异常检测装置、机床、异常检测方法及程序与流程

在本说明书中，公开了异常检测装置、机床、异常检测方法及程序。

背景技术：

以往，已知有对进行开孔加工的机床的工具的折损进行检测的装置。例如，专利文献1所记载的nc装置(数值控制装置)基于在伺服马达中流动的电流的大小来检测主轴的工具折损。具体而言，在检测出的电流在一定时间内超过了与主轴的异常输送负载对应的电流的设定值的情况下，输出折损检测信号。

现有技术文献

专利文献1：日本特开平11-170105号公报

技术实现要素：

发明所要解决的课题

但是，在如专利文献1那样仅基于电流的大小和设定值来判定异常的方法中，有时异常的检测精度不充分。

本公开为了解决上述课题而作出的，其主要目的在于高精度地检测机床的异常。

用于解决课题的技术方案

本公开为了达成上述主要目的而采用了以下的手段。

本公开的异常检测装置是机床的异常检测装置，上述机床具备：刀具，用于进行开孔加工；第一驱动部，使该刀具进行轴旋转；及第二驱动部，使该刀具沿着作为该刀具的轴向的z轴方向移动，

上述异常检测装置具备：

时序数据取得部，取得上述开孔加工时的上述刀具的上述z轴方向上的移动负载的时序数据即对象时序数据；

评价值导出部，使用奇异谱变换导出评价值，上述评价值表示所取得的上述对象时序数据中的至少一部分数据与被视为正常的上述移动负载的时序数据即基准时序数据中的至少一部分数据之间的类似程度；及

异常判定部，基于所导出的上述评价值来判定上述机床有无异常。

该异常检测装置首先取得开孔加工时的刀具的z轴方向上的移动负载的时序数据即对象时序数据。接下来，异常检测装置使用奇异谱变换(也称为奇异谱分析)，导出表示对象时序数据中的至少一部分数据与被视为正常的移动负载的时序数据即基准时序数据中的至少一部分数据之间的类似程度的评价值。并且，异常检测装置基于评价值来判定机床有无异常。该异常检测装置能够通过使用奇异谱变换而导出表示本次所取得的对象时序数据与基准时序数据各自的特征点群的类似程度的评价值。因此，在该异常检测装置中，进行基于所导出的评价值的有无异常的判定，由此与例如仅基于电流的大小来判定异常的情况相比，能够高精度地检测机床的异常。机床的异常是指例如刀具的折损等。在该情况下，上述评价值可以是类似度，也可以是变化度。

附图说明

图1是机床10的概略结构的主视图。

图2是表示机床10的电连接关系的框图。

图3是表示异常检测处理例程的一个例子的流程图。

图4是表示根据对象时序数据生成对象时序矩阵x1的情况的概念图。

图5是表示从对象时序矩阵x1导出对象特征矩阵u1的情况的概念图。

具体实施方式

以下，参照附图对本公开的异常检测装置及作为机床的实施方式的一个例子的机床10进行说明。图1是表示机床10的概略结构的主视图，图2是表示机床10的电连接关系的框图。图1中的阴影部分是用与纸面平行的面切断引导部件36而得到的截面。机床10是使钻头26(刀具的一个例子)进行升降来进行例如金属制的部件等对象物60的开孔加工的机械。机床10具备：基台11、头20、头移动机构30、电流传感器40(参照图2)、z轴位置传感器42(参照图2)、发光部44及控制部50。头20、头移动机构30及控制部50配置于基台11上。另外，作为开孔加工的对象的对象物60载置于基台11上的、头部20的钻头26的正下方。

头部20是通过使钻头26进行轴旋转并使自身进行升降来进行对象物60的开孔加工的装置。头部20具备：头部主体21、升降板22、q轴马达24(第一驱动部的一个例子)及钻头26。头主体21是大致长方体形状的部件，在内部配置有q轴马达24。在头主体21的左侧连接有升降板22。升降板22是平板状的部件，以能够升降的方式安装于沿着上下方向延伸的滚珠丝杠32。q轴马达24输出旋转驱动力而使钻头26进行轴旋转。钻头26是用于进行对象物60的开孔加工的部件。钻头26以能够更换的方式安装于头部20的下侧。钻头26的轴向是图1中的箭头所示的上下方向。也将上下方向称为z轴方向。

头移动机构30是使头20沿着z轴方向移动、即使头20进行升降的机构。头移动机构30具备：滚珠丝杠32、z轴马达34(第二驱动部的一个例子)及引导部件36。滚珠丝杠32被配置为轴向与z轴方向平行，且上下地贯通升降板22。z轴马达34例如构成为伺服马达，配置于滚珠丝杠32的上方，输出旋转驱动力而使滚珠丝杠32进行轴旋转。引导部件36是具有在图1中的右侧开口的内部空间的箱状的部件，在内部空间配置有滚珠丝杠32及升降板22。引导部件36在内周面具备未图示的导轨，对升降板22的升降进行引导。在引导部件36的上方配置有z轴马达34。该头部移动机构30通过z轴马达34使滚珠丝杠32旋转而使升降板22进行升降，从而使包括钻头26在内的头部20整体沿着z轴方向移动。

电流传感器40(参照图2)测定z轴马达34的驱动电流。z轴马达34的驱动电流与z轴马达34的驱动轴和滚珠丝杠32的转矩相关，滚珠丝杠32的转矩与钻头26的z轴方向上的移动负载相关。因此，z轴马达34的驱动电流是表示钻头26的z轴方向上的移动负载的信息。

z轴位置传感器42(参照图2)是检测头20的z轴方向上的位置的传感器。在本实施方式中，z轴位置传感器42是安装于头20的激光位移式的传感器。z轴位置传感器42向下方照射激光，接收被基台11的上表面反射后的激光，基于激光的受光位置的差异来检测头20的z方向上的位置。

发光部44是分别具备多个红绿蓝这三色的led的光源单元，能够发出各种颜色的光。发光部44配置于引导部件36的上端部的右表面。发光部44例如用于向作业者报告异常。

控制部50构成为以未图示的cpu为中心的微型计算机，除了cpu以外，还具备存储各种程序的rom、暂时存储数据的ram、输入输出端口(均未图示)等。另外，控制部50具备由hdd等构成的存储部52。在存储部52中存储有后述的基准时序数据55。控制部50向q轴马达24、z轴马达34及发光部44输出控制信号来对它们进行控制。另外，向控制部50输入从电流传感器40输出的滚珠丝杠32的电流值及来自z轴位置传感器42的位置检测信号等。

接着，对机床10进行执行对象物60的开孔加工的开孔处理时的动作进行说明。机床10例如基于从未图示的管理装置接收到的生产程序来进行对象物60的开孔处理，并反复执行该开孔处理。在生产程序中包含有对象物60的形状、应形成的孔的深度、进行开孔加工的对象物60的数量等信息。在机床10进行开孔处理时，首先，通过例如机械臂、带式输送机等未图示的输送装置将对象物60搬入到基台11上，并将其定位于钻头26的正下方。接着，机床10的控制部50使q轴马达24进行驱动而使钻头26进行轴旋转，使z轴马达34进行驱动而使钻头26下降。并且，控制部50基于来自z轴位置传感器42的位置检测信号而使头部20下降，直至形成应形成于对象物60的深度的孔为止。然后，控制部50通过z轴马达34使钻头26上升，使钻头26退避至对象物60的上方。然后，进行了开孔加工的对象物60被未图示的搬运装置从机床10搬出，例如被送到下一个工序。机床10将这样的开孔处理反复执行由生产程序决定的次数。在此，将开孔处理中的、钻头26实际上进行对象物60的切削的动作称为开孔加工。即，一次开孔加工是指从钻头26下降而与对象物60接触至钻头26的下降结束为止。

机床10在进行该开孔处理时，进行检测例如钻头26的破损或折损等机床10的异常的异常检测处理。图3是表示异常检测处理例程的一个例子的流程图，图4是表示根据对象时序数据生成对象时序矩阵x1的情况的概念图，图5是表示从对象时序矩阵x1导出对象特征矩阵u1的情况的概念图。异常检测处理例程例如存储于存储部52，在开始开孔处理时(例如钻头26开始下降时)开始。

当开始执行该异常检测处理例程时，控制部50首先取得开孔加工时的钻头26的z轴方向上的移动负载的时序数据即对象时序数据(步骤s100)。在本实施方式中，如上所述，作为表示钻头26的z轴方向上的移动负载的信息，使用z轴马达34的驱动电流。因此，在步骤s100中，控制部50基于电流传感器40测定出的驱动电流而取得对象时序数据。图4所示的波形是由电流传感器40测定出的驱动电流的波形的一个例子。图4中的“切削期间”表示进行一次开孔加工的期间。在本实施方式中，控制部50取得从该切削期间的开始至结束为止的驱动电流的波形作为对象时序数据。控制部50例如能够基于从z轴位置传感器42取得的头20的位置信息、生产程序所包含的对象物60的高度及应形成的孔的深度等，检测切削期间的开始及结束，来取得对象时序数据。具体而言，对象时序数据例如是将时刻(或者测定顺序)与电流值建立对应而得到的多个数据的集合。将t设为时刻，将时刻t处的电流值标记为x(t)。另外，将对象时序数据设为从时刻t至时刻(t+m+n-2)为止的(m+n-1)个电流值的数据。m、n见后述。

接着，控制部50基于在步骤s100中取得的对象时序数据中的至少一部分数据，生成由下述式(1)表示的对象时序矩阵x1(步骤s110)。

[数1]

在本实施方式中，控制部50使用在步骤s100中取得的全部对象时序数据，生成对象时序矩阵x1。由下述式(1)及图4也可知，对象时序矩阵x1例如如下那样生成。首先，控制部50取出对象时序数据x(t)、x(t+1)、…、x(t+m+n-2)中的、从时刻t起连续的m个电流值的部分时序(也称为滑动窗)，并设为构成对象时序矩阵x1的列矢量。并且，控制部50将取出该列矢量的位置从时刻t至时刻(t+n-1)为止逐次错开而取出共计n个列矢量，并将它们在列方向上排列，从而得到m行n列的对象时序矩阵x1。这样，控制部50基于对象时序数据，改变时刻而取出多个连续的m个电流值的数据(部分时序)，生成包含n个的m个数据的集合这样的矩阵。m、n的值例如作为能够高精度地检测异常、且数据数不会过大这样的值，能够预先通过实验来决定。另外，在对象时序数据的数据数多于在对象时序矩阵x1的生成中使用的(m+n-1)个的情况下，控制部50使用对象时序数据中的一部分数据来生成对象时序矩阵x1即可。

接着，控制部50基于对在步骤s110中生成的对象时序矩阵x1进行奇异值分解而得到的结果，导出表示对象时序数据的特征性点群(以下称为特征点群)的对象特征矩阵u1(步骤s120)。在该步骤s120中，控制部50首先对m行n列的对象时序矩阵x1进行奇异值分解，导出左特异矩阵ur、r行r列的对角矩阵及矩阵vr^t(参照图5上段)。左特异矩阵ur是m行r列的矩阵。对角矩阵是在对角元素中具有e1、e2、…、er的r行r列的矩阵。矩阵vr^t是r行n列的矩阵，是右特异矩阵vr的转置矩阵。r是对象时序矩阵x1的层级数(rank)。这样的奇异值分解是公知的，例如记载于参考文献(井出刚，“入门基于机械学习的异常检测-基于r的实践引导-”，corona公司，2015年3月13日)中。接着，控制部50基于通过奇异值分解导出的左特异矩阵ur，导出由左特异矩阵ur的第一列至第m列为止(m为r以下的整数)的要素构成的m行m列的对象特征矩阵u1(参照图5下段)。这样得到的对象特征矩阵u1成为表示对象时序数据(更具体而言是基于对象时序数据的对象时序矩阵x1)的特征性点群的数据。在此，在左特异矩阵ur中，越是从第r列靠近第一列，越是成为表示对象时序矩阵x1的整体或者支配性的特征点群的数据。因此，由左特异矩阵ur的从第一列至第m列为止的要素构成的对象特征矩阵u1被去除了电流波形的噪声等异常检测所不需要的要素的影响，成为表示对象时序矩阵x1中的对异常检测的判定有用的特征点群的数据。m的值能够预先通过实验来决定，以便能够高精度地检测异常。

接着，控制部50读出存储于存储部52的基准时序数据55(步骤s130)。基准时序数据55是被视为正常的开孔加工时的钻头26的z轴方向上的移动负载的时序数据。在本实施方式中，预先在没有钻头26的破损和折损等机床10的异常的状态下进行对象物60的开孔加工，基于此时测定出的z轴马达34的驱动电流来生成基准时序数据55，并存储于存储部52。

接着，控制部50基于在步骤s130中读出的基准时序数据55中的至少一部分数据，生成基准时序矩阵x2(步骤s140)。步骤s140能够通过与上述步骤s110中的对象时序矩阵x1的生成相同的方法来进行，因此省略详细的说明。将步骤s140中的m、n的值设为与步骤s110相同的值。

然后，控制部50基于对在步骤s140中生成的基准时序矩阵x2进行奇异值分解而得到的结果，导出表示基准时序数据55的特征点群的基准特征矩阵u2(步骤s150)。由于步骤s150能够通过与上述步骤s120中的对象特征矩阵u1的导出相同的方法来进行，因此省略详细的说明。将步骤s150中的m的值设为与步骤s120相同的值。被导出的基准特征矩阵u2成为表示基准时序矩阵x2中的对异常检测的判定有用的特征点群的数据。

并且，控制部50通过下述式(2)导出在步骤s120中导出的对象特征矩阵u1和在步骤s150中导出的基准特征矩阵u2的矩阵积的矩阵2范数，并将所导出的值设为类似度r(步骤s160)。矩阵2范数是公知的，例如记载于上述参考文献中。对象时序数据(更具体而言是基于对象时序数据的对象时序矩阵x1)的特征点群与基准时序数据55(更具体而言是基于基准时序数据55的基准时序矩阵x2)的特征点群越类似，则类似度r的值越大。在此，将使用奇异值分解来求出两个时序数据的特征点群(在此为对象特征矩阵u1及基准特征矩阵u2)的方法称为奇异谱变换。并且，控制部50基于使用该奇异谱变换而得到的两个特征点群，导出表示两者的类似程度(换言之，两者的变化程度)的类似度r。这样，在本实施方式中，控制部50通过使用奇异谱变换，例如，作为高精度地表示去除了带来每次不同的电流波形的噪声的影响等的、对象时序数据与基准时序数据55的特征点群的类似程度的评价值，而导出类似度r。

r＝||u1^tu2||2(2)

当在步骤s160中导出了类似度r时，控制部50基于类似度r来判定机床10有无异常(步骤s170)。在本实施方式中，控制部50在类似度r为预定的阈值rref以下的情况下判定为存在异常。阈值rref例如能够通过实验预先决定

在步骤s170中判定为存在异常的情况下，控制部50例如使q轴马达24及z轴马达34停止等使机床10的动作停止，并且使发光部44发光来向作业者报告异常(步骤s180)，并结束本例程。异常的报告不限于发光，也可以通过输出声音来进行，也可以通过向机床10的管理装置、作业者所有的终端等输出报告异常的信号来进行。

另一方面，在步骤s170中判定为没有异常的情况下，控制部50将在本次的步骤s100中取得的对象时序数据作为基准时序数据55并存储(在此为覆盖)于存储部52(步骤s190)。在步骤s170中判定为没有异常的情况下，控制部50能够将在本次的步骤s100中取得的对象时序数据视为正常的时序数据。因此，控制部50为了将该对象时序数据用作新的基准时序数据55而预先存储于存储部52。由此，在执行下一次的异常检测处理例程时，控制部50在步骤s130中将在最近(前一次)的步骤s100中取得的对象时序数据作为基准时序数据55而从存储部52读出。

在此，明确本实施方式的构成要素与本公开的构成要素之间的对应关系。本实施方式的机床10相当于本公开的机床及异常检测装置，钻头26相当于刀具，q轴马达24相当于第一驱动部，z轴马达34相当于第二驱动部，控制部50相当于时序数据取得部、评价值导出部及异常判定部。在本实施方式中，通过对控制部50的动作进行说明，也明确了本公开的异常检测方法的一个例子。

在以上详述的本实施方式的机床10中，控制部50首先取得开孔加工时的钻头26的z轴方向上的移动负载(在此为z轴马达34的电流)的时序数据即对象时序数据。接着，控制部50使用奇异谱变换，导出表示对象时序数据中的至少一部分数据与被视为正常的z轴马达34的电流的时序数据即基准时序数据55中的至少一部分数据的类似程度的评价值(在此为类似度r)。并且，控制部50基于类似度r来判定机床10有无异常。控制部50能够通过使用奇异谱变换，导出表示本次所取得的对象时序数据与基准时序数据55各自的特征点群的类似程度的类似度r。因此，在该机床10中，控制部50进行基于所导出的类似度r的有无异常的判定，从而与例如仅基于电流的大小来判定异常的情况相比，能够高精度地检测钻头26的折损等机床10的异常。例如，对象时序数据与基准时序数据55理想上为相同的数据，但是实际上受到噪声等各种因素的影响。因此，即使对象时序数据是正常时的数据，对象时序数据与基准时序数据55也不完全相同。即使在这样的情况下，在本实施方式的机床10中，通过使用上述方法，也能够抑制异常的误检测和误不检测，能够高精度地检测机床10的异常。

另外，控制部50为了进行上述步骤s190而将在异常检测处理的步骤s170中未判定为异常且在前一次进行的开孔加工时取得的对象时序数据作为基准时序数据55，而导出类似度r。因此，控制部50导出将最近(前一次)的被视为正常的时序数据设为基准时序数据55的情况下的类似度r。因此，例如即使在正常的开孔加工时的时序数据随时间而变化的情况下，也不容易将基于时间的变化误检测为异常。因此，在该机床10中，能够更加高精度地检测机床10的异常。

此外，本发明不受上述实施方式的任何限定，只要属于本发明的技术范围，就能够以各种方式来实施，这是不言而喻的。

例如，在上述实施方式中，控制部50在步骤s100中取得了从一次开孔加工的最初至最后为止(切削期间)的z轴马达34的驱动电流的时序数据。但是，不限于此，作为对象时序数据，控制部50取得一次开孔加工时的至少一部分期间的时序数据即可。另外，在上述实施方式中，控制部50使用取得的对象时序数据的全部(从时刻t至时刻t+m+n-2)数据来生成对象时序矩阵x1，但是不限于此，使用取得的时序数据中的至少一部分的数据来生成对象时序矩阵x1即可。即，对象时序矩阵x1只要基于一次开孔加工时的从最初至最后之间的至少一部分期间中的驱动电流的时序数据来生成即可。对于基准时序数据55及基准时序矩阵x2也相同。另外，在使用切削期间的一部分的时序数据的情况下，优选在对象时序矩阵x1和基准时序矩阵x2中将时刻t设为相同的值(使用切削期间中的相同期间的时序数据)，但是时刻t也可以互不相同。

在该情况下，控制部50也可以不将一次开孔加工中的开始时一侧的预定期间的z轴马达34的驱动电流的时序数据用于类似度r的导出。例如，控制部50也可以不将该预定期间的时序数据包含在对象时序数据中、或者虽然包含在对象时序数据中但是并不用于对象时序矩阵x1的生成。这样一来，能够减少在类似度r的导出中使用的数据的数量，因此能够减少控制部50的处理负担。另外，假设即使在一次开孔加工的开始时一侧的预定期间内产生有异常，只要异常持续，则在使用该预定期间以后的剩余期间的时序数据导出的类似度r中也很多时候反映出异常。因此，即便不将开始时一侧的预定期间的驱动电流的时序数据用于类似度r的导出，机床10的异常检测的精度也不容易降低。以上，能够抑制机床10的异常检测的精度的降低，并减少控制部50的处理负担。也可以将该预定期间设为包括一次开孔加工中的前半部分的期间。

在上述实施方式中，在步骤s170中判定为没有异常的情况下，控制部50一定会进行步骤s190的处理，但是不限于此。例如，控制部50也可以对在步骤s170中判定为没有异常的次数进行计数，在计数的次数达到预定次数p(＞1)时，进行步骤s190的处理。这样一来，作为基准时序数据55，控制部50使用在步骤s170中判定为没有异常的相对最近的(一次前～p次前中的任意一个)对象时序数据。即便如此，也与上述实施方式相同地，不容易将正常的开孔加工时的时序数据的基于时间的变化误检测为异常。另外，与如上述实施方式那样每次进行步骤s190的情况相比，能够减少控制部50的处理负担。另外，将该例子中的预定次数p设为1的情况相当于上述实施方式。另外，控制部50也可以完全不进行步骤s190。在该情况下，只要预先在存储部52中存储基准时序数据55，就能够基于该基准时序数据55导出类似度r。

在上述实施方式中，作为表示对象时序数据与基准时序数据55的类似程度的评价值，控制部50导出类似度r，但是不限于此。例如，作为评价值，也可以导出下述式(3)所示的变化度a。对象时序数据(更具体而言是基于对象时序数据的对象时序矩阵x1)的特征点群与基准时序数据55(更具体而言是基于基准时序数据55的基准时序矩阵x2)的特征点群越类似，则变化度a的值越小。因此，控制部50例如也可以在步骤s160中导出变化度a，在步骤s170中变化度a超过了预定的阈值aref的情况下，判定为机床10存在异常。

a＝1-(||u1^tu2||2)²(3)

在上述实施方式中，作为表示开孔加工时的钻头26的z轴方向上的移动负载的信息，使用了z轴马达34的驱动电流，但是不限于此。例如，也可以通过转矩计来测定z轴马达34的驱动轴或滚珠丝杠32的转矩，并将其作为表示移动负载的信息。

在上述实施方式中，使用了钻头26的z轴方向上的移动负载的时序数据，但是也可以取而代之，考虑将钻头26的轴旋转的负载(例如转矩或者q轴马达24的电流等)的时序数据用作对象时序数据及基准时序数据。但是，特别是在钻头26的直径较小的情况下，由于钻头26的重量较轻、使钻头26旋转的力矩较小、基于钻头26的对象物60的切削面积较小而切削阻力较小等理由，钻头26的轴旋转的负载易于变小。并且，当钻头26的轴旋转的负载较小时，时序数据的大小(例如图4的x(t)的大小)整体上变小，因此正常时与异常时的时序数据的差异也变小，难以检测异常。对此，通过如本实施方式那样使用钻头26的z轴方向上的移动负载的时序数据，能够与钻头26的直径的大小无关地稳定地检测机床10的异常。在此，钻头26的直径也可以比滚珠丝杠32的直径小。在该情况下，根据上述理由，在本实施方式的机床10中，也能够高精度地检测机床10的异常。

在上述实施方式中，在存储部52中存储基准时序数据55，但是不限于此。只要能够导出基于基准时序数据55的评价值即可，因此基准时序数据55本身不一定存储于存储部52。例如，也可以是，在存储部52中除了基准时序数据55以外或者取代基准时序数据55而存储有基于基准时序数据55导出的基准时序矩阵x2、左特异矩阵ur及基准特征矩阵u2中的至少任一个。在该情况下，控制部50根据需要变更上述步骤s130、或者省略步骤s140、s150中的至少任一个即可。在步骤s190中，控制部50也可以除了基准时序数据55以外或者取代基准时序数据55而将基准时序矩阵x2、左特异矩阵ur及基准特征矩阵u2中的至少任一个存储于存储部52。

在上述实施方式中，控制部50在一次开孔加工中进行一次异常的判定，但是不限于此。例如，控制部50也可以在一次开孔加工中，变更切削期间中的在步骤s100中作为对象时序数据而取得的期间，多次执行上述异常判定处理例程。

在上述实施方式中，机床10针对一个对象物60进行一次开孔加工，但是不限于此，也可以针对一个对象物60进行多次开孔加工。在该情况下，对于多次开孔加工，也可以使用相同的基准时序数据55、m、n、m及rref。另外，例如也可以根据加工内容(例如应形成的孔的深度)而使用适当的基准时序数据55、m、n、m及rref。

在上述实施方式中，将z轴方向设为图1中的上下方向，但是不限于此。z轴方向只要是刀具的轴向即可，换言之，只要是开设于对象物60的孔的轴向即可。例如，z轴方向也可以是左右方向等水平方向。

在上述实施方式中，机床10兼作检测自身的异常的异常检测装置，但是不限于此。例如，也可以将控制部50中的具有进行异常检测处理的功能的部分设为与机床10独立的异常检测装置。另外，在上述实施方式中，对作为本公开的异常检测装置及机床的机床10进行了说明，但是不特别限定于此，也可以设为异常检测方法的方式、其程序的方式。

本公开的异常检测装置、机床、异常检测方法及程序也可以如下这样地构成。

在本公开的异常检测装置中，也可以是，上述评价值导出部将在未被上述异常判定部判定为异常且最近的预定次数以内进行的上述开孔加工时取得的上述对象时序数据作为上述基准时序数据，而导出上述评价值。这样一来，由于异常检测装置导出将相对最近的被视为正常的时序数据作为基准时序数据的情况下的评价值，因此即使在例如正常的开孔加工时的时序数据随着时间而变化的情况下，也不容易将基于时间的变化误检测为异常。因此，该异常检测装置能够更加高精度地检测机床的异常。

在该情况下，也可以将上述预定次数设为值1。这样一来，因此异常检测装置导出将相对最近的被视为正常的时序数据作为基准时序数据的情况下的评价值，所以能够进一步抑制将基于时间的变化误检测为异常的情况。

在本公开的异常检测装置中，也可以是，上述评价值导出部不将一次上述开孔加工中的开始时一侧的预定期间的上述移动负载的时序数据用于上述评价值的导出。这样一来，能够减少用于导出评价值的数据的数量，因此能够减少评价值导出部的处理负担。另外，假设即使在开始时一侧的预定期间内产生了异常，只要异常持续，则使用剩余期间的时序数据导出的评价值也很多时候反映出异常。因此，即便不将开始时一侧的预定期间的移动负载的时序数据用于评价值的导出，机床的异常检测的精度也不容易降低。以上，能够抑制机床的异常检测的精度的降低，并减少评价值导出部的处理负担。在该情况下，也可以将上述预定期间设为包含一次上述开孔加工中的前半部分的期间。

本公开的机床具备：

刀具，用于进行开孔加工；

第一驱动部，使该刀具进行轴旋转；

第二驱动部，使该刀具沿着作为该刀具的轴向的z轴方向移动；

时序数据取得部，取得上述开孔加工时的上述刀具的上述z轴方向上的移动负载的时序数据即对象时序数据；

评价值导出部，使用奇异谱变换导出评价值，上述评价值表示所取得的上述对象时序数据中的至少一部分数据与被视为正常的上述移动负载的时序数据即基准时序数据中的至少一部分数据之间的类似程度；及

异常判定部，基于所导出的上述评价值来判定上述机床有无异常。

因为该机床具备与上述异常检测装置相同的时序数据取得部、评价值导出部及异常判定部，所以能够获得与上述异常检测装置相同的效果，例如能够获得高精度地检测机床的异常的效果。另外，机床自身能够检测异常。

本公开的异常检测方法是机床的异常检测方法，该机床具有：刀具，用于进行开孔加工；第一驱动部，使该刀具进行轴旋转；及第二驱动部，使该刀具沿着作为该刀具的轴向的z轴方向移动，

上述异常检测方法包含如下的步骤：

时序数据取得步骤，取得上述开孔加工时的上述刀具的上述z轴方向上的移动负载的时序数据即对象时序数据；

评价值导出步骤，使用奇异谱变换导出评价值，上述评价值表示所取得的上述对象时序数据中的至少一部分数据与被视为正常的上述移动负载的时序数据即基准时序数据中的至少一部分数据之间的类似程度；及

异常判定步骤，基于所导出的上述评价值来判定上述机床有无异常。

在该异常检测方法中，能够与上述异常检测装置相同地高精度地检测机床的异常。在该异常检测方法中，可以采用上述异常检测装置的各种方式，还可以追加实现上述异常检测装置的各功能的步骤。

本公开的程序是使一个或者多个计算机执行上述异常检测方法的程序。该程序可以记录在计算机能够读取的记录介质(例如硬盘、rom、fd、cd、dvd等)中，也可以经由传输介质(因特网、lan等通信网)从某个计算机向其他计算机分配，也可以以其他任何方式授受。只要使一个计算机执行该程序或者使多个计算机分担执行各步骤，就能够执行上述异常检测方法的各步骤，因此能够获得与该异常检测方法相同的作用效果。

产业上的可利用性

本发明能够应用于进行对象物的开孔加工的机床的制造产业和使用该机床进行开孔加工的各种产业。

附图标记说明

10、机床；11、基台；20、头；21、头主体；22、升降板；24、q轴马达；26、钻头；30、头移动机构；32、滚珠丝杠；34、z轴马达；36、导向部件；40、电流传感器；42、z轴位置传感器；44、发光部；50、控制部；52、存储部；55、基准时序数据；60、对象物。