[論文レビュー] Application of Multivariate Data Analysis to machine power measurements as a means of tool life Predictive Maintenance for reducing product waste

Darren Whitaker, David Egan+2 more|arXiv (Cornell University)|Feb 22, 2018

Advanced machining processes and optimization被引用数 4

ひとこと要約

本論文では、医療機器製造における工具摩耗を予測するための、リアルタイムでの機械の電力消費測定を用いた多変量データ解析（MVDA）手法を提案している。この手法により、製品の廃棄を低減する予測保全が可能となる。本手法は、工具の摩耗に関連する微細な電力信号パターンを特定することで、研磨工具の状態を100%の正確さで予測した。

ABSTRACT

Modern manufacturing industries are increasingly looking to predictive analytics to gain decision making information from process data. This is driven by high levels of competition and a need to reduce operating costs. The presented work takes data in the form of a power measurement recorded during a medical device manufacturing process and uses multivariate data analysis (MVDA) to extract information leading to the proposal of a predictive maintenance scheduling algorithm. The proposed MVDA model was able to predict with 100 % accuracy the condition of a grinding tool.

研究の動機と目的

• 高精度な製造において予期しない工具の故障を回避する挑戦に取り組む。特に、廃棄が高コストかつ許されない医療機器の生産においては、その重要性が増す。
• 予防保全によるメンテナンスを可能にすることで、予期しない修理や定期的な交換に代わる形で、製品の廃棄と運用コストを低減する。
• 工具状態の非侵襲的でリアルタイムの指標として、電力消費データのみを用いたデータドリブンな予測保全システムを開発する。
• MVDAが、直接的な工具監視を必要とせずに、複雑でノイズの多い産業用電力信号から意味のある工具摩耗トレンドを抽出できることを実証する。

提案手法

• 生産用工作機械で研削工程を実施する際、継続的な機械の電力測定値を収集する。
• 複数の工程サイクルにわたる電力信号におけるパターンや相関関係を検出するために、多変量データ解析（MVDA）技術を適用する。
• 主成分分析（PCA）または類似のMVDA手法を用いて次元削減を行い、工具摩耗に関連する主要なプロセス変動を特定する。
• MVDAから得られた特徴量を用いて分類モデルを学習し、工具が健全な状態か摩耗している状態かを区別する。
• 履歴データを用いてモデルを検証し、工具状態の遷移を予測する正確さを評価する。
• 予測された工具寿命に基づいてメンテナンスをトリガーするスケジューリングアルゴリズムを開発し、予期しない停止や不良品の発生を最小限に抑える。

実験結果

リサーチクエスチョン

• RQ1 機械の電力信号のみで、製造工程における工具摩耗を予測するのに十分な情報が得られるか？
• RQ2 多変量データ解析は、電力消費データから初期段階の工具摩耗をどの程度正確に検出できるか？
• RQ3 電力信号に基づく予測保全モデルは、高精度な製造分野で製品の廃棄をどの程度低減できるか？
• RQ4 工具状態の変化と相関する電力測定値の主な信号特徴は何か？
• RQ5 電力データに基づくリアルタイムで非侵襲的な監視システムは、従来の時間ベースまたは状態ベースの保全に比べて優れているか？

主な発見

• MVDAに基づく予測保全モデルは、研磨工具の状態が健全か摩耗しているかを分類する際に100%の正確さを達成した。
• 電力信号の変動は工具摩耗の進行と強く相関しており、故障の前段階での摩耗の検出が信頼性を持って可能となった。
• 本手法は、直接的な工具監視を要せず、複雑で多次元的な電力データから意味のあるパターンを効果的に抽出できた。
• 提案されたアプローチにより、工具の摩耗が進行する前に早期に検出が可能となり、欠陥が発生する前にメンテナンスをスケジューリングできるようになった。
• 本システムは、高精度な製造環境における製品の廃棄と運用コストの低減に大きな可能性を示している。
• 結果から、電力測定値のみが産業現場における工具状態の堅牢で非侵襲的な指標として機能できることを確認した。