にかかる診断装置１００は、図３に示すように、ＣＰＵ１５１と、ＲＯＭ１５２と、ＲＡＭ１５３と、通信Ｉ／Ｆ１５４と、補助記憶装置１５５と、入出力Ｉ／Ｆ１５７とが、バス１６０で接続された構成となっている。

【0031】

ＣＰＵ１５１は、診断装置１００の全体を制御する。ＣＰＵ１５１は、例えば、ＲＡＭ１５３をワークエリア（作業領域）としてＲＯＭ１５２等に格納されたプログラムを実行することで、診断装置１００全体の動作を制御し、加工装置２００の診断機能を実現する。

【0032】

通信Ｉ／Ｆ１５４は、加工装置２００等の外部装置と通信するためのインタフェースである。補助記憶装置１５５は、診断装置１００の設定情報、加工装置２００から受信したコンテキスト情報、物理量情報検出部２２７から出力される検知情報等の各種情報を記憶する。また、補助記憶装置１５５は、加工装置２００の加工状態が正常か否かの判定に用いた各種演算結果を記憶する。補助記憶装置１５５は、ＨＤＤ（Hard Disk Drive）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read-Only Memory）またはＳＳＤ（Solid State Drive）等の不揮発性の記憶手段からなる。

【0033】

入出力Ｉ／Ｆ１５７は、ディスプレイ１５９に対して、物理量情報検出部２２７から入力される検知情報を順次表示したり、判定部１０２による判定結果を表示したりする。また、入出力Ｉ／Ｆ１５７は、キーボードやマウス等の入力装置１５８を介して、ユーザがディスプレイ１５９を見ながら入力した加工装置２００の診断に必要な設定を受け付ける。

【0034】

図４は、本実施の形態にかかる診断装置の機能構成の一例を示すブロック図である。本実施の形態にかかる診断装置１００は、上述の通信制御部１０１および判定部１０２に加え、記憶部１０３と、生成部１０４と、表示制御部１０５と、表示部１０６と、入力部１０７と、受付部１２０と、特徴抽出部１１０と、を備えている。

【0035】

記憶部１０３は、診断装置１００による診断機能で必要な各種情報を記憶する。記憶部１０３は、例えば、図３に示すＲＡＭ１５３および補助記憶装置１５５等により実現される。例えば、記憶部１０３は、加工装置２００の加工状態の異常の判定に用いる１以上のモデル（以下、学習モデルと言う）を記憶する。ここで、学習モデルは、例えば、加工装置２００の加工状態が正常である場合に物理量情報検出部２２７から出力された検知情報を用いて、学習によって生成される。学習モデルの学習方法、および学習モデルの形式は、どのような方法および形式であってもよい。例えば、学習モデルおよび当該学習モデルの学習方法には、ＧＭＭ（ガウス混合モデル）、ＨＭＭ（隠れマルコフモデル）等の学習モデル、および当該学習モデルに対応するモデル学習方法を適用できる。

【0036】

また、記憶部１０３は、加工装置２００の正常な加工状態や異常な加工状態をルール化して学習モデルとして記憶しても良い。例えば、記憶部１０３が学習モデルとして記憶するルールは、新品の工具２２３を取り付けて加工を開始してから最初の１０回の加工は診断のルール決めを行う学習期間とする等である。記憶部１０３が学習モデルとして記憶するルールは、実際の加工とは別に予め決定され、当該決定したルールを学習モデルとして記憶部１０３に記憶されていても良い。

【0037】

本実施の形態では、記憶部１０３に記憶される学習モデルは、コンテキスト情報毎に生成される。記憶部１０３は、例えば、コンテキスト情報と、当該コンテキスト情報に対応する学習モデルと、を対応付けて記憶する。

【0038】

図５は、本実施の形態にかかる診断装置が記憶するコンテキスト情報と学習モデルとの対応の一例を示す図である。図５に示すように、加工工程１、加工工程２、および加工工程３は、同じエンドミルＡを使い、回転数も同じである。一方、加工工程４、加工工程５、および加工工程６は、それぞれ異なった工具２２３が用いられ、工具２２３が異なった回転数で回転する。本実施の形態では、診断装置１００は、工具２２３の回転数と工具種類が異なればそれぞれについて学習モデルを生成して、記憶部１０３に保存する。

【0039】

さらに、加工工程１、加工工程２、加工工程３は、同じエンドミルＡを使った同じ部位の連続した加工工程である。しかし、加工工程１～３は、それぞれ加工条件が異なるので振動強度も異なる。そのため、診断装置１００は、同じ工具２２３を同じ回転数で回転させて加工する場合であっても、加工工程毎に別々の学習モデルを生成して、加工装置２００の加工状態が正常であるか否かを判定する。

【0040】

図４に戻り、通信制御部１０１は、受信部１０１ａと、送信部１０１ｂと、を備えている。受信部１０１ａは、加工装置２００または外部装置から送信された各種情報を受信する。例えば、受信部１０１ａは、工具２３３の現在の動作に対応するコンテキスト情報と、物理量情報検出部２２７から出力される検知情報と、を受信する。送信部１０１ｂは、加工装置２００に対して各種情報を送信する。

【0041】

特徴抽出部１１０は、学習モデルを生成したり、判定部１０２による判定で用いる特徴情報（特徴量）を検知情報から抽出したりする。ここで、特徴情報は、検知情報の特徴を示す情報であれば良い。例えば、検知情報がマイクにより集音された音響データである場合、特徴抽出部１１０は、エネルギー、周波数スペクトル、ＭＦＣＣ（メル周波数ケプストラム係数：Mel-Frequency Cepstrum Coefficients）等の特徴量を、検知情報から抽出する。本実施の形態では、特徴抽出部１１０は、ＢＰＦ（Band Pass Filter）設定部１１１と、周波数シフト推定部１１４と、周波数解析部１１５と、加工中波形抽出部１１６と、を有する。さらに、ＢＰＦ設定部１１１は、バンド幅設定部１１２と、レンジ設定部１１７と、バンド選択部１１３、固有周波数除外部１１８と、を有する。

【0042】

生成部１０４は、加工装置２００の正常な加工状態時の検知情報から抽出された特徴情報を用いた学習により、加工装置２００の正常な加工状態を判定するための学習モデルを生成する。ただし、学習モデルを外部装置で生成する場合は、診断装置１００は、生成部１０４備えていなくても良い。具体的には、学習モデルの生成は外部装置で行い、外部装置で生成した学習モデルを、受信部１０１ａにより受信して、記憶部１０３に記憶しても良い。生成部１０４は、学習モデルが定められていないコンテキスト情報、および当該コンテキスト情報に対応する検知情報が入力された場合に、この検知情報から抽出された特徴情報を用いて、当該コンテキスト情報に対応する学習モデルを生成しても良い。

【0043】

判定部１０２は、検知情報から抽出された特徴情報を用いて、加工装置２００の加工状態を判定する。本実施の形態では、判定部１０２は、特徴情報と、当該コンテキスト情報に対応する学習モデルと、を用いて、加工装置２００の加工状態を判定する。例えば、判定部１０２は、特徴抽出部１１０に対して検知情報からの特徴情報の抽出を依頼する。判定部１０２は、検知情報から抽出された特徴情報が正常であることの尤もらしさを示す尤度を、対応する学習モデルを用いて算出する。判定部１０２は、尤度と、予め定められた閾値とを比較する。そして、判定部１０２は、尤度が閾値以上である場合、加工装置２００の加工状態が正常であると判定する。また、判定部１０２は、尤度が閾値未満である場合、加工装置２００の加工状態が異常であると判定する。

【0044】

加工装置２００の加工状態の判定方法は、これに限られるものではなく、特徴情報とモデルとを用いて、加工装置２００の加工状態を判定できる方法であれば、どのような方法であってもよい。例えば、判定部１０２は、尤度を閾値と直接比較する代わりに、尤度の変動を示す値と閾値とを比較して、加工装置２００の加工状態が正常であるか否かを判定しても良い。または、判定部１０２は、尤度の対数をとって符号を反転してゼロ以上となる正の数値であるスコアを算出する。当該スコアは、加工装置２００の加工状態が正常であればゼロに近く、加工装置２００の加工状態の異常度が増せば上昇する。よって、判定部１０２は、当該スコアが、予め定められた閾値に比べて閾値以下あるいは未満であれば、加工装置２００の加工状態が正常と判定し、当該スコアが、閾値以上あるいは超えれば、加工装置２００の加工状態が異常であると判定する。すなわち、判定部１０２は、尤度または当該尤度を用いて演算した値のうち少なくとも一方と、閾値と、を比較することにより、加工装置２００の加工状態を判定する。

【0045】

図４に示す各部（通信制御部１０１、判定部１０２、受付部１２０、特徴抽出部１１０、生成部１０４）は、図３に示すＣＰＵ１５１がプログラムを実行すること、すなわち、ソフトウェアにより実現しても良いし、ＩＣ（Integrated Circuit）等のハードウェアにより実現しても良いし、ソフトウェアおよびハードウェアを併用して実現しても良い。

【0046】

本実施の形態にかかる診断装置１００は、特徴抽出部１１０および受付部１２０に特徴を有する。本実施の形態では、特徴抽出部１１０は、ＢＰＦ（Band Pass Filter）設定部１１１と、周波数シフト推定部１１４と、周波数解析部１１５と、加工中波形抽出部１１６と、を有する。さらに、ＢＰＦ設定部１１１は、バンド幅設定部１１２と、レンジ設定部１１７と、バンド選択部１１３、固有周波数除外部１１８と、を有する。また、本実施の形態では、診断装置１００は、コンテキスト情報のうち、加工装置２００の動作中あるいはその動作前後に、主軸回転数、工具情報等のコンテキスト情報が必要になるため、受付部１２０は、主軸回転数受付部１２２と、工具情報受付部１２１と、加工工程受付部１２３と、を有する。

【0047】

次に、図４を用いて、本実施の形態にかかる診断装置１００の動作について詳しく説明する。

【0048】

本実施の形態では、加工装置２００は、物理量情報検出部２２７を回転主軸２２１の近傍に設置し、当該物理量情報検出部２２７が有するセンサ２７０には加速度センサを用いた。物理量情報検出部２２７は、センサ２７０により検出されるアナログ信号を、当該センサ２７０のプリアンプで増幅し、所定の時間間隔でサンプリングし、サンプリングしたアナログ信号を、アナログ／デジタル（Ａ／Ｄ）変換器（信号変換回路２７１）でデジタル信号に変換する。診断装置１００は、物理量情報検出部２２７から出力されるデジタル信号を、受信部１０１ａにより検知情報として受信する。物理量情報検出部２２７から出力されるデジタル信号は、必要に応じて、センサ２７０のキャリブレーション値で加速度の単位に変換されるが、ここでは、これらの処理を省き、センサ２７０の感度やＡ／Ｄ変換器（信号変換回路２７１）のスペックに依存しない状態での説明とする。したがって、受信部１０１ａは、物理量情報検出部２２７のセンサ２７０により検出される加速度に比例した観測値の時間領域の波形を、検知情報として受信する。

【0049】

加工装置２００は、アルミ合金の板に、直径８.２ｍｍのドリルで深さ５．０ｍｍの下穴をあけ、次に直径８．０ｍｍ、４枚刃のエンドミルを７５００ｒｐｍで回転させ、コンタリング加工を行った。コンタリング加工は、３回の工程に分け、工具２２３の半径方向の切込み深さをそれぞれ、１００．０ｕｍ（ミクロン）、２００．０ｕｍ、３２．０ｕｍとした。ＸＹ軸ステージ２２５は、この切込み深さで下穴の径を広げるように、回転動作を行う。この時、加工装置２００は、ＸＹ軸ステージ２２５を、９０．０ｍｍ／ｍｉｎで回転させ、回転主軸２２１の回転方向と同方向に回転させた。

【0050】

診断装置１００の受付部１２０は、主軸回転数受付部１２２、工具情報受付部１２１、および加工工程受付部１２３から、それぞれのコンテキスト情報を送信するように加工装置２００へリクエストし、それぞれの通信制御部２０５および通信制御部１０１を介してコンテキスト情報の送受信を行う。ここで、コンテキスト情報は、回転情報、加工工程情報、工具情報等を含む。

【0051】

回転情報は、加工装置２００が読み込んだ加工プログラムから設定された主軸回転数、あるいは加工装置２００内の回転速度計で計測した主軸回転数のいずれでも良い。回転情報は、例えば、加工プログラムから設定された７５００ｒｐｍである。加工工程情報は、加工プログラム中に記述された加工工程を識別する番号と、回転主軸２２１やステージ（ここでは、ＸＹ軸ステージ２２５、Ｚ軸ステージ２２６が該当する）の動作開始および終了に関する情報と、を含む。加工工程情報は、例えば、ＸＹ軸ステージ２２５の回転開始と終了情報である。工具情報は、工具種別や、直径、刃数等を含む。ただし、工具情報は、加工装置２００からのコンテキスト情報に限定されず、診断装置１００に入力部から入力装置１５８から入力されたコンテキスト情報、補助記憶装置１５５に記憶されたコンテキスト情報、加工装置２００以外の外部装置から受信部１０１ａにより受信したコンテキスト情報等であっても良い。工具情報は、例えば、工具２２３の刃数（例えば、４枚）である。

【0052】

特徴抽出部１１０の加工中波形抽出部１１６は、物理量情報検出部２２７から入力される検知情報（例えば、加速度の波形データである加速度波形データ）から、工具２２３の切り込み深さ毎に、ＸＹ軸ステージ２２５の回転運動、当該回転運動の開始、および当該回転運動の終了の３つの加工工程のそれぞれに該当する時間区間の加速度波形データである加工中波形データを抽出する。周波数解析部１１５は、検知情報を周波数解析する周波数解析部の一例である。周波数解析部１１５は、抽出された加工中波形データのうち、所定のサンプル数の連続する加工中波形データに対して、例えば、ＦＦＴ（Fast Fourier Transform）アルゴリズムを用いて、フーリエ変換を実行する。フーリエ変換を行う加工中波形データのデータ列には、その全てに、当該抽出された加工中波形データを用いても良いし、その一部をゼロに置き換えたものでも良い。ただし、加工中波形抽出部１１６は、信号変換回路２７１によりＡ／Ｄ変換される前の検知情報（加速度波形データ）のサンプリングの時間間隔と、検知情報のデータ長（データ列のデータ数）と、に基づいて、フーリエ変換で分析できる周波数分解能を決定する。ここでは、約５.８Ｈｚの周波数分解能になるように、当該時間間隔および当該データ長の組合せが設定されたことを前提にして実施例を説明する。

【0053】

図６～９は、本実施の形態にかかる診断装置の周波数解析部による周波数解析により求めた平均スペクトルの一例を示す図である。図６～９に示す平均スペクトルは、加工中波形データの先頭から、任意の時間だけシフトしたデータ列を抽出してフーリエ変換して振幅のパワーとし、当該パワーに対して平均化処理を行った平均スペクトルである。また、図６に示す平均スペクトルは、工具２２３の切込み深さが２００．０ｕｍである場合の平均スペクトルであり、図７に示す平均スペクトルは工具２２３の切り込み深さが３２．０ｕｍである場合の平均スペクトルである。図８に示す平均スペクトルは、回転主軸２２１の主軸回転数を変えた場合の平均スペクトルである。図９に示す平均スペクトルは、工具２２３を変えた場合の平均スペクトルである。また、図６～９においては、周波数が１６００．０Ｈｚ以下の平均スペクトルのみを示している。図６および図７中、実線は、工具２２３の刃先振れをダイヤルゲージで測定し、その最大および最小の振れ幅が２．０ｕｍに調整した場合の平均スペクトルを表す。また、図６および図７中、点線は、工具２２３の刃先の振れを１５．０ｕｍから２０．０ｕｍ程度に調整した場合の平均スペクトルを表す。

【0054】

回転主軸２２１の回転が７５００ｒｐｍである場合、当該７５００ｒｐｍを周波数に換算すると１２５．０Ｈｚとなる。また、工具２２３の一例であるエンドミルの刃数が４枚であるため、加工装置２００では、１２５．０Ｈｚ×４＝５００．０Ｈｚの断続切削が繰り返され、切削力が生じ、加工装置２００や加工対象物２２４に振動が発生し、伝搬する。したがって、診断装置１００には、これに応じた加速度波形データが検知情報として入力される。そして、加速度波形データの周波数を、切刃通過周波数（Tool Passing Frequency：ＴＰＦ）と呼ぶ。よって、周波数解析部１１５により求められる平均スペクトルは、理想的には、ＴＰＦ、およびその複数の倍音成分に鋭いピークを有するスペクトル構造となる。

【0055】

図６および図７に示す実線は、工具２２３の刃先振れを２．０ｕｍ以下に抑えた平均スペクトルである。また、平均スペクトルの▽で記したピークがＴＰＦ、ＴＰＦの２倍音、ＴＰＦの３倍音を示し、大きなパワーを示している。しかし、現実には、工具２２３の刃先振れをゼロにすることはできないため、それ以外にもピークは観測される。一方、図６および図７に示す点線は、工具２２３の刃先の振れを１５．０ｕｍから２０．０ｕｍの間になるように調整した平均スペクトル（振れ大）である。図６および図７に示す平均スペクトルは、ＴＰＦおよび当該ＴＰＦの倍音成分以外のピークで、パワーが大きくなることが観測される。図６および図７に示す平均スペクトルの□で記したピークは、回転主軸２２１の回転速度に相当する１２５．０Ｈｚで、この周波数を回転基本周波数と呼ぶ。図６および図７に示す平均スペクトルの〇で記すピークは、ＴＰＦとその倍音成分から、回転基本周波数だけ増減、すなわち変調された成分であり、側帯波と呼ぶ。この側帯波は、ＴＰＦ成分の波形を時系列で見た場合、波形の振幅が刃先の振れによって不均一になり、スペクトルの特徴として現れる。また、刃先の損傷が発生すると、刃先の振れと同様に、切削力が不均一となり、発生する振動も不均一になり、同様な側帯波の増大が観測される。このように、加工装置２００の正常な加工状態の側帯波に比べて、異常な加工状態の側帯波は増大し、正の相関関係を示す。一方、ＴＰＦとその倍音成分に着目すると、刃先の振れが大きくなると、平均スペクトルのパワーが減少していることが観測される。よって、ＴＰＦとその倍音成分の平均スペクトルのパワーについては、正常な加工状態から異常な加工状態になると、負の相関関係を示す。

【0056】

このような特徴は、回転主軸２２１の回転数や工具２２３の刃数を変えても観測される。図８に示す平均スペクトルは、同じ切刃４枚のエンドミルを用い、回転主軸２２１の回転数を４０００ｒｐｍ、切込み深さを２００．０ｕｍとした加工工程の平均スペクトルである。図９に示す平均スペクトルは、直径８．０ｍｍで切刃３枚のエンドミルを用い、回転主軸２２１の回転数を４０００ｒｐｍ、切込み深さを２００．０ｕｍとした加工工程の平均スペクトルである。図８および図９のいずれの平均スペクトルにおいても、上述した特徴が、ＴＰＦとその倍音成分、およびそれぞれの側帯波のほとんどについて観測される。さらに、図８および図９に示す平均スペクトルの回転基本周波数においては、刃先の振れが大きくなると、そのパワーが増大している。これは、特許文献３で示されているように、切り屑が回転主軸２２１と工具ホルダのテーパ部との間に混入して発生するチャックミスによる振れで発生する成分の一部である。

【0057】

図６および図７に示す平均スペクトルでは、工具２２３の切り込み深さが異なるため、平均スペクトル全体の包絡線の形や、同一周波数でのパワーも異なっていることがわかる。これは、同じ工具２２３を同じ回転数で回転させた加工であっても、加工工程が異なればモデルを区別する必要性を示しており、図５に示すように、加工工程毎のコンテキスト情報に基づいた学習モデルの生成が有用となる。

【0058】

図１０は、本実施の形態にかかる診断装置における診断処理の流れの一例を示すフローチャートである。加工装置２００の数値制御部２０６は、工具２２３の現在の動作を示すコンテキスト情報を、逐次、診断装置１００に送信する。受信部１０１ａは、加工装置２００から送信されたコンテキスト情報を受信する（ステップＳ１０１）。次に、特徴抽出部１１０は、記憶部１０３から、当該受信したコンテキス情報に対応する学習モデルを読み込む（ステップＳ１０２）。ステップＳ１０２のタイミングは、後述するＢＰＦに従った特徴情報を抽出するステップＳ１０６の前であれば、ステップＳ１０６の直前であっても良い。

【0059】

加工装置２００の物理量情報検出部２２７は、加工装置２００の加工時の検知情報を逐次出力する。受信部１０１ａは、加工装置２００から送信された検知情報（センサデータ）を受信する（ステップＳ１０３）。特徴抽出部１１０の加工中波形抽出部１１６は、受信された検知情報と加工動作中に関するコンテキスト情報から、加工中波形データを抽出する（ステップＳ１０４）。次に、周波数解析部１１５は、ＦＦＴアルゴリズム等を使って加工中波形データの周波数解析を行う（ステップＳ１０５）。この周波数解析は、加工中波形データの中から、予め設定したデータサンプル数およびデータ列の開始位置をずらしながら周波数解析を行う。加工中波形データに対する周波数解析の結果は、複数のスペクトルが時系列に並んだ３次元構造のデータとなる。特徴抽出部１１０は、複数のスペクトル、あるいは複数のスペクトルを任意の時間範囲で平均化した平均スペクトルから、特徴情報を抽出する（ステップＳ１０６）。本実施の形態では、ステップＳ１０２で読み込んだ学習モデルに、ＢＰＦが記録されているので、特徴抽出部１１０は、ＢＰＦを使って、平均スペクトルから特徴情報を抽出する。

【0060】

判定部１０２は、特徴抽出部１１０により抽出された特徴情報と、受信されたコンテキスト情報に対応する学習モデルと、を用いて、加工装置２００の加工状態を判定する（ステップＳ１０７）。これにより、工具２２３や加工の種類に応じて抽出された特徴情報や学習モデルを用いて、加工装置２００の加工状態を判定することができるので、マシニングセンタにおいて実施される様々な加工について、加工装置２００の加工状態の異常の発生を高精度に検出して監視することが可能となる。判定部１０２は、表示制御部１０５を介して表示部１０６に、その判定結果を出力する（ステップＳ１０８）。または、判定部１０２は、送信部１０１ｂを介してアラート情報を、加工装置２００や外部装置へ送信する（ステップＳ１０８）。

【0061】

次に、図１１を用いて、本実施の形態にかかる診断装置１００によるモデル生成処理の一例について説明する。図１１は、本実施の形態にかかる診断装置によるモデル生成処理の流れの一例を示すフローチャートである。本実施の形態では、生成部１０４は、例えば、加工装置２００の診断処理の前に事前にモデル生成処理を実行する。または、上述したように、生成部１０４は、学習モデルが定められていないコンテキスト情報が入力された場合に、モデル生成処理を実行しても良い。また、上述のように学習モデルを外部で生成する場合は、診断装置１００においてモデル生成処理を実行しなくても良い。

【0062】

受信部１０１ａは、加工装置２００から送信されたコンテキスト情報を受信する（ステップＳ２０１）。また、受信部１０１ａは、加工装置２００から送信された検知情報（センサデータ）を受信する（ステップＳ２０２）。

【0063】

このように受信されたコンテキスト情報および検知情報が、学習モデルの生成に利用される。本実施の形態では、生成部１０４が、コンテキスト情報毎に、学習モデルを生成するため、検知情報は、対応するコンテキスト情報に関連付けられる必要がある。このため、例えば、受信部１０１ａは、受信した検知情報を、同じタイミングで受信したコンテキスト情報と対応付けて記憶部１０３等に一旦記憶させる。そして、生成部１０４は、記憶部１０３に記憶される検知情報が正常時の情報であることを確認し、正常時の検知情報のみを用いて学習モデルを生成する。すなわち、生成部１０４は、正常であるとラベル付けされた検知情報を用いて学習モデルを生成する。

【0064】

検知情報が正常であるか否かの確認（ラベル付け）は、検知情報を記憶部１０３等に記憶した後の任意のタイミングで実行しても良いし、加工装置２００を動作させながらリアルタイムに実行しても良い。または、検知情報に対するラベル付けを実行せず、生成部１０４は、検知情報が正常であると仮定して学習モデルを生成しても良い。正常であると仮定した検知情報が実際は異常な検知情報であった場合は、生成された学習モデルでは、加工装置２００の加工状態が正常であるか否かの判定処理が正しく実行されなくなる。よって、加工装置２００の加工状態が異常と判定される頻度等により、異常な検知情報を用いて学習モデルが生成されたか否かを判断でき、誤って生成された学習モデルを削除するなどの対応を取ることができる。または、異常な検知情報を用いて生成された学習モデルを、異常であることを判定する学習モデルとして利用しても良い。

【0065】

特徴抽出部１１０の加工中波形抽出部１１６は、受信された検知情報と、加工動作中のコンテキスト情報と、に基づいて、加工中波形データを抽出する（ステップＳ２０３）。次に、周波数解析部１１５は、ＦＦＴアルゴリズム等を使って、抽出した加工中波形データの周波数解析を行う（ステップＳ２０４）。周波数解析部１１５は、加工中波形データの中から、予め設定したデータサンプル数およびデータ列の開始位置をずらしながら周波数解析を行う。得られた周波数解析の結果は、複数のスペクトルが時系列に並んだ３次元構造のデータとなる。特徴抽出部１１０は、複数のスペクトル、あるいは複数のスペクトルを任意の時間範囲で平均化したスペクトルから、ＢＰＦに従って、特徴情報を抽出する（ステップＳ２０５）。この方法については、後述する。

【0066】

生成部１０４は、同じコンテキスト情報に対応付けられた検知情報から抽出された特徴情報を用いて、このコンテキスト情報に対応する学習モデルを生成する（ステップＳ２０６）。生成部１０４は、生成した学習モデルを記憶部１０３に保存する（ステップＳ２０７）。

【0067】

次に、図１２を用いて、本実施の形態にかかる特徴抽出部１１０によるＢＰＦに従った特徴情報の抽出処理の流れの一例について説明する。図１２は、本実施の形態にかかる診断装置によるＢＰＦに従った特徴情報の抽出処理の流れの一例を示すフローチャートである。

【0068】

ＢＰＦ設定部１１１は、受付部１２０の工具情報受付部１２１および主軸回転数受付部１２２から、切刃の枚数（刃数）ｔ等の工具情報、および主軸回転数ｒ等の回転情報を受信する（ステップＳ３０１）。そして、ＢＰＦ設定部１１１は、回転基本周波数およびＴＰＦを、式（１）および式（２）を用いて、算出する（ステップＳ３０２）。ここで、主軸回転数ｒは、加工プログラムにより設定される、回転主軸２２１の回転数である。
回転基本周波数［Ｈｚ］＝ｒ［ｒｐｍ］／６０・・・・・（１）
ＴＰＦ＝回転基本周波数［Ｈｚ］×ｔ［枚］・・・・・・（２）
すなわち、ＢＰＦ設定部１１１は、回転情報を用いて回転基本周波数を算出し、当該回転基本周波数と工具情報が含む刃数とを用いてＴＰＦを算出する。

【0069】

次に、特徴抽出部１１０のＢＰＦ設定部１１１は、回転情報と、工具情報と、周波数範囲と、を用いて、ＢＰＦ中心周波数（中心周波数の一例）を設定（算出）する。本実施の形態では、ＢＰＦ設定部１１１は、式（３）を用いて、当該ＢＰＦ設定部１１１が有するレンジ設定部１１７により設定した周波数範囲（周波数レンジ）にあるＢＰＦ中心周波数を設定する。ここで、レンジ設定部１１７は、着目する周波数範囲を設定する。レンジ設定部１１７は、例えば、下限周波数および上限周波数を設定し、式（３）のＢＰＦ中心周波数がこの範囲に存在するような自然数ｎを算出する。または、自然数ｎは、回転基本周波数［Ｈｚ］の高調波の次数やＴＰＦの倍音の次数等、周波数の下限および上限が特定できるものであれば良い。すなわち、ＢＰＦ設定部１１１は、回転基本周波数および当該回転基本周波数の整数倍の周波数を、ＢＰＦ中心周波数として設定する。または、ＢＰＦ設定部１１１は、ＴＰＦおよび当該ＴＰＦの整数倍の各々の周波数の側帯波、ＢＰＦ中心周波数として設定しても良い。

【0070】

さらに、ＢＰＦ設定部１１１は、ＢＦＰ中心周波数、およびバンド幅設定部１１２で設定したバンド幅［Ｈｚ］とから、ＢＰＦを算出する（ステップＳ３０３）。ここで、バンド幅設定部１１２は、レンジ設定部１１７により設定される周波数範囲で、着目する周波数バンドのバンド幅を設定する。
ＢＰＦ中心周波数＝回転基本周波数［Ｈｚ］×ｎ・・・・（３）

【0071】

ＢＰＦ設定部１１１は、バンド幅設定部１１２によりバンド幅［Ｈｚ］がｂと設定されると、式（４）を満たすように、ＢＰＦ中心周波数の数だけ、ＢＰＦを算出する。
ＢＰＦ中心周波数－ｂ／２≦ＢＰＦ（ｎ）≦ＢＰＦ中心周波数＋ｂ／２・・・（４）

【0072】

次に、バンド選択部１１３（ＢＰＦ選択部の一例）は、複数のＢＰＦの中から、特徴情報の抽出に使用するＢＰＦを選択する（ステップＳ３０４）。バンド選択部１１３は、下記の（ａ）～（ｅ）のいずれかの選択方法により、ＢＰＦを選択する。
（ａ）全選択
（ｂ）ＴＰＦの倍音（ＴＰＦ、２×ＴＰＦ、・・・）およびその側帯波
（ｃ）ＴＰＦの倍音の側帯波のみ
（ｄ）回転基本周波数と、（ｂ）または（ｃ）
（ｅ）インタラクティブに選択

【0073】

図１３は、本実施の形態にかかる診断装置によりＢＰＦの選択方法の一例を説明するための図である。例えば、選択方法（ｅ）によりＢＰＦを選択する場合、表示制御部１０５は、表示部１０６に対して、ＢＰＦ選択画面５００を表示する。ＢＰＦ選択画面５００は、回転基本周波数および刃数が表示されているコンテキスト情報表示部３１０、レンジ設定部１１７により設定するレンジを表示するレンジ表示部３２０、バンド幅設定部１１２により設定するバンド幅を表示するバンド幅表示部３３０、バンド選択部１１３に選択されるバンドを表示するバンド表示部３４０、データ表示部３５０等を含む。

【0074】

レンジ表示部３２０では、レンジ設定部１１７により設定するレンジの上限の周波数を表示する。具体的には、レンジ表示部３２０は、上限の周波数を入力可能な周波数入力テキストボックス３２３と、ＴＰＦの倍音次数で上限の周波数を入力する次数入力テキストボックス３２４と、を含む。診断装置１００のユーザは、周波数入力テキストボックス３２３および次数入力テキストボックス３２４に対して、排他的に、上限の周波数を入力可能である。周波数ラジオボタン３２１とＴＰＦ次数ラジオボタン３２２は、周波数入力テキストボックス３２３および次数入力テキストボックス３２４のうち、いずれに上限の周波数を入力するかを排他的に設定可能である。図１３に示すレンジ表示部３２０には、次数入力テキストボックス３２４にＴＰＦ倍音次数が入力され、上限の周波数が２次のＴＰＦ（２×ＴＰＦ）と入力されている。

【0075】

バンド幅表示部３３０は、バンド幅入力テキストボックス３３１を有する。図１３に示すバンド幅入力テキストボックス３３１には、バンド幅として４０．０Ｈｚが設定されている。データ表示部３５０には、図１１に示すモデル生成処理の学習に使用する加工中波形データを周波数解析して求めた複数のスペクトルを平均化した平均スペクトルであり、正常とラベル付された平均スペクトルが表示されている。データ表示部３５０に表示する平均スペクトルは、擬似的な刃振れさせて加工した試験的な加工中波形データから求め、異常とラベル付けされた平均スペクトルでも良いし、または、正常および異常の両方のラベル付けされた複数の平均スペクトル（図６～９に示す平均スペクトル）でも良い。

【0076】

データ表示部３５０には、図１２のステップＳ３０３において算出したＢＰＦを表示するＢＰＦ表示部３５１が含まれる。バンド表示部３４０には、ＢＰＦ表示部３５１に表示されるＢＰＦに対応するように、特徴情報の抽出にＴＰＦを使用することを選択するＴＰＦ選択トグルボタン３４１、特徴情報の抽出に側帯波を使用することを選択する側帯波選択トグルボタン３４２、その他高調波トグルボタン３４３が表示される。ＴＰＦ選択トグルボタン３４１、側帯波選択トグルボタン３４２、およびその他高調波トグルボタン３４３のうち、後述するステップＳ３０６における特徴情報の抽出に使用するものはオンとなり、特徴情報の抽出に用いないものはオフとなる。

【0077】

次に、固有周波数除外部１１８は、ＢＰＦ設定部１１１により設定されるＢＰＦから、加工装置２００および工具２２３の固有周波数に近いＢＰＦを除外する（ステップＳ３０５）。工具２２３、ホルダ、回転主軸２２１等は、その形状・寸法や重量によって固有周波数を有する。この固有周波数の周波数成分は、刃具の損傷や振れ回りによる加工において、加工装置２００の加工状態が、異常状態にあっても、正常状態であっても、他の周波数成分のパワーよりも大きくなる傾向にある。そのため、固有周波数の周波数成分が特徴情報に含まれていると、加工装置２００の加工状態の判定確度が低下する。そこで、入力部１０７から予め固有周波数を入力し、記憶部１０３に記憶しておき、固有周波数除外部１１８が、記憶部１０３から固有周波数を呼び出し、式（４）を用いて算出したＢＰＦの中に、この固有周波数を含んだＢＰＦがあれば、当該ＢＰＦを除外する。

【0078】

図１４は、本実施の形態にかかる診断装置において算出した平均スペクトルのＢＰＦ付近の拡大図である。図１４において、実線の平均スペクトルが、正常のラベルが付けられたＢＰＦ（符号３６１で示す）付近の平均スペクトルであり、破線の平均スペクトルが、異常のラベルが付けられたＢＰＦ（符号３６１で示す）付近の平均スペクトルである。

【0079】

図１４が示す平均スペクトルのピークのうち符号３６２で示したピークが、固有周波数である。上述の選択方法（ｅ）によりＢＰＦを選択する場合、ユーザは、ＢＰＦ選択画面５００の側帯波選択トグルボタン３６０をオフにして、選択方法（ｂ），（ｃ）を除外する。または、前記した選択方法（ａ），（ｅ）であれば、自動的に、ＢＰＦから、固有周波数を含んだＢＰＦを除外する。

【0080】

特徴抽出部１１０は、フーリエ変換で求めた平均スペクトルのパワーのうち、その中心周波数がＢＰＦの範囲に入っているパワーのみを、当該平均スペクトルの特徴情報として抽出する（ステップＳ３０６）。すなわち、特徴抽出部１１０は、バンド選択部１１３により選択されるＢＰＦを用いて、特徴情報を抽出する。例えば、特徴抽出部１１０は、バンド幅をゼロと設定しておき、式（３）のＢＰＦ中心周波数に最も近いフーリエ変換の中心周波数を選択し、平均スペクトルにおいて、中心周波数に対応するパワーを特徴情報として抽出しても良い。特徴抽出部１１０は、平均スペクトルから特徴情報として抽出した振幅やパワーを、リニアスケールやログスケール（ｄＢ）等、加工方法や工具種類に応じて最適な値に変換する。

【0081】

図１０のステップＳ１０５においては、周波数解析部１１５は、図１１のステップＳ２０４と同様に、加工中波形データの中から、予め設定したデータサンプル数およびデータ列の開始位置をずらしながら、ＦＦＴアルゴリズム等を使って当該加工中波形データの周波数解析を行う。これにより、複数のスペクトルＳＰｊ（ｆ）が時系列に並んだ３次元構造のデータ群が得られる。ここで、ｊ（＝１～Ｊ）は、スペクトルの数であり、データ列の開始位置をずらしながら周波数解析を行った個数に相当する。

【0082】

次に、加工装置２００の加工状態の第１判定方法について説明する。第１判定方法では、まず、特徴抽出部１１０は、複数のスペクトルＳＰｊ（ｆ）の平均スペクトルＳＰ（ｆ）を算出する。次いで、特徴抽出部１１０は、平均スペクトルＳＰ（ｆ）のうち、ＢＰＦ中心周波数に最も近いパワーあるいは振幅を、特徴情報として抽出する。抽出した特徴情報が、ＴＰＦおよびその倍音である場合、判定部１０２は、ＴＰＦおよびその倍音を、当該ＴＰＦおよびその倍音のそれぞれに予め設定した閾値と比較して、当該特徴情報が閾値未満となった場合に、加工装置２００の加工状態が異常であると判定する。また、抽出した特徴情報が、側帯波およびその他の回転基本周波数の高調波である場合、判定部１０２は、側帯波および高調波を、当該側帯波および高調波のそれぞれに予め設定した閾値と比較して、当該特徴情報が閾値を超えた場合、加工装置２００の加工状態が異常であると判定する。または、抽出した特徴情報が、側帯波およびその他の回転基本周波数の高調波である場合、判定部１０２は、特徴情報が閾値を超えた成立率を算出し、当該成立率を、当該成立率に対して予め設定した閾値と比較して、当該成立率が閾値を超えた場合に、加工装置２００の加工状態が異常と判定しても良い。

【0083】

次に、加工装置２００の加工状態の第２判定方法について説明する。第２判定方法では、特徴抽出部１１０は、第１判定方法と同様にして特徴情報を抽出する。次いで、判定部１０２は、これら多次元の特徴情報で、１クラスＳＶＭの学習を行い、外れ値検知にて、加工装置２００の加工状態が異常であるか否かの判定を行う。

【0084】

次に、加工装置２００の加工状態の第３判定方法について説明する。第３判定方法では、判定部１０２は、図１１に示すモデル生成処理により生成した学習モデル（加工装置２００の加工状態が正常である場合の学習モデル）を記憶部１０３から読み込む。この学習モデルの実態は、例えば、ＧＭＭ（ガウス混合モデル）のように、確率密度関数Ｐ（Ｘ）であっても良い。ここで、Ｘ（＝｛ｘ１、ｘ２、・・・ｘｎ｝）は、学習モデルの学習時にＢＰＦに従って抽出されるｎ次元の特徴量である。ＢＰＦは、この学習モデルとともに記憶部１０３に記憶されており、図１１のステップＳ１０６では、このＢＰＦを使って、複数のスペクトルＳＰｊ（ｆ）のそれぞれの特徴量を抽出する。

【0085】

判定部１０２は、図１１のステップＳ１０７において、確率密度関数Ｐ（Ｘ）に特徴量を入力して求めた尤度が、予め設定した閾値以上であれば、加工装置２００の加工状態が正常と判定し、当該尤度が、閾値未満であれば、加工装置２００の加工状態が異常と判定する。または、判定部１０２は、下記の式（５）に示すように、対数尤度の符号を逆にした値を異常度スコアａｊと定義し、加工装置２００の異常状態が強いと、異常度スコアが上昇するような指標値とし、スペクトルの数ｊ＝１～Ｊだけ、異常度スコアａｊを得る。
ａｊ＝－ｌｏｇ（Ｐ（Ｘｊ））・・・・・（５）

【0086】

判定部１０２は、異常度スコアａｊのトータルスコアとして、例えば、式（６）に示すように、異常度スコアａｊのうち最大値をとったり、異常度スコアａｊの平均をとったり、工具や加工方法に適した値を選択する。
Ａ＝（Σａｊ）／Ｊ・・・・・（６）

【0087】

そして、判定部１０２は、異常度スコアａｊを予め設定した閾値と比較し、当該異常度スコアａｊが閾値以上であれば、加工装置２００の加工状態が異常と判定し、異常度スコアａｊが閾値未満であれば、加工装置２００の加工状態が正常と判定する。

【0088】

次に、上述したコンタリング加工で使用したエンドミルの刃先の振れを２．０ｕｍ以下に調整し、ＸＹ軸ステージ２２５の回転速度を５２０．０ｍｍ／ｍｉｎと速め、それ以外の加工条件は変更せずにコンタリング加工を行った場合における診断装置１００の動作について説明する。

【0089】

特徴抽出部１１０は、加工装置２００から受信する検知情報のうち、切込み深さ２００．０ｕｍの加工区間のデータを抽出し、図１１のステップＳ２０４に示す周波数解析によって、平均スペクトルを求める。

【0090】

図１５は、本実施の形態にかかる診断装置により求める平均スペクトルの一例を示す図である。図１５において、実線は、上記の加工条件において加工装置２００が加工を行った場合の平均スペクトルを表し、破線が、正常のラベルが付けられた平均スペクトルを表す。上述したように、加工条件は、ＸＹ軸ステージ２２５の回転速度（９０．０ｍｍ／ｍｉｎ）のみが異なっている。

【0091】

ＸＹ軸ステージ２２５の回転速度が速くなると、回転基本周波数（およびＴＰＦ）の高調波が、低域側にシフトしている。回転基本周波数（１２５．０Ｈｚ）のシフトは約３．０Ｈｚで、ＴＰＦの２倍音（＝１０００．０Ｈｚ）のシフトは約２５．０Ｈｚだった。この回転基本周波数およびＴＰＦのシフトは、ＸＹ軸ステージ２２５の回転運動によって、切刃が被加工物の下穴の円弧面との接触位置を変えながら切削することに起因する。

【0092】

図１０のステップＳ１０６や図１１のステップＳ２０５において、ずれたＢＰＦ（回転基本周波数のシフトに対応していないＢＰＦ）では、正しい特徴情報が抽出できず、加工装置２００の加工状態の判定結果が疑わしくなる。よって、シフトした回転基本周波数Ｆが求まれば、式（２）～（４）の回転基本周波数を、シフトした回転基本周波数Ｆに置き換えることができ、ＢＰＦを算出できる。本実施の形態では、周波数シフト推定部１１４が、周波数解析部１１５による検知情報の周波数解析結果（例えば、平均スペクトル）と、回転情報と、を用いて、回転基本周波数を補正して、当該シフトした回転基本周波数Ｆを算出する。

【0093】

図１６は、本実施の形態にかかる診断装置によるＢＰＦに従った特徴情報の抽出処理の流れの他の例を示すフローチャートである。図１６に示す特徴情報の抽出処理の流れでは、図１２に示すステップＳ３０２を、ステップＳ３０７に示す処理で置き換えている。ここでは、ＢＰＦ設定部１１１は、シフトした回転基本周波数ＦおよびＴＰＦを算出する（ステップＳ３０７）。

【0094】

次に、本実施の形態にかかる診断装置１００における回転基本周波数の補正処理の一例について説明する。図１５に示すように、平均スペクトルは、ＴＰＦおよびその倍音成分で大きなピークが観測される。周波数シフト推定部１１４は、図１２に示すステップＳ３０２で求めたＴＰＦ、および当該ＴＰＦの整数倍の周波数を基準にその近傍で、平均スペクトルが極大を示す周波数を探索し、探索した周波数に基づいて、回転基本周波数を補正する。または、周波数シフト推定部１１４は、ステップＳ３０２で求めた回転基本周波数およびその整数倍の周波数を適宜織り交ぜても良い。

【0095】

例えば、周波数シフト推定部１１４は、例えば、求めた周波数を、それぞれが基準とした整数値で除算し、平均した値を補正した回転基本周波数とする。または、周波数シフト推定部１１４は、前記した整数値を横軸に、前記探索した周波数を縦軸にプロットし、その傾きを最小二乗法で求めても良い。

【0096】

次に、本実施の形態にかかる診断装置１００における回転基本周波数の補正処理の他の例について説明する。コンテキスト情報が含む主軸回転数から式（１）に従って求めた回転基本周波数をｆとした場合、図１５に示す平均スペクトル４０１では、回転基本周波数ｆは、１２５．０Ｈｚとなる。周波数シフト推定部１１４は、下記の式（７）を用いて、図１５に示す平均スペクトル４０１の自己相関関数を求める。図１７は、本実施の形態にかかる診断装置により求めた自己相関関数の一例を示す図である。

【数1】

ここで、ＳＰ（ｉ）は、スペクトルを表し、μは、平均スペクトルを表し、σ^２は、スペクトルの分散を表し、ｈは、回転基本周波数のシフト量（周波数シフト）を表す。

【0097】

スペクトルの自己相関を求めたので、高調波を同定することができる。ｈは、上限周波数が７ｆ＝８７５．０Ｈｚとなるインデックスを選んだ。よって、ｎは上限周波数が１４ｆ＝１７５０．０Ｈｚとなるインデックスとなる。図１５に示すように、平均スペクトルのパワーが大きくなるのは、ＴＰＦとその倍音成分であることがわかる。したがって、図１７に示す自己相関関数も、ｈ＝ＴＰＦで最大となる。この時のｈをＨとすると、式（８）が成立する。
Ｆ＝Ｈ／ｔ・・・・・（８）

【0098】

さらに、周波数シフト推定部１１４は、式（９）に示すように、コンテキスト情報から求めた回転基本周波数ｆに基づいて、刃数ｔも推定可能となる。
ｔ＝ｒｏｕｎｄ（Ｈ／ｆ）・・・・・（９）
ここで、ｒｏｕｎｄ（）は、引数を最も近い整数に丸める関数である。

【0099】

すなわち、周波数シフト推定部１１４は、検知情報の周波数解析結果の自己相関関数を算出し、当該自己相関関数の遅延値が、補正した回転基本周波数を超える範囲で、自己相関関数が最大を示す遅延値を求める。次いで、周波数シフト推定部１１４は、求めた遅延値を用いて工具２２３の刃数を推定する。そして、ＢＰＦ設定部１１１は、推定した刃数を、工具情報の代わりに用いて設定（算出）される複数のＢＰＦ中心周波数を用いて、ＢＰＦを設定する。

【0100】

このように、本実施の形態にかかる加工システムによれば、工具２２３や加工の種類に応じて抽出された特徴情報を用いて、加工装置２００の加工状態を判定することができるので、マシニングセンタにおいて実施される様々な加工について、加工装置２００の加工状態の異常の発生を高精度に検出して監視することが可能となる。

【0101】

なお、本実施形態の診断装置１００で実行されるプログラムは、ＲＯＭ１５２等に予め組み込まれて提供される。本実施形態の診断装置１００で実行されるプログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ－ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録してコンピュータ・プログラム・プロダクトとして提供するように構成しても良い。

【0102】

さらに、本実施形態の診断装置１００で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施形態の診断装置１００で実行されるプログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

【0103】

本実施形態の診断装置１００で実行されるプログラムは、上述した各部（通信制御部１０１、判定部１０２、生成部１０４、表示制御部１０５、特徴抽出部１１０、受付部１２０等）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ１５１（プロセッサの一例）が上記ＲＯＭ１５２からプログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、各部が主記憶装置上に生成されるようになっている。また、本実施形態の診断装置１００の各ハードウェアを加工装置２００に組み込み、前記プログラムを実行さる構成とした、診断機能付き加工装置であっても良い。

【符号の説明】

【0104】

１００ 診断装置
１０１ 通信制御部
１０１ａ 受信部
１０１ｂ 送信部
１０２ 判定部
１０３ 記憶部
１０４ 生成部
１０５ 表示制御部
１０６ 表示部
１０７ 入力部
１１０ 特徴抽出部
１１１ ＢＰＦ設定部
１１２ バンド幅設定部
１１３ バンド選択部
１１４ 周波数シフト推定部
１１５ 周波数解析部
１１６ 加工中波形抽出部
１１７ レンジ設定部
１１８ 固有周波数除外部
１２０ 受付部
１２１ 工具情報受付部
１２２ 主軸回転数受付部
１２３ 加工工程受付部
２００ 加工装置
２０５ 通信制御部
２２１ 回転主軸
２２３ 工具
２２７ 物理量情報検出部

【先行技術文献】

【特許文献】

【0105】

【文献】特許第６１５６５６６号公報

【文献】特表昭５８－５００６０５号公報

【文献】特開平０９－１７４３８３号公報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】