Top

SNS

  • Facebook
  • 使用messenger傳訊給MAonline
智機專欄
切削刀具磨耗監控系統與應用
2021.07.14∣瀏覽數:230

切削刀具磨耗監控系統與應用


工研院智慧機械科技中心智慧製造技術組林育新、張萬坤

工研院自105年開始執行經濟部「智慧機械產業推動方案」計畫,配合該方案推動SMB(Smart Machine Box)、發展設備AI加值應用以及服務產業建立智慧機械領域標竿是組織戰略發展的主要方向。服務產業升級的過程中,累積數年經驗與技術於智慧製 造、智慧機上盒、AI及數據分析等,並從中發展出切削刀具磨耗分析與監控系統,期望能為工具機產業加工廠改善製程良率、優化人力配置與節約資源。本文將由刀具磨耗對加工廠的影響切入探討,接著說明工研院針對該議題提出的解決方案系統,並描述本技術導入產業實際案例與效益,最後以未來展望總結。

刀具磨耗監控目的與技術回顧

刀具使用決策影響物料成本、製程品質與生產排程,約佔生產成本3-12%(Malekain et.al, 2009)。因此,有效使用刀具將成為工具機產業提升競爭力的方向之一。關注刀具磨耗的目的,源自於三個與刀具相關議題,第一個議題是加工廠刀具使用決策的矛盾,業者總希望刀具利用時間越長越好,但又不希望刀具磨耗造成不良品的發生。若實踐加工品質至上的想法,通常會以保守的上限設定刀具利用時間。不過,對於昂貴的刀具來說,堪用之下遭報廢,長期累積也成另類浪費。第二個議題是多種刀具與切削參數的使用情境。不同刀具與切削參數都是影響刀具磨耗分析的變因,不過許多刀具磨耗的研究常在單純的加工環境中實現,以利用單一刀具以及固定切削參數下發展磨耗監控方法。這樣的方法導入客戶端應用時,經常會因加工行為複雜,使得遭遇判斷失誤或預測失準等困境。第三個議題是直接採用量測方法(拍攝刀具以辨識磨耗)的使用限制。雖然直接量測被公認為最有效於辨識刀具磨耗的方法之一,但實際加工應用的場合環境,常是導入直接量測的挑戰,例如:濕式切削附著於刀具上的切削液,即是影像辨識難以濾除的雜訊。另外,切削液噴濺的環境下容易使得刀具與液體或切屑混雜甚至光線反射等不利因素而影響取像,使得清楚收集到影像資料這件事變得不易。



磨耗分析與監控方法

工研院智慧機械中心根據多年累積的加工製程經驗、設備聯網及AI數據分析等技術,發展一套間接量測型刀具磨耗監控系統(以下簡稱本系統),以下將針對這套系統的運作方式進行說明與介紹。

本系統乃藉由同步擷取工具機加工資訊及刀具主軸振動感測訊號資料,再以統計與機器學習技術監控刀具磨耗所對應的振動訊號變化,最後以自動化控制技術採取應變措施。許 多文獻指出間接量測(加工振動、聲音等)能更經濟且有效捕捉刀具磨耗的發生。間接量測技術中,透過加工振動時頻特徵判斷刀具磨耗的方式,有兩個公認的優點,包含該方式能保留較細節的加工振動表現以及該方式對人們來說其現象是較直觀且容易解釋的,也是目前許多研究會採用的熱門方式之一。然而,只考慮從時域判斷刀具磨耗的研究中,經常容易聚焦於單一特定刀具與工法的加工情境,使得時頻特徵的高維度特性不至於成為磨耗判斷的障礙。一旦將技術導入多種類的刀具與工法的加工場合便成為軟體判斷刀具磨耗的瓶頸。

本系統在訊號分析上採區分後逐一擊破(divide and conquer)策略,意即針對特定刀具工法獨立辨識磨耗並監控之。振動資料根據刀具工法的差異而區分後,接著面臨高維度時頻特徵的挑戰。以往需要大量人力與時間透過頻譜圖定位,現在可藉由AI技術迅速定位,例如:在1,000個時頻特徵的情境下,將其中每個時頻特徵的刀具歷程長度資料用於配適迴歸線,迴歸線的斜率項便代表了該時頻特徵在整段刀具歷程的變化趨勢,而該變化趨勢是人透過視覺定位關鍵時頻特徵的重要訊息之一,利用該量化指標,從千個特徵挑選出關鍵少數便 輕而易舉,如圖1所示。最後即使有了關鍵少數個特徵,如何協調跟善用又是一項挑戰。本系統採取特徵多數決,即對關鍵少數個特徵各別建立品質管制界限,於加工時以所有關鍵少數特徵超過管制界限的總量決定,是否該發送 停機控制訊號,並提醒人員關注處理,如圖2所示。系統將上述流程,彙整成容易操作的資訊圖介面,僅須要求使用者輸入符合特定格式擷取的資料,透過介面操作便能產生監控檔,而該監控檔即包含利用關鍵少數特徵進行多數決的資訊,包含每個時頻特徵的品質管制界限,以及多數決總量界限。

按照上述的刀具磨耗分析流程,可逐一解決前述的三個議題。而整個系統的運作以及監控方式,需要按照以下三階段導入對應的軟硬體設備。首先,資料擷取的機台IoT架構需先備妥,包含安裝VMX平台的智慧機上盒(SMB),也是機台設備聯網的核心硬體,接下來即可透過網路連線可取得CNC資料。此外,振動訊號則是由主軸上安裝的加速規感 測,接上資料擷取卡(DAQ)進行轉換後再被傳輸到VMX,進行感測資料與CNC資料同步整合,如圖3所示。接著第二階段,則將第一階段IoT架構下擷取到的資料,搭配一個條件:

擷取的資料量需涵蓋完整的刀具工法歷程,便可藉由刀具磨耗分析技術進行視覺化分析,產生一監控檔。最後到第三階段,則根據第二階段輸出的監控檔規則,配合當下擷取到的訊號判斷刀具狀態,若是達到前一把刀之磨耗狀態,則會發送訊號控制使用者設定的PLC開關,達到停機警示效果,如圖4所示。


刀具磨耗監控的應用案例

P社導入刀具磨耗監控系統,期望在刀具使用效價中取得最佳平衡。P社的應用情境是金屬加工,且製程前後站均已高度自動化,希望透過導入刀具磨耗監控系統,使得除了設 備維護外,不須人力介入機台工作站。P社攜手工研院按前述三階段導入刀具磨耗監控系統,過程不需培養機台聯網、數據分析等工程師,只要讓原先負責撰寫加工程式、更換刀具的人員理解該系統的使用方式,便能養成良率提升、資源節約的優勢。導入該系統能達到三項效益,第一項為物料的精準管理。針對保守的刀具使用策略,應用本技術可爭取刀具剩餘壽命,減少耗材浪費。此外,由於提升對刀具耗材的使用情況掌握度,將有利於更新較經濟的採購策略。第二項效益為提升製程良率,即刀具達到不適合加工的狀態當下,即時停機並通知人員處理,如圖5所示。例如在一次的量產件加工中,一道工法發生刀具損耗,製出7件的不良品,由該量產件加工使用的刀具種類 可估算,導入本技術有機會提升約1.4%的良率。第三項效益為間接增加主軸使用壽命,由於續用磨耗刀具切削,將增加主軸加工負擔,是主軸折舊、精度偏離的因素之一。在一個實驗場域的三個機台,利用刀具狀態監控技術, 年節省約50萬的主軸維護支出,雖說主軸折舊的肇因非全然來自於刀具磨耗,但不可否認刀具磨耗對主軸健康狀況有一定程度的影響。



未來展望

目前刀具磨耗監控系統效果雖然經過實際加工廠驗證,但仍需要在更多使用情境驗證其完備性。目前團隊以兩個角度規畫該系統的未來:提高智動化程度、與跨足其他應用情境。提高智動化程度的願景,來自該系統仍有數個需要人員操作的環節,而人員常是製程上最不易控制的變因之一,因此能降低不同人員操作系統所產生的差異,將成為下階段的要務。可 能的具體作法是利用AI技術取代系統中人員可 調整的決策參數。如此一來,該系統將會成為一個VMX平台上的訊號監控App的擴增選項(Add-on),成為該App升級功能之一。另外,跨足其他應用情境亦相當有發展空間,如在 其他訊號來源(如聲音、溫度、張力等)或其他產業背景之下,是否有異曲同工便能解決的困境,值得研究。