自动螺纹紧固方法以及自动螺纹紧固装置与流程

1.本公开涉及自动进行螺纹紧固的自动螺纹紧固方法以及自动螺纹紧固装置。


背景技术：

2.以往以来，使用了如下类型的自动螺纹紧固装置：在具备产生旋转运动的马达和作为保持螺钉以及使其旋转的螺纹紧固工具的螺丝刀头之外，还具备转矩限制器，由此将螺纹紧固转矩管理为一定，该转矩限制器将马达和螺丝刀头结合来传递旋转运动，并且当达到预先设定的螺纹紧固转矩时将两者的结合断开。然而，当如上述那样用具备转矩限制器的类型的自动螺纹紧固装置实际进行螺纹紧固作业时，在螺纹牙具有损伤等异常的情况下以及在螺钉的位置或者姿势相对于螺纹孔不准确的情况下，会产生如下问题：在螺纹紧固的途中，螺纹紧固转矩达到结束螺纹紧固的设定值，螺纹紧固作业在螺纹紧固不完全的状态下就结束。
3.与此相对，专利文献1公开了自动螺纹紧固装置，该自动螺纹紧固装置具备转矩限制器动作检测传感器、检测马达负载电流的单元以及检测马达旋转量的单元。专利文献1所记载的自动螺纹紧固装置将马达从螺纹紧固的开始时间点旋转到表示螺纹紧固完成的转矩完成动作时间点而得到了累计量，通过将该累计量和负载电流值与针对它们分别预先设定的目标值进行比较，从而判定螺纹紧固状态的良好与否，该负载电流值对应于转矩完成动作时间点的螺纹紧固转矩。
4.现有技术文献
5.专利文献1：国际公开第2014/192469号


技术实现要素：

6.发明要解决的技术问题
7.然而，在上述专利文献1所记载的自动螺纹紧固装置中，在尽管螺纹牙具有损伤等异常、但损伤的程度为轻度的情况下，有时会产生如下问题：在螺纹紧固途中的状态下，螺纹紧固转矩不超过结束螺纹紧固的设定值地直接推进螺纹紧固，在外观上会与进行正常的螺纹紧固作业的情况同样地完成螺纹紧固。
8.然而，在螺纹牙具有损伤的情况下，即使损伤的程度为轻度，也会在内螺纹与外螺纹件的啮合部分产生异物，会在异物被咬入到接合面的状态下完成螺纹紧固动作，该异物是螺纹牙的一部分破碎而得到的金属粉末。另外，即使是在螺纹牙正常的情况下，当螺钉的位置或者姿势相对于螺纹孔不再准确时，也会在内螺纹与外螺纹件的啮合部分产生异物，会在异物被咬入到接合面的状态下完成螺纹紧固动作，该异物是螺纹牙的一部分破碎而得到的金属粉末。
9.在如上述那样以异物被咬入到接合面的状态完成了螺纹紧固动作的状态下，即使螺纹紧固转矩达到结束螺纹紧固的设定值，接合面和螺钉也未贴紧，因此，有可能无法适当地确保作用于接合面的摩擦力，在最坏的情况下，有可能在产品出货后产生螺钉松动这样
的不良状况。
10.在上述专利文献1所记载的自动螺纹紧固装置中，根据转矩限制器动作检测传感器的转矩完成动作时间点的马达负载电流和马达旋转量的累计量，判定螺纹紧固状态的良好与否。因此，无法对在转矩完成动作时间点之前产生的螺钉的异常、或者内螺纹与外螺纹件之间的异物的咬入进行判定。
11.本公开是鉴于上述问题而完成的，目的在于得到能够判定螺纹紧固状态不良的不合格品的自动螺纹紧固方法。
12.用于解决问题的技术方案
13.为了解决上述的问题、达成目的，本公开涉及的自动螺纹紧固方法是用自动螺纹紧固装置将外螺纹件相对于内螺纹孔进行自动螺纹紧固的方法，该自动螺纹紧固装置通过马达使保持外螺纹件的螺丝刀头的轴产生旋转运动，所述自动螺纹紧固方法包括：计测步骤，计测从外螺纹件相对于内螺纹孔的螺纹紧固的开始时间点到螺纹紧固的完成时间点为止的马达的螺纹紧固转矩的时间变化的数据和马达转速的时间变化的数据；提取步骤，从所计测到的螺纹紧固转矩的时间变化的数据和马达转速的时间变化的数据提取多个特征量；以及判定步骤，使用多个特征量，判定外螺纹件相对于内螺纹孔的螺纹紧固状态是合适、还是不合适。判定步骤具有从多个特征量求出单一的数值指标的步骤，对数值指标和预先决定的阈值进行比较，判定外螺纹件相对于内螺纹孔的螺纹紧固状态是合适、还是不合适。数值指标是基于了多个特征量的t法中的综合评价尺度。
14.发明的效果
15.根据本公开，实现能够判定螺纹紧固状态不良的不合格品这一效果。
附图说明
16.图1是表示实施方式1涉及的自动螺纹紧固装置的结构的示意图。
17.图2是表示实施方式1涉及的自动螺纹紧固装置中的伺服马达和控制系设备的连接结构的示意图。
18.图3是表示实施方式1涉及的控制装置的控制部的功能结构的图。
19.图4是表示在实施方式1中由伺服控制器计测并存储于控制装置的螺纹紧固转矩波形和转速波形的特性图。
20.图5是表示使用图1所示的自动螺纹紧固装置对合格品的螺栓进行了螺纹紧固时所计测到的实际的螺纹紧固转矩波形和转速波形的特性图。
21.图6是表示使用图1所示的自动螺纹紧固装置对不合格品的螺栓进行了螺纹紧固时所计测到的实际的螺纹紧固转矩波形和转速波形的特性图。
22.图7是表示使用图1所示的自动螺纹紧固装置对不合格品的螺栓进行了螺纹紧固时所计测到的实际的螺纹紧固转矩波形和转速波形的特性图。
23.图8是表示使用图1所示的自动螺纹紧固装置对不合格品的螺栓进行了螺纹紧固时所计测到的实际的螺纹紧固转矩波形和转速波形的特性图。
24.图9是表示由图1所示的自动螺纹紧固装置进行的螺纹紧固方法的流程图。
25.图10是在实施方式2的自动螺纹紧固方法中示出了第1特征量的各值的合格品和不合格品的产生频度的分布的特性图。
26.图11是在实施方式2的自动螺纹紧固方法中示出了第2特征量的各值的合格品和不合格品的产生频度的分布的特性图。
27.图12是在实施方式2的自动螺纹紧固方法中示出了第1特征量和第2特征量的各值的合格品和不合格品的产生频度的分布和阈值边界线的特性图。
28.图13是示出实施方式2的自动螺纹紧固方法中的数值指标的各值的合格品和不合格品的产生频度的分布的特性图。
29.图14是表示实施方式2中的控制装置的控制部的功能结构的图。
30.图15是表示实施方式2涉及的螺纹紧固方法的流程图。
31.图16是表示图14所示的自动螺纹紧固装置的控制装置和所追加的机器学习装置的功能结构的图。
32.图17是表示实施方式3的学习中所使用的神经网络的结构例的图。
33.图18是表示作为对本实施方式3涉及的特征量选定部的选定与合格品以及不合格品的相关性相对高、且偏差相对小的特征量的种类的选定规则进行学习的选定规则学习部的功能结构的图。
34.图19是表示实施方式1、2、3涉及的控制装置的硬件结构的例子的第1图。
35.图20是表示实施方式1、2、3涉及的控制装置的硬件结构的例子的第2图。
具体实施方式
36.以下，基于附图对实施方式涉及的自动螺纹紧固方法和自动螺纹紧固装置进行详细的说明。此外，并不是通过该实施方式限定本公开。
37.实施方式1.
38.图1是表示本实施方式1涉及的自动螺纹紧固装置1的结构的示意图。图2是表示本实施方式1涉及的自动螺纹紧固装置1中的伺服马达11和控制系设备的连接结构的示意图。本实施方式1涉及的自动螺纹紧固装置1是对形成于工件3的作为内螺纹的螺纹孔4自动地进行作为外螺纹件的螺栓2的螺纹紧固的装置。即，自动螺纹紧固装置1是对工件3的内螺纹孔自动地进行外螺纹件的螺纹紧固的装置。
39.自动螺纹紧固装置1在能够在上下方向上移动的单轴台21搭载有螺纹紧固机构10。螺纹紧固机构10具备伺服马达11、减速器13、联轴器(coupling)14、轴承机构15以及螺丝刀头16。
40.在伺服马达11内置有用于对伺服马达11的旋转角进行检测的编码器111。伺服马达11的输出轴112连接于减速器13。在减速器13经由联轴器14依次连结有轴承机构15和螺丝刀头16。通过上述的结构，伺服马达11的输出轴112的旋转力最终传递到被吸附并保持于螺丝刀头16的前端的螺栓2。
41.自动螺纹紧固装置1具备控制装置31、伺服控制器32以及台控制器33来作为控制系设备。在控制装置31与伺服控制器32之间以及控制装置31与台控制器33之间，能够相互进行信息的通信。
42.台控制器33连接于单轴台21。台控制器33基于从控制装置31发送的指令来对单轴台21的上下方向上的移动和停止进行控制，并且，取得单轴台21的当前位置的信息，进行单轴台21的当前位置的监视。
43.伺服控制器32连接于伺服马达11以及编码器111。伺服控制器32具有作为计测部的马达负载电流值计测部321和作为计测部的马达转速计测部322。马达负载电流值计测部321对时时刻刻地变化的作为伺服马达11的负载电流值的马达负载电流值进行计测，向控制装置31发送所计测到的马达负载电流值的数据和对马达负载电流值进行了计测的时刻的信息。马达转速计测部322对作为伺服马达11的转速的马达转速进行计测，向控制装置31发送所计测到的马达转速的数据和对马达转速进行了计测的时刻的信息。即，伺服控制器32基于从控制装置31发送的指令来对伺服马达11的旋转和停止进行控制，并且，对时时刻刻地变化的马达负载电流值和马达转速进行计测。
44.控制装置31进行自动螺纹紧固装置1整体的控制。控制装置31从伺服控制器32接收在伺服控制器32中计测到的马达负载电流值的数据，并作为螺纹紧固转矩波形的数据来进行存储。另外，控制装置31从伺服控制器32接收在伺服控制器32中计测到的马达转速的数据，并作为转速波形的数据进行存储。螺纹紧固转矩波形的数据是螺纹紧固转矩的时间变化的数据。转速波形的数据是马达转速的时间变化的数据。
45.控制装置31从所计测到的螺纹紧固转矩波形的数据和转速波形的数据提取多个特征量，将所提取到的多个特征量与针对所提取到的多个特征量预先决定的阈值进行比较，基于比较结果来实时地判别螺纹紧固作业是合适、还是不合适。即，控制装置31基于比较结果来实时地自动判定螺栓2相对于工件3的螺纹孔4的螺纹紧固状态是合适、还是不合适。
46.控制装置31例如可使用可编程逻辑控制器(programmable logic controller：plc)。
47.图3是表示本实施方式1涉及的控制装置31的控制部310的功能结构的图。控制装置31具有进行自动螺纹紧固装置1整体的控制的控制部310。另外，控制部310具备螺纹紧固转矩存储部311、转速存储部312、特征量提取部313、时间计测部314以及合格品判定部315。
48.螺纹紧固转矩存储部311将从伺服控制器32的马达负载电流值计测部321取得的马达负载电流值的数据与计测了马达负载电流值的时刻的信息相关联，与计测了马达负载电流值的时刻的信息一起进行存储。
49.转速存储部312将从伺服控制器32的马达转速计测部322取得的马达转速的数据与计测了马达转速的时刻的信息相关联，与计测了马达转速的时刻的信息一起进行存储。
50.特征量提取部313是基于存储于螺纹紧固转矩存储部311的马达负载电流值的数据来提取特征量、基于存储于转速存储部312的马达转速的数据来提取特征量的特征量提取部。特征量提取部313提取哪个特征量这一信息，被预先决定而存储于特征量提取部313。即，特征量提取部313提取的特征量的种类，被预先决定而存储于特征量提取部313。
51.时间计测部314计测螺纹紧固作业时间。
52.合格品判定部315是基于由特征量提取部313提取到的特征量与预先决定的阈值的比较结果来判定螺栓2相对于工件3的螺纹孔4的螺纹紧固状态是合适、还是不合适的判定部。以下，将螺纹紧固状态合适的产品称为合格品，将螺纹紧固状态不合适的产品称为不合格品。
53.接着，对控制装置31使用螺纹紧固转矩波形的数据和转速波形的数据来判定螺栓2相对于工件3的螺纹孔4的螺纹紧固状态是合适、还是不合适的处理进行说明。图4是表示
在本实施方式1中由伺服控制器32计测并存储于控制装置31的螺纹紧固转矩波形和转速波形的特性图。在图4中，横轴表示时间，纵轴表示螺纹紧固转矩和转速。
54.此外，螺纹紧固转矩与马达负载电流值具有正比例关系，是对马达负载电流值乘以减速器13的减速比和伺服控制器32所固有的常数来换算的。另外，转速是传递到吸附并保持于螺丝刀头16的前端的螺栓2的转速、即螺丝刀头16和螺栓2的转速，是马达转速除以减速器13的减速比而得到的值。
55.此外，在以后的说明中，如图4所示，在通过自动螺纹紧固装置1进行的螺纹紧固作业中，将从螺纹紧固的开始时间点起处于螺纹紧固转矩波形相对低的位置的前半作为拧入工序，将在拧入工序后从螺纹紧固转矩波形急剧上升时起到螺纹紧固的完成时间点为止作为螺纹紧固工序。
56.在图4中，螺纹紧固转矩波形从螺纹紧固的开始时间点起持续比较低的螺纹紧固转矩，在后半急剧变大而达到规定拧紧转矩。规定拧紧转矩是在通过自动螺纹紧固装置1进行的螺纹紧固作业中预先设定的最终且最大的拧紧转矩，根据所使用的螺栓2的尺寸和强度等级而不同。规定拧紧转矩例如在强度等级为4.6的m3圆头螺钉时为0.70n
·
m，在强度等级为10.9的m4内六角螺栓时为6.30n
·
m。
57.然后，自动螺纹紧固装置1进一步将规定拧紧转矩保持预先决定的保持时间，完成螺纹紧固作业。预先决定的保持时间例如为100ms以上且1000ms以下。
58.另一方面，如图4所示，转速波形在拧入工序中维持了预先设定的速度，但当到达螺纹紧固工序时，转速急剧下降，保持时间的期间大致成为零。由此，推定为在从拧入工序转变为螺纹紧固工序的时间点，螺栓2的头部接合面部落位于工件3的表面。因此，拧入工序的时间可换言之为从螺纹紧固的开始时间点到螺栓2的头部接合面部落位于工件3的表面为止的时间。并且，能够通过计算，根据在螺纹紧固中使用的螺栓2的长度和螺距、拧入工序时的转速来求出拧入工序的时间。
59.(合格品的螺栓2的螺纹紧固的情况下的例子)
60.图5是表示在使用图1所示的自动螺纹紧固装置1对合格品的螺栓2进行了螺纹紧固时所计测到的实际的螺纹紧固转矩波形和转速波形的特性图。但是，省略了具体的数值。根据图5可知：在对合格品的螺栓2进行了螺纹紧固的情况下，拧入工序、螺栓2的头部接合面部向工件3的表面的落位、螺纹紧固工序依次顺利地进行，螺纹紧固转矩达到规定拧紧转矩。另外，可知：在螺纹紧固转矩达到了规定拧紧转矩之后，在以规定拧紧转矩将螺纹紧固转矩保持了既定的保持时间之后，停止伺服马达11，螺纹紧固正常地完成。
61.(不合格品的螺栓2的螺纹紧固的情况下的例子)
62.图6～图8是表示在使用图1所示的自动螺纹紧固装置1对不合格品的螺栓2进行了螺纹紧固时所计测到的实际的螺纹紧固转矩波形和转速波形的特性图。
63.图6示出如下情况下的例子：在螺栓2的前端的螺纹牙具有损伤，拧入作业未能正常地完成。在该情况下，即使从螺纹紧固的开始时间点起经过时间，螺纹紧固转矩也未达到规定拧紧转矩，因此，螺纹紧固未完成。于是，在本实施方式1中，预先对控制装置31设定螺纹紧固超时。控制装置31在即使从螺纹紧固的开始时间点起经过预先决定的规定作业时间、螺纹紧固转矩也未达到规定拧紧转矩的情况下，停止伺服马达11，中止拧入作业，判定为不合格品。
64.图7示出如下情况下的例子：在螺栓2的中央附近的螺纹牙具有损伤，拧入作业未能正常地完成。在该情况下，螺纹紧固转矩达到规定拧紧转矩，因此，若是使用一般的自动螺纹紧固装置来进行拧入作业的情况，则会作为合格品而完成螺纹紧固。但是，当将图7的螺纹紧固转矩波形与图5所示的对合格品的螺栓2进行了螺纹紧固的情况下的螺纹紧固转矩波形相比时可知：螺纹紧固转矩从拧入工序的途中开始上升。于是，在本实施方式1中，预先对控制装置31设定拧入工序中的螺纹紧固转矩的上限值。控制装置31在拧入工序中的螺纹紧固转矩超过了上限值的情况下判定为在螺纹紧固动作中产生了异常。拧入工序中的螺纹紧固转矩的上限值为与特征量进行比较的阈值。
65.图8示出如下情况下的例子：在接合面咬入异物，拧入作业未能正常地完成。在该情况下，螺纹紧固转矩也达到规定拧紧转矩，螺纹紧固转矩波形乍看起来可视为与合格品相同的波形。但是，当详细地调查拧入工序时可知：从螺纹紧固转矩急剧地上升开始到螺纹紧固的完成时间点为止的螺纹紧固工序的时间比合格品长20ms以上且200ms以下左右。于是，在本实施方式1中，将螺纹紧固工序的时间的上限值预先设定于控制装置31。控制装置31在螺纹紧固工序的时间超过了上限值的情况下判定为在螺纹紧固动作中产生了异常。螺纹紧固工序的时间的上限值为与特征量进行比较的阈值。
66.进一步，当着眼于图8的转速波形时可知：在保持时间的期间，转速也不成为零，即，螺栓2慢慢地旋转。于是，在本实施方式1中，控制装置31对保持时间的期间的转速进行累计，求出保持时间的螺丝刀头16和螺栓2的旋转角度，在保持时间的螺丝刀头16和螺栓2的旋转角度的值超过了预先设定的上限值的情况下，判定为在螺纹紧固动作中产生了异常。保持时间的螺丝刀头16和螺栓2的旋转角度的上限值为与特征量进行比较的阈值，被预先决定并被设定于控制装置31。
67.当将以上说明的工序总结为流程图时，成为如图9那样。图9是表示通过图1所示的自动螺纹紧固装置1进行的螺纹紧固方法的流程图。
68.即，在步骤s10中，向螺丝刀头16的前端供给螺栓2，将螺丝刀头16和螺栓2嵌合。
69.在步骤s20中，基于从控制装置31的控制部310发送的指令，台控制器33使单轴台21向下方移动，使螺纹紧固机构10下降，直到螺栓2的前端与工件3的螺纹孔4接触，用一定的推力将螺栓2推按到螺纹孔4。
70.在步骤s30中，基于从控制装置31的控制部310发送的指令，伺服控制器32使伺服马达11以预先指定的速度进行旋转。并且，开始螺纹紧固转矩波形和转速波形的计测和存储。即，伺服控制器32的马达负载电流值计测部321开始马达负载电流值的计测和存储。马达负载电流值计测部321向控制装置31发送所计测到的马达负载电流值的数据和计测了马达负载电流值的时刻的信息。另外，伺服控制器32的马达转速计测部322开始马达转速的计测和存储。马达转速计测部322向控制装置31发送所计测到的马达转速的数据和计测了马达转速的时刻的信息。即，步骤s30构成对从外螺纹件相对于内螺纹孔的螺纹紧固的开始时间点到螺纹紧固的完成时间点为止的马达的螺纹紧固转矩的时间变化的数据和马达转速的时间变化的数据进行计测的计测步骤。
71.在步骤s40中，控制装置31判定螺纹紧固转矩是否达到了规定拧紧转矩。具体而言，特征量提取部313基于存储于螺纹紧固转矩存储部311的马达负载电流值的数据，提取作为特征量的螺纹紧固转矩。在判定为螺纹紧固转矩未达到规定拧紧转矩的情况下，在步
骤s40中成为“否”，进入步骤s50。在判定为螺纹紧固转矩达到了规定拧紧转矩的情况下，在步骤s40中成为“是”，进入步骤s80。
72.在步骤s50中，控制装置31判定是否达到了螺纹紧固超时。具体而言，合格品判定部315基于螺纹紧固作业时间和从螺纹紧固的开始时间点起的规定作业时间，判定是否达到了螺纹紧固超时，该螺纹紧固作业时间是从由时间计测部314计测到的螺纹紧固的开始时间点起的经过时间。合格品判定部315在螺纹紧固作业时间超过规定作业时间的情况下，判定为达到螺纹紧固超时。合格品判定部315在螺纹紧固作业时间未超过规定作业时间的情况下，判定为未达到螺纹紧固超时。在判定为未达到螺纹紧固超时的情况下，在步骤s50中成为“否”，返回步骤s40。在判定为达到了螺纹紧固超时的情况下，在步骤s50中成为“是”，进入步骤s60。
73.在步骤s60中，控制装置31进行使伺服马达11停止的控制，进入步骤s70。
74.在步骤s70中，控制装置31的合格品判定部315判定为不合格品，结束一系列的螺纹紧固作业。
75.在步骤s80中，控制装置31在进行了使伺服马达11进一步以保持时间保持并施加规定拧紧转矩的控制之后，使伺服马达11停止。
76.在步骤s90中，控制装置31从螺纹紧固转矩波形和转速波形提取多个特征量。具体而言，特征量提取部313基于存储于螺纹紧固转矩存储部311的马达负载电流值的数据来提取作为特征量的螺纹紧固转矩，基于存储于转速存储部312的马达转速的数据来提取作为特征量的转速。即，特征量提取部313提取多个种类的特征量。步骤s90构成从所计测到的螺纹紧固转矩的时间变化的数据和马达转速的时间变化的数据提取多个特征量的提取步骤。
77.在步骤s100中，控制装置31判定拧入工序的螺纹紧固转矩是否超过了上限值。具体而言，特征量提取部313对拧入工序的螺纹紧固转矩和预先决定并存储于特征量提取部313的拧入工序的螺纹紧固转矩的上限值进行比较。在判定为拧入工序的螺纹紧固转矩超过了上限值的情况下，在步骤s100中成为“是”，进入步骤s70。在判定为拧入工序的螺纹紧固转矩未超过上限值的情况下，在步骤s100中成为“否”，进入步骤s110。
78.在步骤s110中，控制装置31判定螺纹紧固工序的时间是否超过了上限值。具体而言，特征量提取部313对螺纹紧固工序的时间和预先决定并存储于特征量提取部313的螺纹紧固工序的时间的上限值进行比较。在判定为螺纹紧固工序的时间超过了上限值的情况下，在步骤s110中成为“是”，进入步骤s70。在判定为螺纹紧固工序的时间未超过上限值的情况下，在步骤s110中成为“否”，进入步骤s120。
79.在步骤s120中，控制装置31判定保持时间的旋转角度是否超过了上限值。具体而言，特征量提取部313对保持时间的旋转角度和预先决定并存储于特征量提取部313的保持时间的旋转角度的上限值进行比较。在判定为保持时间的旋转角度超过了上限值的情况下，在步骤s120中成为“是”，进入步骤s70。在判定为保持时间的旋转角度未超过上限值的情况下，在步骤s120中成为“否”，进入步骤s130。此外，控制装置31根据从马达转速计测部322取得的马达转速的数据算出转速。
80.在步骤s130中，控制装置31的合格品判定部315判定为合格品，结束一系列的螺纹紧固作业。步骤s40～步骤s130构成使用多个特征量来判定外螺纹件相对于内螺纹孔的螺纹紧固状态是合适、还是不合适的判定步骤。
81.如上述那样，可以包括螺纹紧固转矩的最大值、螺纹紧固工序的时间以及螺栓2的旋转角度中的至少一者来作为特征量，所述螺纹紧固转矩的最大值是在从螺纹紧固的开始时间点到螺纹紧固的完成时间点为止的螺纹紧固作业中从螺纹紧固的开始时间点起持续相对小的螺纹紧固转矩的拧入工序中的、从螺纹紧固转矩的时间变化的数据提取的螺纹紧固转矩的最大值，所述螺纹紧固工序的时间是螺纹紧固转矩从拧入工序后到螺纹紧固的完成时间点为止的螺纹紧固工序中的、从螺纹紧固转矩的时间变化的数据提取的螺纹紧固工序的时间，所述螺栓2的旋转角度是在螺纹紧固转矩达到了螺纹紧固工序中的预先决定的规定拧紧转矩之后进一步保持规定拧紧转矩的预先决定的保持时间中的、从马达转速的时间变化的数据提取并对保持时间的期间的螺栓2的转速进行累计而得到的螺栓2的旋转角度。
82.此外，对于螺纹紧固转矩的数据和马达转速的数据的采样周期，1ms以上且10ms以下左右是适当的。当采样周期变为比1ms短时，应该进行处理的数据数量变得庞大，控制部310中的数据的计算速度变慢，需要大量的存储器容量，因此，是不优选的。
83.另一方面，当采样周期变为比10ms长时，螺纹紧固转矩的数据和马达转速的数据的计测精度变低，因此，螺栓2相对于螺纹孔4的螺纹紧固状态是合适、还是不合适的判别精度会降低，因此，是不优选的。
84.如上所述，通过使用自动螺纹紧固装置1实施基于步骤s10～步骤s130的次序的自动螺纹紧固方法，即使是在一般的自动螺纹紧固中难以判定的、在将螺纹牙具有轻度损伤的螺栓2拧入到螺纹孔4的阶段中产生的异物被咬入到接合面的情况下，也能够判别异物咬入的产生，能够防止不合格品的外流。因此，本实施方式1涉及的自动螺纹紧固方法也可以说是自动螺纹紧固中的品质管理方法。
85.另外，通过如上所述实施使用了自动螺纹紧固装置1的自动螺纹紧固方法，即使是在因螺纹牙正常的螺栓2相对于螺纹孔4的位置或者姿势不准确而在将螺栓2拧入到螺纹孔4的阶段中产生的异物被咬入接合面的情况下，也能够判别异物咬入的产生，能够防止不合格品的外流。
86.即，通过实施使用了上述的自动螺纹紧固装置1的自动螺纹紧固方法，不追加专用的检查工序，就能够以实时且非破坏的方式精度良好地判定螺栓2相对于螺纹孔4的螺纹紧固状态是合适、还是不合适，能够实现螺栓2相对于螺纹孔4的螺纹紧固状态的品质管理。
87.因此，根据本实施方式1，实现能够以实时的方式容易且精度良好地判定螺栓2相对于螺纹孔4的螺纹紧固状态是合适、还是不合适这一效果。
88.实施方式2.
89.图10是在本实施方式2的自动螺纹紧固方法中示出了第1特征量t1的各值的合格品和不合格品的产生频度的分布的特性图。在图10中示出基于第1特征量t1的合格品和不合格品的判定结果的频数。在图10中，将决定为不使不合格品外流的、用于对第1特征量t1的值的范围进行区分的阈值设为t
th1
。图11是在本实施方式2的自动螺纹紧固方法中示出了第2特征量t2的各值的合格品和不合格品的产生频度的分布的特性图。图11示出基于了、第2特征量t2的合格品和不合格品的判定结果的频数。在图11中，将决定为不使不合格品外流的、用于对第2特征量t2的值的范围进行区分的阈值设为t
th2
。对于第1特征量t1和第2特征量t2，例如可例示出在上述的实施方式1中所举出的拧入工序的螺纹紧固转矩、螺纹紧固工序
的时间、保持时间的旋转角度等。
90.在上述的实施方式1中，通过基于上述的步骤s10～步骤s130的次序的自动螺纹紧固方法，对所提取到的多个特征量分别设定上限值，判定出螺纹紧固状态的合格品和不合格品。
91.并且，如图10和图11所示，通过对于第1特征量t1和第2特征量t2设定适当的阈值，能够在阈值的前后大概地判定螺纹紧固状态的合格品和不合格品。
92.然而，如图10和图11所示那样在特征量的某个范围中，大多会并存有合格品和不合格品，当决定阈值以不使不合格品外流时，合格品中的几个会被视为不合格品，本来应该能够出货的合格品会被废弃，不合格品的产生率和制造成本均增大。
93.于是，在本实施方式2中对如下内容进行说明：组合多个特征量来合并为单一的数值指标，通过使用单一的数值指标，对合格品和不合格品进行判别的精度进一步提高。图12是在本实施方式2的自动螺纹紧固方法中示出了第1特征量t1和第2特征量t2的各值的合格品和不合格品的产生频度的分布和阈值边界线的特性图。对大量的合格品和不合格品调查了与第1特征量t1和第2特征量t2的关系，结果成为如图12那样的分布。
94.如图10和图11所示，当决定阈值以使得尽量不使不合格品外流时，第1特征量t1的阈值成为t
th1
，第2特征量t2的阈值成为t
th2
，在用单独的特征量对合格品和不合格品进行了判定的情况下，合格品的几个会被视为不合格品而被废弃。于是，当使用作为两个特征量的阈值判定的逻辑积的“t1＞t
th1
且t2＜t
th2”来对合格品和不合格品进行判定时，能够某种程度地减少被废弃的合格品的数量，但难以使被视为不合格品的合格品为零。
95.与此相对，可知：若用图12所示的直线900对合格品和不合格品进行判别，则判别精度提高。直线900是阈值边界线。若在这样的多个特征量相互正交的超空间中设定某边界超平面，将多维的特征量变换为距边界超平面的距离，则能够以单一的数值指标精度良好地进行合格品和不合格品的判别。在多个特征量为第1特征量t1和第2特征量t2的情况下，两个特征量相互正交的超空间成为平面，阈值边界超平面在该平面中成为直线。对于将这样的多个特征量合并为单一的数值指标的方法之一，已知有被称为田口法(日文：
タグチ
法)的多变量解析的t法中的、被称为田口距离(日文：
タグチの
距離)的综合评价尺度。关于t法，参照“田口玄一、品质工学便览、日刊工业新闻社(2007)、p143－147”。
96.在此，在用田口距离计算单一数值指标d的过程中，需要对合格品和不合格品的状态进行数值化的尺度。于是，例如如在合格品的情况下提供0、在不合格品的情况下提供1这样提供任意的不同的值即可。将该值称为合格品的情况下的真值、不合格品的情况下的真值。因此，在如上述那样设定了真值的情况下，数值指标d在合格品的情况下成为接近0的值，在不合格品的情况下成为接近1的值或者比其大的值。
97.图13是示出本实施方式2的自动螺纹紧固方法中的数值指标d的各值的合格品和不合格品的产生频度的分布的特性图。用田口距离对于图12所示的特性图中的合格品和不合格品的数据计算了单一的数值指标d，结果成为如图13那样。以下，将单一的数值指标称为数值指标d。通过使用数值指标d，不会在数值指标d的某个范围中并存合格品和不合格品。因此，能够容易地设定用于对数值指标d的范围进行区分以不使不合格品外流的阈值d
th
，因此，对合格品和不合格品进行判别的精度提高。
98.并且，在使用数值指标d对合格品和不合格品进行判别的情况下，从螺纹紧固转矩
波形和转速波形提取多个特征量，算出作为单一的数值指标d的田口距离。接着，将所算出的田口距离与预先设定的阈值d
th
进行比较，进行合格品和不合格品的判定。
99.图14是表示本实施方式2中的控制装置31的控制部310a的功能结构的图。控制部310a在控制部310的结构之外还具备单一数值指标算出部316。
100.单一数值指标算出部316从多个特征量算出单一的数值指标d即田口距离。
101.当将以上说明的工序总结为流程图时，成为如图15那样。图15是表示本实施方式2涉及的螺纹紧固方法的流程图。实施方式2涉及的螺纹紧固方法能够通过在图1所示的自动螺纹紧固装置1中使控制装置31进行以下的处理来实施。以下，对图15所示的流程图中的、与图9所示的流程图不同的部分进行说明。
102.在本实施方式2涉及的自动螺纹紧固方法中，在步骤s80之后进入步骤s210。
103.在步骤s210中，控制装置31从螺纹紧固转矩波形和转速波形提取多个特征量，进一步从多个特征量算出单一的数值指标d即田口距离。具体而言，特征量提取部313基于存储于螺纹紧固转矩存储部311的马达负载电流值的数据来提取特征量，基于存储于转速存储部312的马达转速的数据来提取特征量。并且，单一数值指标算出部316从多个特征量算出单一的数值指标d即田口距离。
104.在步骤s220中，控制装置31判定数值指标d是否比预先设定的阈值d
th
大。具体而言，合格品判定部315判定数值指标d是否比作为预先设定的阈值的阈值d
th
大。在判定为数值指标d比阈值d
th
大的情况下，在步骤s220中成为“是”，进入步骤s70。在判定为数值指标d为阈值d
th
以下的情况下，在步骤s220中成为“否”，进入步骤s130。阈值d
th
是为了判定螺栓2相对于螺纹孔4的螺纹紧固状态是合适、还是不合适而与数值指标d进行比较的阈值。
105.对于在此所提取的特征量，当然可使用在上述的实施方式1中所举出的拧入工序的螺纹紧固转矩、螺纹紧固工序的时间、保持时间的旋转角度等，进一步也可以是那以外的完全不同的特征量。进一步，在上述的实施方式1中，需要对多个特征量分别设定上限值。另一方面，通过使用单一的数值指标d，所设定的阈值成为一个，因此，能够容易地设定阈值dth。
106.如上所述，在实施方式2涉及的螺纹紧固方法中，能得到与上述的实施方式1涉及的螺纹紧固方法同样的效果。
107.另外，在实施方式2涉及的螺纹紧固方法中，通过使用单一的数值指标d，能够精度更好地进行合格品和不合格品的判定。即，与对于各个特征量单独设定阈值的方法相比，合格品和不合格品的判别精度提高。由此，能够防止合格品中的、被视为不合格品而本来应该能够出货的合格品被废弃，能够防止不合格品的产生率和制造成本的增大。
108.实施方式3.
109.在上述的实施方式2涉及的螺纹紧固状态的品质管理方法中，通过使用单一的数值指标d，对合格品和不合格品进行判别的精度提高。但是，需要首先决定从螺纹紧固转矩波形和转速波形提取什么来作为特征量，要选定与合格品和不合格品的相关性高的特征量，需要很多的劳力。于是，在本实施方式3中，以下说明将机器学习应用于特征量的选定的方法。
110.本实施方式3是对图1所示的自动螺纹紧固装置1追加了机器学习装置的实施方式。图16是表示图14所示的自动螺纹紧固装置1的控制装置31和所追加的机器学习装置41
的功能结构的图。
111.(学习阶段)
112.首先，使用自动螺纹紧固装置1来制作学习用数据。具体而言，在预先准备通常的螺栓2的基础上，还预先准备螺纹牙具有损伤的螺栓2和螺纹牙的表面具有异物的螺栓2，使用自动螺纹紧固装置1反复实施螺纹紧固动作，以使得不合格品的比例成为5％以上且10％以下。此时，控制装置31将在伺服控制器32中所计测到的马达负载电流值作为螺纹紧固转矩波形的数据存储于螺纹紧固转矩存储部311。另外，控制装置31将在伺服控制器32中所计测到的马达转速作为转速波形的数据存储于转速存储部312。
113.另外，控制装置31在螺纹紧固动作完成后手动地进行螺纹紧固状态的合格品和不合格品的判定，与螺纹紧固转矩波形的数据以及转速波形的数据相关联来一起进行保存。
114.接着，控制装置31使机器学习装置41的特征量选定部411将保存于螺纹紧固转矩存储部311的螺纹紧固转矩波形的数据、保存于转速存储部312的转速波形的数据、以及与螺纹紧固转矩波形的数据以及转速波形的数据相关联的合格品和不合格品的判定数据作为输入，自动地选定与螺纹紧固状态的合格品以及不合格品的相关性高且偏差小的特征量，并输出给特征量提取部313。特征量优选为多个、例如3个以上且10个以下左右。
115.进一步，阈值决定部412关于在特征量选定部411中选定的多个特征量，以田口距离计算各个数值指标d，决定阈值d
th
并输出给合格品判定部315。
116.机器学习装置41的特征量选定部411使用的学习算法可以使用有教师学习、无教师学习、强化学习等的公知算法。作为一个例子，对应用了神经网络的情况进行说明。
117.特征量选定部411例如按照神经网络模型，通过所谓的有教师学习，对选定与合格品以及不合格品的相关性相对高且偏差相对小的特征量的种类的规则进行学习。在此，有教师学习是指如下方法：通过对机器学习装置41提供输入和结果(标签)的数据组，对那些学习用数据所具有的特征进行学习，根据输入推定结果。
118.神经网络由输入层、隐藏层以及输出层构成，所述输入层由多个神经元构成，所述隐藏层作为中间层，由多个神经元构成，所述输出层由多个神经元构成。中间层也可以为1层或者2层以上。
119.图17是表示本实施方式3的学习中所使用的神经网络的结构例的图。图17所示的神经网络为3层神经网络。输入层包括神经元x1、x2、x3。中间层包括神经元y1、y2。输出层包括神经元z1、z2、z3。此外，各层的神经元的数量是任意的。向输入层输入的多个值被乘以作为权重w1的w11、w12、w13、w14、w15、w16而被输入给中间层。向中间层输入的多个值被乘以作为权重w2的w21、w22、w23、w24、w25、w26而被从输出层进行输出。从输出层输出的输出结果按照权重w1、w2的值而变化。
120.在本实施方式3中，神经网络按照基于通过控制装置31取得的螺纹紧固转矩波形的数据和转速波形的数据以及这些合格品和不合格品的判定数据的组合来制作的学习用数据，通过所谓的有教师学习，对选定与合格品以及不合格品的相关性相对高且偏差相对小的特征量的种类的规则进行学习。
121.即，神经网络通过如下方式进行学习：对权重w1和权重w2进行调整，以使得对输入层输入从螺纹紧固转矩波形的数据和转速波形的数据提取的特征量并从输出层输出的结果接近合格品和不合格品。
122.特征量选定部411通过执行如以上那样的学习来自动地选定特征量，并输出给特征量提取部313。特征量优选为多个、例如3个以上且10个以下左右。
123.进一步，阈值决定部412以田口距离根据由特征量选定部411选定了的特征量的组合计算数值指标d，设定阈值d
th
，并输出给合格品判定部315。
124.特征量提取部313存储从特征量选定部411输出的特征量的组合。进一步，合格品判定部315存储从阈值决定部412输出的阈值d
th
。
125.图18是表示作为选定规则学习部61的功能结构的图，该选定规则学习部61对本实施方式3涉及的特征量选定部411的选定与合格品以及不合格品的相关性相对高且偏差相对小的特征量的种类的选定规则进行学习。作为机器学习装置的选定规则学习部61具有状态观测部62、数据取得部63以及学习部64。
126.螺纹紧固转矩波形的数据和转速波形的数据被输入到状态观测部62。状态观测部62观测螺纹紧固转矩波形的数据和转速波形的数据来作为状态变量。状态观测部62向学习部64输出状态变量。
127.数据取得部63取得作为教师数据的与螺纹紧固转矩波形的数据和转速波形的数据相关联的合格品和不合格品的判定数据。数据取得部63向学习部64输出教师数据。
128.学习部64按照基于状态变量和教师数据的组合制作的数据集，对选定与合格品以及不合格品的相关性相对高且偏差相对小的特征量的种类的规则进行学习。
129.学习部64例如如上所述按照神经网络模型，通过所谓的有教师学习，对选定与合格品以及不合格品的相关性相对高且偏差相对小的特征量的种类的规则进行学习。
130.(使用阶段)
131.在使用如上述那样地选定的多个特征量来进行实际的螺纹紧固作业的情况下，也能够通过与实施方式2所示的图15的流程图相同的次序进行螺纹紧固作业。
132.此外，在步骤s210中，由于在特征量提取部313存储有特征量选定部411所选定的多个特征量的种类，因此，特征量提取部313从螺纹紧固转矩波形的数据和转速波形的数据提取与特征量选定部411所选定的多个特征量的种类对应的特征量。另外，单一数值指标算出部316从所提取到的多个特征量，算出单一的数值指标d即田口距离。
133.另外，在步骤s220中，合格品判定部315对阈值决定部412所选定的阈值d
th
和数值指标d进行比较。
134.此外，在特征量的选定和阈值d
th
的决定结束的时间点，机器学习装置41即使从自动螺纹紧固装置1断开，也没有问题。
135.进一步，机器学习装置41例如也可以是经由网络而连接于自动螺纹紧固装置1的控制装置31且与该自动螺纹紧固装置1不同的装置。另外，机器学习装置41也可以存在于云服务器上。
136.此外，在本实施方式3中设为使用由机器学习装置41的特征量选定部411选定出的多个种类的特征量进行合格品和不合格品的判定来进行了说明，但也可以为从其他的自动螺纹紧固装置1等的外部取得特征量的种类的信息，基于关于这些特征量的种类的特征量，进行合格品和不合格品的判定。
137.如上所述，在实施方式3涉及的螺纹紧固方法中，能得到与上述的实施方式2涉及的螺纹紧固方法同样的效果。
138.另外，在实施方式3涉及的螺纹紧固方法中，通过使用机器学习装置41，能够省略从螺纹紧固转矩波形的数据和转速波形的数据选定与合格品以及不合格品的相关性相对高且偏差相对小的特征量的种类所花费的很多的劳力。另外，在如上述那样地使用由机器学习装置41选定的特征量的种类来进行实际的螺纹紧固作业的情况下，也是相对于实施方式2的情况没有处理次序的变更点而使用单一的数值指标来进行合格品和不合格品的判定，因此，对合格品和不合格品进行判别的精度提高。
139.图19是表示实施方式1、2、3涉及的控制装置31的硬件结构的例子的第1图。在图19中示出使用专用的硬件来实现控制装置31的功能的情况下的硬件结构。控制装置31具备执行各种处理的处理电路51、存储各种信息的外部存储装置52以及作为与控制装置31外部的设备的连接接口的输入输出接口53。输入输出接口53也可以具有：键盘或者指示设备这样的用于信息输入的输入设备；或者显示设备或声音设备这样的用于信息输出的输出设备。图19所示的控制装置31的各部经由总线而相互连接。
140.作为专用硬件的处理电路51是单一电路、复合电路、编程化后的处理器、并行程序化后的处理器、asic(application specific integrated circuit，专用集成电路)、fpga(field-programmable gate array，现场可编程门阵列)或者这些的组合。图3所示的控制部310的特征量提取部313、时间计测部314以及合格品判定部315的各功能使用处理电路51来实现。外部存储装置52是hdd(hard disk drive，硬盘驱动器)或者ssd(solid state drive，固态硬盘驱动器)。图3所示的控制部310的螺纹紧固转矩存储部311和转速存储部312的功能使用外部存储装置52来实现。
141.图20是表示实施方式1、2、3涉及的控制装置31的硬件结构的例子的第2图。在图20中示出使用执行程序的硬件来实现控制装置31的功能的情况下的硬件结构。处理器54以及存储器55与外部存储装置52以及输入输出接口53相互连接。
142.处理器54是cpu(central processing unit，中央处理单元)、处理装置、运算装置、微处理器、微型计算机或者dsp(digital signal processor，数字信号处理器)。图3所示的控制部310的特征量提取部313、时间计测部314以及合格品判定部315的各功能通过处理器54和软件、固件或者软件与固件的组合来实现。软件或者固件被记载为程序，被保存于作为内置存储器的存储器55。存储器55是非易失性或者易失性的半导体存储器，是ram(random access memory，随机存取存储器)、rom(read only memory，只读存储器)、闪速存储器、eprom(erasable programmable read only memory，可擦除可编程只读存储器)或者eeprom(注册商标)(electrically erasable programmable read only memory，电可擦除可编程只读存储器)。
143.以上的实施方式所示出的结构表示一个例子，既可以与其他公知的技术进行组合，也可以将实施方式彼此进行组合，还可以在不脱离宗旨的范围内省略、变更结构的一部分。
144.附图标记的说明
145.1自动螺纹紧固装置；2螺栓；3工件；4螺纹孔；10螺纹紧固机构；11伺服马达；13减速器；14联轴器；15轴承机构；16螺丝刀头；21单轴台；31控制装置；32伺服控制器；33台控制器；41机器学习装置；61选定规则学习部；62状态观测部；63数据取得部；64学习部；111编码器；112输出轴；310、310a控制部；311螺纹紧固转矩存储部；312转速存储部；313特征量提取
部；314时间计测部；315合格品判定部；316单一数值指标算出部；321马达负载电流值计测部；322马达转速计测部；411特征量选定部；412阈值决定部；900直线；d数值指标；t1第1特征量；t2第2特征量。