工具機狀態自主檢測與優化調變模組

摘要：工具機產業不斷朝智慧化與加工效能提升的大方向前進，智慧化技術與物聯網無疑是工具機發展主流。本文建立設備狀態自主照護與冷卻機調變優化模組：在工具機傳動軸方面，透過工具機控制器迴授估測馬達、軸承與螺帽狀態，提供加工之最大切深建議，並於異常發生時發出警示，進而提高生產效率。旋轉軸方面，可預測旋轉軸受熱變位影響之伸長量，協助加工者快速進行刀長補正提高加工精度，並優化冷卻機控制降低能耗。

Abstract：The machine tool industry is moving towards intelligent technology and IOT process efficiency. This article presents an equipment status self-care technology and cooling machine adjustment optimization module. In the aspect of the transmission axis, the feedback of the NC controller is used to predict the state of the key-components of the transmission axis (motors, bearings, and nuts). The components information provides the maximum cutting depth of the rough machining, and occur alerts when abnormalities. As the rotary axis, the thermal deformation can be predicted to compensate the tool length and optimize the state of the cooling machine to reduce energy consumption.

關鍵詞：自主照護、傳動軸、旋轉軸
Keywords：Self-detection, Transmission axis, Rotary axis

前言
為因應產品生命週期越來越短的世代，金屬加工必須更加快速求變，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。傳動軸與旋轉軸為工具機兩大關鍵的零組件，其性能和精度決定了加工精度與生產效率。隨著加工時間的累積，傳動軸與旋轉軸的精度與健康程度將會發生改變，而造成機台精度無法恆定。金屬加工業者須定時對設備狀態進行檢查，如刀長補正與設備檢修等，然而上述檢驗極為費時，且檢驗所需之感測器昂貴、安裝不易，無法每天進行，且若異常無法被及時發現時，將造成加工品質大幅下降，甚至故障停機等結果。除此之外，現階段工具機冷卻機大多隨著機台啟動，當機台長時間處於待機狀態(如中午休息或大型工件上下料)時，若冷卻機保持運作，除了造成能源浪費以外，亦容易因為過度冷卻而使再加工時發生加工段差，而無法滿足精度需求。本文針對金屬加工業者需求，開發設備狀態自主照護與冷卻機調變優化系統，解決以下問題。

傳統機台狀態檢測，需定期停機由專業人力固定週期診斷，耗時費力，「馬達狀態自主檢測」、「軸承狀態自主檢測」、「螺帽狀態自主檢測」預期可讓加工者無須額外安裝感測器，透過控制器迴授資訊快速檢測傳動軸關鍵零組件狀態，提早預知保養時程，避免臨時故障停機發生，以提供關鍵模組狀態自主診斷，達成異常即時反饋，而有效降低檢修成本並提升製程效能。

機台精度易受溫度影響，依賴暖機與專業人力設定補償，耗時費工，「旋轉軸熱變位自主檢測與精度補償模組」預期可讓加工者即時檢測旋轉軸因熱變位所產生之伸長量，透過數位預估技術，估測旋轉軸軸向伸長量，提高加工精度。

機台啟動後冷卻機保持運行，耗費能源且可能因過度冷卻而產生加工段差，「冷卻機狀態優化調變」預期可協助提升加工精度，自動判斷調整旋轉軸冷卻機運行，降低旋轉軸待機後再加工之段差並減少能源消耗。
本文針對工具機業者所關心機台設備精度無法維持恆定、關鍵零組件故障無法有效追溯、機電故障排除時間長等問題，以無感測器數位預估技術[1][2][3][4][5]為基礎，開發設備診斷照護自主識別設備精度與異常狀態檢測模組，執行設備自主照護等加值服務。解決工具機精度校驗必須使用雷射等檢驗儀器量測的不即時性，利用整機數位預估技術，達成不停機也可持續進行機台誤差量測之目的，滿足設備診斷照護自主識別設備故障與自主照護之需求。雖然無感測器數位預估技術，相較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。

關鍵零組件狀態自主檢測與調變模組
工具機產業發展已逐漸趨向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，由既往的人力介入行為，運用感測及通訊技術結合軟體服務取而代之，達成更高效而低廉的成本需求，因此，AI智慧化、高速網路傳輸、無人自動化等議題，後市可期。除此之外，為進軍主流高階工具機之市場，目前國際上產業發展策略從過去單機規格提升的研發思維，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。

隨著智慧製造概念延伸與市場之需求，國際各大知名工具機廠和控制器廠，不管是自行開發或是策略聯盟，各家廠商皆推出對應智慧製造的產品，工具機智慧化技術與物聯網(Internet of Things, IoT)無疑是未來工具機發展主流。工具機產業不斷利用硬體及軟體創新或排列組合的方式朝自動化、智慧化以及加工效能提升的大方向前進。臺灣工具機產業亦面臨相同之市場趨勢與需求，必須有深刻體認產業趨勢未來不再只能靠孤軍奮鬥，透過提升產品品質和服務加強競爭力是唯一的路。為了迎合終端使用者，工具機產業除了藉由機構設計的最佳化、更精密的零組件之硬體組裝外，還可以藉由製程加值軟體，透過各類的加值輔助機能，完備系統整合服務之提供，達到由設備系統的製造轉化為製造、系統整合、軟體服務一貫的Turnkey解決方案。
本文藉由設備狀態自主檢測與調變模組的開發，將工具機廠與終端使用者需求，轉換為應用軟體。聚焦開發目標因應國際工具機大廠近年的技術開發策略，以有效協助業者進行設備自主照護之運用需求。本文建立無感測器之傳動軸關鍵零組件狀態線上檢測，以及旋轉軸熱變位預測及冷卻機調變等功能，相較於工具機大廠將功能綁定在自家新機台與控制器，或透過感測器進行狀態預估之方式，本模組採用外掛式設計，透過機邊運算系統連結工具機控制器，跳脫工具機與控制器品牌型號的限制，讓國內終端加工廠商不受廠內不同品牌的工具機與控制器限制，皆可透過安裝本機邊運算系統，進行機台智慧升級。各項智慧化模組分述如下：

‧馬達數位預估模組：建立馬達數位預估技術，進行電磁和熱計算，產生馬達銅損、鐵損、暫態溫度圖和效率轉速雲圖，由內建馬達參數資料庫增加各轉速扭力預估準確性；建立馬達熱效應分析技術，來預估馬達的熱源造成的熱變位。利用馬達數位分身模型進行電磁和熱計算，能預估馬達有效扭矩，後續運用在軸承、滾珠螺桿健康監測上能提供準確的分析;馬達發熱計算能有效預估馬達壽命和保護，確保馬達不會過熱，且能預估馬達壽命提高可靠度，馬達發熱會帶給工具機螺桿和結構熱變位，有效的預估馬達發熱量，能在發熱後提供變位預測監控，提升工具機加工準確性，如圖1所示。

圖1 馬達數位預估技術應用示意圖