::: 前往中央內容區塊
:::

機械工業雜誌

購物提醒:當您要離開或跳轉頁面時,請先將您想要購買的文章加入購物車,以便快速紀錄完成購買流程!

基於伺服感測訊號的工具機狀態估測技術

作者 黃成凱李坤穎魏士傑

刊登日期:2025/03/05

摘要

隨著消費習慣的改變,製造行為由以往的大量生產逐漸轉向小批量生產,使加工行為變複雜,且精度與穩定度要求也越來越高。然而,工具機受溫度、切削負載等影響,不易維持穩定的加工精度,而現有的線上估測技術大多需要在指定位置額外安裝感測器,所衍生之成本與系統可靠度問題使產業接受度不高,因此大多仍以停機方式檢測,使得加工精度偏移時無法即時判別。本研究致力於開發工具機狀態檢測技術,透過伺服感測訊號,實現無額外安裝感測器情況下的精度估測、故障診斷與切深參數建議,提出之方法透過少量實驗搭配大量有限元素分析法建立大數據資料庫與估測模型,使該模型可藉由伺服迴授訊號評估工具機狀態,以提高加工業者的生產效益、加工精度並預防臨時故障發生。

Abstract

With changing consumer habits, manufacturing processes are shifting from mass production to small-batch production, making machining more complex with increasing demands for precision and stability. However, machine tools are affected by factors like temperature and cutting loads, making it difficult to maintain stable machining accuracy. Existing online estimation techniques often require additional sensor installations at specified locations, leading to cost and reliability issues, thus limiting industry acceptance. Consequently, most rely on offline detection methods, resulting in delayed detection of machining accuracy deviations. This study aims to develop machine tool condition monitoring technology using servo sensor signals to achieve accuracy estimation, fault diagnosis, and cutting depth parameter recommendations without additional sensor installations. The proposed method leverages a small number of experiments combined with extensive finite element analysis to build a big data database and estimation model. This model evaluates machine tool conditions through servo feedback, enhancing production efficiency, machining accuracy, and preventing unforeseen breakdowns for manufacturers.

前言

工具機產業發展已逐漸趨向數位智慧化生產製造模式,製造商提供多樣的軟體加值服務為系統加值,其中不外乎以對話式操作介面縮短製程準備時間、進行製程優化或應用IoT技術監控設備進行預防保養,以落實智慧工廠理念。上述提及相關加值軟體,皆由既往的人力介入行為,改以運用感測及通訊技術結合軟體服務取而代之,達成高效、低廉的成本,並解決人力需求之問題。另一方面,工具機業者為進軍或固守高階工具機市場,產業發展策略大多已從過去單機規格性能提升的研發思維,逐漸朝向提供應用端解決方案及售後服務系統,以貼近客戶需求並有效解決生產上實際問題。

對於終端加工廠而言,隨著消費習慣的改變,製造行為由以往的大量生產逐漸轉向小批量生產,導致加工行為變得越來越複雜。為因應產品生命週期越來越短的世代,機械加工必須更加的快速求變,要求的穩定程度也越來越高,只有能快速應對市場的廠商才具有競爭能力;以加工參數決策而言,若仍以過去的方式,透過現場人員進行試加工方式決定加工參數,則會造成大量廢品產生,其成本與時間無法滿足小批量生產需求,因此加工業者必須尋求一種可自動分析機台狀態並調整切深參數的方法,以滿足生產效率。在加工精度方面,精度為工具機重要指標,但機台精度會隨溫度變化、切削負載、機台損耗等因素影響而改變,據統計加工業者每年至少花費營運成本的20%進行機台保養與維修,其中至少有50%以上的成本耗費在機台精度的校驗。因此在高精度、高效率的加工需求下,設備必須具備精度估測、故障診斷功能,才能維持穩定的加工精度並提前發現異常、排除問題減少停機時間,提高機台的稼動率、加工效率、產值。

傳動軸與旋轉軸為構成工具機的兩大要素及重要零組件,其性能和精度決定了生產效率與加工精度。隨著加工時間的累積,傳動軸(直度變化)與旋轉軸(軸向熱伸長)的精度及健康程度(背隙、預壓、異常狀態)將會發生改變,而造成機台精度無法維持;另一方面,若傳動軸及旋轉軸發生異常而無法被即時發現時,將造成加工品質大幅下降,而產生大量瑕疵品,甚至故障停機等結果。雖然目前已有相關技術可即時檢測機台狀態,進行精度補償、故障診斷或加工參數調整建議等,但現有技術大多需要額外安裝感測器在指定位置,實務上卻礙於機械設計或加工限制等,通常無法將感測器直接安裝在指定位置量測欲取得之物理量,而僅能間接量測再進行推算,其所衍生之感測器成本及感測器壽命造成之系統可靠度降低等問題,往往難以被加工業者所接受,因此現階段大多仍依賴停機檢測的方式,使得機台精度發生改變時無法即時調整,且定期停機檢修(如每月一次)的方式存在臨時故障停機的風險,使得故障無法及早預防並即時得到解決。為解決此問題,本研究將透過伺服迴授訊號,在無外加感測器之情況下進行工具機精度估測、故障診斷及切深參數調整建議,所提出之方法首先透過實驗或機械設計圖取得機械元件之基本參數,接著再以有限元素分析軟體模擬不同條件下(環境條件、運動條件)之輸入(如伺服迴授訊號)、輸出(如溫度、異常狀態、力矩等)關係,透過大量數位模擬搭配少量抽樣實驗方式,評估模擬分析之準確度並反饋進行模擬條件修正,使模擬結果趨近於真實機台狀態,達成大數據資料庫與數位模型之建立,使該模型可由伺服迴授之定子溫度、馬達轉速、馬達電流、馬達力矩等訊號,估測熱變位、元件受力並進行故障診斷,協助加工業者提升加工精度、效率並預防臨時故障發生,以避免停機影響產能及交期。雖然無安裝額外感測器,直接透過伺服迴授進行數位預估之方式,相較於以感測器直接檢測機台,其準確度可能較差,同時隨著機台老化,將發生數位模型改變而降低其預測準確度。但此方法可解決現有機台因空間及設計之限制,無法直接安裝感測器的問題。且安裝感測器將造成系統可靠度下降(感測器可能會失效)、成本增加等問題。而對於數位模型改變之問題,亦可透過實際加工結果之比對,進行模型修正,以維持其預測準確度。

「如欲訂購單篇,請至 「華藝線上圖書館」
回文章內容列表

更完整的內容歡迎訂購 2025年03月號 (單篇費用:參考材化所定價)

3篇450元

NT$450
訂閱送出

10篇1200元

NT$1,200
訂閱送出