CN107229252A - 判定工件合格与否的加工机械系统 - Google Patents
判定工件合格与否的加工机械系统 Download PDFInfo
- Publication number
- CN107229252A CN107229252A CN201710183254.5A CN201710183254A CN107229252A CN 107229252 A CN107229252 A CN 107229252A CN 201710183254 A CN201710183254 A CN 201710183254A CN 107229252 A CN107229252 A CN 107229252A
- Authority
- CN
- China
- Prior art keywords
- determination unit
- workpiece
- processing equipment
- threshold value
- internal information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 214
- 238000000034 method Methods 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 25
- 230000000052 comparative effect Effects 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims description 35
- 230000006870 function Effects 0.000 claims description 27
- 238000010801 machine learning Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 9
- 238000003754 machining Methods 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 43
- 230000006399 behavior Effects 0.000 description 39
- 238000010586 diagram Methods 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 241000406668 Loxodonta cyclotis Species 0.000 description 5
- 230000002950 deficient Effects 0.000 description 5
- 241000894007 species Species 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000003466 welding Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010891 electric arc Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000010259 detection of temperature stimulus Effects 0.000 description 1
- 238000004512 die casting Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
- G05B19/401—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by control arrangements for measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32212—If parameter out of tolerance reject product
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32213—If parameter out of tolerance during limited time, accept product on condition
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/34—Director, elements to supervisory
- G05B2219/34015—Axis controller
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Human Computer Interaction (AREA)
- Numerical Control (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种判定工件合格与否的加工机械系统。该加工机械系统具备:加工机械,其通过至少一个电动机驱动轴来加工工件;数值控制装置,其基于加工程序生成用于驱动加工机械的轴的指令;内部信息取得部,其取得数值控制装置的内部信息;临时判定部,其基于通过内部信息取得部取得的内部信息与阈值的比较结果来判定加工机械加工后的工件的合格与否;最终判定部,其针对至少包含了由临时判定部进行了合格与否判定的工件的精度检查对象的工件,基于与该工件的精度相关的实测结果来判定合格与否;以及阈值更新部,其基于临时判定部的判定结果以及最终判定部的判定结果来更新在临时判定部的判定处理中使用的阈值。
Description
技术领域
本发明涉及一种判定工件合格与否的加工机械系统。
背景技术
在制造工厂中,通过机床、注射成型机、或者电弧焊接等机器人这样的加工机械,进行工件的加工或焊接等作业。另外,为了加工工件,通过多个加工机械构筑生产线,例如构筑制造单元。此时,经由通信网络通过单元控制器来控制构筑制造单元的各机床。还通过上位的主控制器来管理单元控制器。
在这样的加工机械系统中,通过对全部工件进行检查或抽样检查来进行通过加工机械加工后的工件的合格与否判定。
例如像日本特开2006-146459号公报所记载的那样,已知在半导体装置的制造系统中,根据装置日志信息的履历数据制作多个异常判定阈值,并进行晶圆加工处理的异常判定。
此外,例如像日本特开2002-341909号公报所记载的那样,已知一种在工件加工装置中,对于作业工程设定抽样部位,根据该每个部位的信号的标准偏差来监视作业工程有无异常的方法。
此外,例如像日本特开2010-76177号公报所记载的那样,已知一种合格与否判定装置,其测量对注射成型机的成型品品质造成影响的压力、速度、时间等物理量,并设定上限值以及下限值来进行成型品的合格与否判定。
如果能够针对全部数量的工件进行通过加工机械加工后的工件的合格与否判定则检查精度高,但是会花费很多工时,并且效率差。另一方面,如果不进行全部数量的检查而进行抽样检查,则能够削减合格与否判定对象的工件个数,但是可能会漏过不良品。
发明内容
本发明的目的在于鉴于上述问题,提供一种能够削减精度检查对象的工件个数,同时防止漏过不良品的加工机械系统。
为了实现上述目的,加工机械系统具备:加工机械,其通过至少一个电动机驱动轴来加工工件;数值控制装置,其基于加工程序生成用于驱动加工机械的轴的指令;内部信息取得部,其取得数值控制装置的内部信息;临时判定部,其基于通过内部信息取得部取得的内部信息与阈值的比较结果来判定加工机械加工后的工件的合格与否;最终判定部,其针对至少包含了由临时判定部进行了合格与否判定的工件的精度检查对象的工件,基于与该工件的精度相关的实测结果来判定合格与否;以及阈值更新部,其基于临时判定部的判定结果以及最终判定部的判定结果来更新在临时判定部的判定处理中使用的阈值。
在此,加工机械系统可以还具备测定器,该测定器实际测定加工机械加工后的工件的至少关于加工形状或加工面的精度。
另外,加工机械系统还可以具备:通信网络,其将各组由加工机械和与该加工机械对应地设置的数值控制装置构成的多组制造单元与至少一个测定器之间可相互通信地连接;以及单元控制器,其与通信网络可通信地连接,控制各个制造单元的动作,将内部信息取得部、临时判定部、最终判定部以及阈值更新部设置在单元控制器内。
另外,加工机械系统还可以具备主控制器,该主控制器与多个单元控制器可通信地连接,记录并管理在各个单元控制器中取得的与临时判定部的判定结果相关的信息、在各个单元控制器中取得的与最终判定部的判定结果相关的信息、以及由测定器取得的与加工机械加工后的工件的精度相关的实测结果。
另外,阈值更新部可以在通过临时判定部判定为合格且对于精度检查对象的全部工件通过最终判定部判定为合格的情况下,将已经设定的阈值乘以小于1且大于0的第一系数而得到的值设定为新的阈值,在通过临时判定部判定为合格且在精度检查对象的工件中包含通过最终判定部判定为不合格的工件的情况下,将已经设定的阈值乘以小于第一系数且大于0的第二系数而得到的值设定为新的阈值,在通过临时判定部判定为不合格且在精度检查对象的工件中包含通过最终判定部判定为合格的工件的情况下,将已经设定的阈值乘以大于1的第三系数而得到的值设定为新的阈值,在通过临时判定部判定为不合格且对于精度检查对象的全部工件通过最终判定部判定为不合格的情况下,维持已经设定的阈值。
加工机械可以是通过电动机驱动旋转轴以及直线轴来加工工件的机械,内部信息可以包含与位置偏差有关的信息,该位置偏差为针对直线轴的位置指令与关于直线轴的测定位置之间的差。
加工机械可以是通过电动机驱动多个旋转轴以及多个直线轴来加工工件的机械,内部信息可以包含与关于工具的位置偏差相关的信息,该关于工具的位置偏差是针对在旋转轴以及直线轴上设置的工具的基于加工程序的位置指令与关于工具的位置的测定位置之间的差。
另外,可以针对加工机械加工的工件的每个加工对象区域设置在临时判定部的判定处理中使用的阈值。
另外,内部信息可以包含对高频成分进行二阶积分而得到的数据,该高频成分是使数值控制装置生成的具有加速度因次的指令经过高通滤波器而抽出的高频成分。
另外,内部信息也可以包含通过由安装在加工机械上的传感器取得的信息和加工位置或加工时刻联系起来的数据。
另外,加工机械系统还可以具备机器学习器,该机器学习器具有:状态观测部,其观测状态变量,该状态变量包含如下信息而构成:通过内部信息取得部取得的内部信息、与加工机械加工后的工件的精度相关的实测结果、与临时判定部的判定结果相关的信息、以及与最终判定部的判定结果相关的信息;以及学习部,其按照基于状态变量生成的训练数据集来学习内部信息取得部应取得的内部信息。
在此,作为状态观测部观测的状态变量,还可以包含通过阈值更新部设定的阈值以及加工程序。
另外,加工机械系统还可以具备意图决定部,该意图决定部基于学习部按照训练数据集进行学习的结果,对当前的状态变量的输入进行响应来决定内部信息取得部应取得的内部信息。
另外,学习部可以具备回报计算部,其基于与临时判定部的判定结果相关的信息以及与最终判定部的判定结果相关的信息来计算回报;以及函数更新部,其基于状态变量以及回报来更新用于选择内部信息取得部应取得的内部信息的函数。
另外,回报计算部可以在通过临时判定部判定为合格且对于精度检查对象的全部工件通过最终判定部判定为合格的情况、以及通过临时判定部判定为不合格且对于精度检查对象的全部工件通过最终判定部判定为不合格的情况下,增加回报,在通过临时判定部判定为合格且在精度检查对象的工件中包含通过最终判定部判定为不合格的工件的情况、以及通过临时判定部判定为不合格且在精度检查对象的工件中包含通过最终判定部判定为合格的工件的情况下,减少回报。
附图说明
通过参照以下的附图,能够更加明确地理解本发明。
图1是第一实施方式的加工机械系统的原理框图。
图2是表示数值控制装置内的轴控制部以及与数值控制装置相连接的加工机械的结构的框图。
图3是表示第一实施方式的加工机械系统的动作流程的流程图。
图4是表示图3所示的临时判定部的判定处理、最终判定部的判定处理、以及阈值更新部的阈值更新处理的动作流程的流程图。
图5是第二实施方式的加工机械系统的原理框图。
图6是第三实施方式的加工机械系统的原理框图(其1)。
图7是第三实施方式的加工机械系统的原理框图(其2)。
图8是第四实施方式的加工机械系统的原理框图。
图9是表示第四实施方式的具备应用了强化学习的机器学习器的加工机械系统的机器学习的动作流程的流程图。
图10是表示神经元模型的示意图。
具体实施方式
以下,参照附图对判定工件合格与否的加工机械系统进行说明。然而,本发明并不限于附图或以下说明的实施方式。
图1是第一实施方式的加工机械系统的原理框图。另外,图2是表示数值控制装置内的轴控制部以及与数值控制装置相连接的加工机械的结构的框图。以下,在不同的附图中赋予了相同参照符号意味着是具有相同功能的结构要素。为了容易理解,这些附图适当变更了比例尺。另外,附图所示的方式是用于实施本发明的一个例子,但是本发明并不限于图示的方式。
第一实施方式的加工机械系统1具备加工机械11、数值控制装置12、内部信息取得部13、临时判定部14、最终判定部15、阈值更新部16。另外,加工机械系统1还具备测定器17,该测定器17实际测定加工机械11加工后的工件的至少加工形状或加工面的精度。在本实施方式中,在临时判定部14中基于数值控制装置12的内部信息与通过阈值更新部16设定的阈值之间的比较结果来暂时进行由加工机械11加工后的工件的合格与否判定,并且在最终判定部15中针对至少包含通过临时判定部14判定为不合格的工件的精度检查对象的工件,基于与该工件的精度相关的实测结果进行最终的合格与否判定,由此能够在削减精度检查对象的工件个数的同时防止漏过不良品。
加工机械11通过电动机21驱动轴(驱动体)22来加工工件。作为加工机械11的例子,具有NC机床、注射成型机、电弧焊接等工业机器人、PLC、输送机、测量器、实验装置、冲压机、压入器、打印机、压铸机、食品机械、包装机、焊接机、清洗机、涂装机、组装装置、安装机、木工机械、密封装置、或切割机等,但是对于加工机械11自身的种类,并不特别地限于本发明。
在加工机械11中至少设置了1个根据用途安装了工具或工件等的轴(驱动体)。例如,在加工机械11为车床时组合设置了直线轴以及旋转轴,在加工机械为加工中心时作为轴22以组合的形式设置了多个直线轴以及多个旋转轴。此外,在图示的例子中,作为一个例子使轴22为3个,但是对于轴22自身的个数并不限于本发明。一般对应于一个轴22,设置了1个电动机21以及1个放大器23。
作为安装了工具或工件等的轴(驱动体)22的驱动源使用加工机械11内的电动机21,根据电动机21与轴22之间的动力传递机构来直线驱动或旋转驱动轴22。此外,电动机21的种类和结构并不限于本发明,可以是感应电动机或同步电动机这样的交流电动机,或者也可以是直流电动机。通过放大器23供给电动机21的驱动电力。
加工机械11内的放大器23是基于由后述的数值控制装置12生成的指令来生成驱动电力的电流放大器,该驱动电力用于向电动机21供给驱动电力,例如,放大器23通过由半导体开关元件的全桥电路组成的逆变器而构成。根据由数值控制装置12内的轴控制部24生成的开关指令,对放大器23内的开关元件进行接通断开驱动,由此放大器23将直流电力变换为期望的交流电力后向电动机21进行供给。放大器23的种类和结构并不特别地限于本发明。
在加工机械11中设置了传感器25,该传感器25用于取得电动机21的速度、包含电动机21在内的加工机械11的各部位的温度、轴22的位置、或者由加工机械11产生的振动、噪音、湿气或影像信息等各种传感器信息。作为传感器25的例子,具有用于检测电动机21速度的速度检测器25-1、用于检测包含电动机21在内的加工机械11的各部位的温度的温度检测器(未图示)、用于检测轴22位置的位置检测器25-2、用于检测振动的振动传感器(未图示)、用于检测噪音的声音传感器(未图示)、用于检测湿气的湿度传感器(未图示)、用于检测影像的CCD照相机(未图示)等。
测定器17实际测定加工机械11加工后的工件的至少加工形状或加工面的精度。测定器17的种类和结构并不特别地限于本发明,例如通过光学或电子的方法来实际测定工件的加工形状或加工面的精度。将测定器17的实测结果发送给最终判定部15。
数值控制装置12具有轴控制部24,其基于预定的加工程序生成用于驱动加工机械11的轴22的指令。对应于加工机械11的放大器23设置轴控制部24。在图2中,表示了轴控制部24为1个的情况,但是在加工机械11内的轴22为多个时,设置与该个数相对应的轴控制部24。加工程序是把用于加工机械11进行预定作业的命令处理进行编程后的信息。例如,在多关节机器人的情况下,在加工程序中包含用于使手臂部移动到作业位置的动作命令、向外部通知任意信号的命令、读取任意信号的状态的命令等信息。另外,在加工程序中还包含作业位置的位置信息、进行操作的信号的编号。当然,只要是能够在程序上登记的命令则可以是任何的命令。即,本发明并不限于在此举例说明的编程信息。
轴控制部24具备位置控制部31、速度控制部32以及电流控制部33。位置控制部31基于位置指令与通过位置检测器25-2测定到的轴22的测定位置即位置反馈值之间的差即位置偏差来生成速度指令,该位置指令是从上述控制装置(例如后述的单元控制器19或主控制器100等)接收到的基于加工程序的位置指令。速度控制部32基于从位置控制部31接收到的速度指令与速度检测器25-1测定出的电动机21的速度即速度反馈值之间的差即速度偏差来生成电流指令(扭矩指令)。电流控制部33基于从速度控制部32接收到的电流指令与电流检测器(未图示)测定出的从放大器23向电动机21流动的电流即电流反馈值之间的差即电流偏差来生成用于对放大器23内的开关元件进行接通断开控制的开关指令。例如,在放大器23为PWM控制方式的逆变器时,由电流控制器33生成的开关指令是PWM指令。由此,放大器23根据由轴控制部24生成的开关指令,对放大器23内的开关元件进行接通断开驱动,由此放大器23将直流电力变换为期望的交流电力后向电动机21进行供给。
内部信息取得部13从数值控制装置12取得在临时判定部14的判定处理中使用的内部信息。
内部信息取得部13取得的内部信息是在加工机械11内的运算处理装置(未图示)的计算中使用的信息,或者是保存在加工机械11内的存储器(未图示)中的信息,或者是通过设置在加工机械11中的传感器25取得的信息,例如,具有与位置指令与测定位置之间的差即位置偏差有关的数据、负载数据、各种传感器信息等。
与位置指令与测定位置之间的差即位置偏差有关的内部信息例如具有以下两个信息。例如,在加工机械11为通过电动机21驱动旋转轴以及直线轴来加工工件的车床这样的机械时,因为对于直线轴的位置指令与关于直线轴的测定位置之间的差即位置偏差对工件的形状精度造成影响,所以将与该位置偏差有关的信息作为内部信息来使用。另外,例如在加工机械11是通过电动机21驱动多个旋转轴以及多个直线轴来加工工件的加工中心这样的机械时,因为通过进行加工的工具前端与工件的位置关系来决定形状精度,所以作为内部信息使用与工具的位置偏差有关的信息,工具的位置偏差是指针对设置在旋转轴以及直线轴上的工具的基于加工程序的位置指令与关于工具位置的测定位置之间的差。
除了与位置偏差有关的内部信息以外,作为例子举出如下的内部信息。
例如,一般已知当对拍摄工件的加工面而得到的图像数据进行解析时,工件加工面的粗糙度具有高频成分。因此在本实施方式中,考虑到由于数值控制装置12生成的扭矩指令或电流指令等具有加速度的因次的指令而引起工件加工面的粗糙度,可以将如下数据作为内部信息来使用,该数据是通过使数值控制装置12生成的具有加速度的因次的指令经过高通滤波器来抽出高频成分,并对该高频成分进行二阶积分而得到的具有位置因次的数据(不具有漂移成分,相当于表面粗糙度的数据)。如果使用该内部信息来进行临时判定部14的判定处理,则能够高效地评价最终判定部15中的与表面精度有关的判定结果。
此外,例如作为内部信息,还可以使用通过安装在加工机械11中的传感器25取得的信息和工件的加工位置或加工时刻联系起来的数据。例如,已知电动机21的温度对工件的形状精度造成影响,加工机械11产生的振动或噪音对工件的表面精度造成影响,因此可以在内部信息中包含这些温度信息、振动信息、影像信息以及声音信息。如果使用通过传感器25取得的信息来进行临时判定部14的判定处理,则能够高效地评价最终判定部15中的与表面精度有关的判定结果。
另外,例如在内部信息中还可以包含在数值控制装置12内的轴控制部24中设置的速度控制部32生成的电流指令(扭矩指令)、通过速度检测器25-1取得的速度反馈值、通过电流检测器(未图示)测定出的从放大器23向电动机21流动的电流即电流反馈值等。另外,例如在内部信息中可以包含在加工机械11中使用的加工程序。
如以上说明的那样考虑具有多个内部信息,在将这些内部信息与用于识别加工机械11所加工的工件的编号(以下,称为“工件识别编号”)联系起来的状态下,通过内部信息取得部13取得这些内部信息,并发送给临时判定部14。
返回到图1的加工机械系统1的结构的说明,临时判定部14基于内部信息取得部13取得的内部信息与通过阈值更新部16设定的阈值之间的比较结果来判定加工机械11加工后的工件合格与否。将临时判定部14的判定结果发送给阈值更新部16。
最终判定部15对于至少包含由临时判定部14进行了合格与否判定的工件的精度检查对象的工件,基于与该工件的精度相关的实测结果来判定合格与否。工件的精度通过测定器17进行测定,至少与加工形状或加工面的精度有关。精度检查对象的工件只要至少包含由临时判定部14进行了合格与否判定的工件即可,例如在进行了合格与否判定的工件为10个时,精度检查对象的工件只要是进行了该合格与否判定的10个工件自身,或者包含该进行了合格与否判定的10个工件在内的总共11个以上的工件即可。将最终判定部15的判定结果发送给阈值更新部16。
阈值更新部16基于临时判定部14的判定结果以及最终判定部15的判定结果来更新在临时判定部14的判定处理中使用的阈值。关于阈值,设定了上限阈值以及下限阈值。即,在内部信息收纳在上限阈值与下限阈值之间时,临时判定部14判定为“工件合格”,在内部信息超过上限阈值时以及在低于下限阈值时,临时判定部14判定为“工件不合格”。
对在临时判定部14的判定处理中使用的由内部信息取得部13取得的每个内部信息设定阈值。例如,在内部信息是对于直线轴的位置指令与关于直线轴的测定位置之间的差即位置偏差相关的信息时,设定与该位置偏差对应的阈值,在内部信息是针对在旋转轴以及直线轴上设置的工具的基于加工程序的位置指令与工具位置的测定位置之间的差即与工具有关的位置偏差相关的信息时,设定与该位置偏差对应的阈值。此时,因为加工机械11加工的工件的每个加工对象区域的要求精度不同,所以针对加工机械11加工的工件的每个加工对象区域设定在临时判定部14的判定处理中使用的阈值。对于与如下数据有关的内部信息,设定与其对应的阈值,该数据是通过使数值控制装置12生成的具有加速度的因次的指令经过高通滤波器来抽出高频成分,并对该高频成分进行二阶积分而得到的具有位置因次的数据。同样地,对于内部信息设定与温度信息、振动信息以及声音信息相对应的阈值。通过阈值更新部16,基于临时判定部14的判定结果以及最终判定部15的判定结果来适当更新与各内部信息相对应的阈值。将通过阈值更新部16设定(更新)后的阈值发送给临时判定部14。接着说明阈值更新部16的阈值更新处理的详细内容。
此外,上述的内部信息取得部13、临时判定部14、最终判定部15以及阈值更新部16例如可以通过软件程序形式来构筑,或者也可以通过各种电路与软件程序的组合来构筑。例如在通过软件程序形式来构筑它们的情况下,使加工机械系统1内具有的运算处理装置按照该软件程序进行动作,能够实现上述各部的功能。又或者,也可以作为写入了用于实现各部的功能的软件程序的半导体集成电路来实现内部信息取得部13、临时判定部14、最终判定部15以及阈值更新部16。
接着,对本实施方式的加工机械系统1的动作原理进行说明。图3是表示第一实施方式的加工机械系统的动作流程的流程图。
在步骤S101中,加工机械11基于从数值控制装置12接收到的指令,从放大器23供给电力来使电动机21进行驱动,从而对根据用途安装了工件或工具等的轴22进行驱动来加工工件。
在步骤S102中,内部信息取得部13在加工机械11加工工件的加工期间,从数值控制装置12取得内部信息,并从传感器25取得作为内部信息的各种传感器信息。
在步骤S103中,临时判定部14将内部信息取得部13取得的内部信息与通过阈值更新部16设定的阈值进行比较,基于该比较结果来判定加工机械11加工后的工件合格与否。将临时判定部14的判定结果发送给阈值更新部16。步骤S103中的临时判定部14的判定处理的详细内容如后所述。
在步骤S104中,最终判定部15对于至少包含由临时判定部14进行了合格与否判定的工件的精度检查对象的工件,基于与该工件的精度有关的测定器17的实测结果来判定合格与否。将最终判定部15的判定结果发送给阈值更新部16。
在步骤S105中,阈值更新部16基于步骤S103中的临时判定部14的判定结果以及步骤S104中的最终判定部15的判定结果来更新在步骤S103中的临时判定部14的判定处理中使用的阈值。将阈值更新部16设定的阈值发送给临时判定部14。步骤S105中的阈值更新部16的阈值更新处理的详细内容如后所述。
在步骤S106中,判定是否结束加工机械11的工件加工。因为加工机械11基于从数值控制装置12接收到的指令进行动作,所以如果从数值控制装置12接收到加工结束的指令则加工结束。关于来自数值控制装置12的加工结束指令,例如一般在加工程序中规定的,或者由作业者通过预定的操作进行输出,或者例如在检测到停电等异常时进行输出,步骤S106的处理内容本身并不特别地限定本发明。在步骤S106中没有判定为加工结束时,返回到步骤S101,继续进行加工机械11针对工件的加工。
在此,对步骤S103中的临时判定部14的判定处理、步骤S104中的最终判定部15的判定处理以及步骤S105中的阈值更新部16的阈值更新处理的详细内容进行说明。
图4是表示图3所示的临时判定部的判定处理、最终判定部的判定处理、以及阈值更新部的阈值更新处理的动作流程的流程图。
在步骤S103中,临时判定部14将内部信息取得部13取得的内部信息与通过阈值更新部16设定的阈值进行比较,基于该比较结果来判定加工机械11加工后的工件合格与否。如上所述,针对内部信息取得部13取得的每个内部信息设定阈值。例如,当内部信息是与位置指令与测定位置之间的差即位置偏差相关的内部信息时,在作为内部信息的位置偏差收纳在上限阈值与下限阈值之间时,判定为“工件合格”,在超过上限阈值以及低于下限阈值的情况下,判定为“工件不合格”。又例如,在内部信息与通过使数值控制装置12生成的具有加速度的因次的指令经过高通滤波器来抽出高频成分,并对该高频成分进行二阶积分而得到的具有位置因次的数据(不具有漂移成分,相当于表面粗糙度的数据)相关的情况下,当该内部信息收纳在上限阈值与下限阈值之间的范围时,将工件的加工面的粗糙度判定为“合格”,在除此之外的情况下,判定为“工件不合格”。对于为温度信息、振动信息、影像信息以及声音信息的内部信息也同样地进行合格与否判定。
在步骤S103中通过临时判定部14判定为“工件合格”时,向步骤S104-1前进,在判定为“工件不合格”时,向步骤S104-2前进。
在步骤S104-1中,最终判定部15对至少包含由临时判定部14进行了合格与否判定的工件的精度检查对象的全部工件,基于与该工件的精度相关的测定器17的实测结果来判定是否合格。在步骤S104-1中,当通过最终判定部15判定为“精度检查对象的全部工件合格”时,向步骤S105-1前进。另一方面,在步骤S104-1中,当通过最终判定部15没有判定为“精度检查对象的全部工件合格”时,意味着“在精度检查对象的工件中包含不合格的工件”,此时,向步骤S105-2前进。
同样的,在步骤S104-2中,最终判定部15对于至少包含由临时判定部14进行了合格与否判定的工件的作为精度检查对象的全部工件,基于与该工件的精度相关的测定器17的实测结果来判定是否合格。在步骤S104-2中,当通过最终判定部15没有判定为“精度检查对象的全部工件不合格”时,意味着“在精度检查对象的工件中包含合格的工件”,并向步骤S105-3前进。另一方面,在步骤S104-2中,当通过最终判定部15判定为“精度检查对象的全部工件不合格”时,向步骤S105-4前进。
当在步骤S103中通过临时判定部14判定为合格且在步骤S104-1中对于作为精度检查对象的全部工件通过最终判定部15判定为合格的情况下,通过阈值更新部16执行步骤S105-1。此时,临时判定部14的判定结果与最终判定部15的判定结果一致,能够将阈值更新部16已经设定的阈值缩减为更小的值来提高评价效率,所以把已设定的阈值乘以小于1且大于0的第一系数α1而得到的值设定为新的阈值。
当在步骤S103中通过临时判定部14判定为合格,且在步骤S104-1中在作为精度检查对象的工件中包含通过最终判定部15判定为不合格的工件的情况下,通过阈值更新部16执行步骤S105-2。此时,临时判定部14的判定结果与最终判定部15的判定结果不一致,在临时判定部14的判定处理中使用的阈值的情况下,在作为精度检查对象的工件中包含不合格的工件,所以将已设定的阈值乘以小于第一系数α1且大于0的第二系数α2而得到的值设定为新的阈值。
当在步骤S103中通过临时判定部14判定为不合格,且在步骤S104-2中在精度检查对象的工件中包含通过最终判定部15判定为合格的工件的情况下,通过阈值更新部16执行步骤S105-3。此时,意味着即便具有由临时判定部14判定为不合格的工件,但是在作为精度检查对象的工件中包含通过最终判定部15判定为合格的工件,即,在临时判定部14的判定处理中使用的阈值的情况下,将本来应该合格的工件误判定为不合格。因此在这种情况下,为了将阈值更新部16已经设定的阈值变更为更大的值,将已设定的阈值乘以大于1的第三系数α3而得到的值设定为新的阈值。
在步骤S103中通过临时判定部14判定为不合格且在步骤S104-2中对于作为精度检查对象的全部工件通过最终判定部15判定为不合格的情况下,通过阈值更新部16执行步骤S105-4。此时,因为临时判定部14的判定结果与最终判定部15的判定结果一致,所以维持已经设定的阈值。
如此,阈值更新部16根据判定部14的判定结果与最终判定部15的判定结果是否一致,将0<α2<α1<1<α3的关系成立的系数与已经设定的阈值相乘来设定新的阈值。经过步骤S105-1~S105-4中的任意一个的处理向图3的步骤S106前进。直到在步骤S106中判定为加工机械11的工件加工结束为止,重复执行阈值更新部16的阈值更新处理。通过该重复处理,对阈值进行适当设定使得判定部14的判定结果与最终判定部15的判定结果尽可能一致。如果判定部14的判定结果与最终判定部15的判定结果一致的精度高,则能够减少最终判定部15的精度检查对象的工件的个数,并且能够防止不良品的漏检。
接下来,对第二实施方式进行说明。图5是第二实施方式的加工机械系统的原理框图。将第二实施方式的加工机械系统2构成为单元制造系统,该单元制造系统具备多组由第一实施方式的加工机械11和与其对应地设置的数值控制装置12构成的制造单元10。
如图5所示,第二实施方式的加工机械系统2还具备在多个制造单元10与至少1个测定器17之间可相互通信地连接的通信网络18、与通信网络可通信地连接并控制各制造单元10的动作的单元控制器19。在本实施方式的加工机械系统2中,内部信息取得部13、临时判定部14、最终判定部15以及阈值更新部16设置在单元控制器19内。
将制造单元10与单元控制器19例如经由内联网等那样的网络18可通信地相互连接。单元控制器19内的内部信息取得部13经由网络18从各制造单元10中的数值控制装置12取得内部信息。另外,单元控制器19内的最终判定部15经由网络18从与各个制造单元10相连接的测定部17取得与各制造单元10中的加工机械11加工后的工件的精度相关的实测结果。因此,单元控制器19具备针对网络18的通信接口即通信部20。
制造单元10是将制造产品的多个加工机械11柔性地进行组合后的集合。制造单元10例如由各种机床或机器人这样的多个或多种的加工机械11来构筑,但是不限定制造单元10中的加工机械11的个数。例如,制造单元10可以是通过多个加工机械11依次处理某个工件由此成为最终产品的生产线。此外,例如制造单元10也可以是将2个以上的加工机械11分别处理后的2个以上的工件(部件)在制造工序的过程中通过其他的加工机械11进行组合由此完成最终的工件(产品)的生产线。此外,例如也可以通过将2个以上的制造单元10处理后的2个以上的工件进行组合来完成最终的工件(产品)。
将制造单元10配置在制造产品的工厂中。与此相对,单元控制器19可以配置在设置有制造单元10的工厂中,或者可以配置在与工厂不同的建筑物中。例如,单元控制器19也可以配置在设置有制造单元10的工厂用地上的其他的建筑物中。
关于加工机械系统2,因为上述以外的结构要素与参照图1~4说明的结构要素相同,所以对相同的结构要素赋予相同的符号并省略关于该结构要素的详细说明。
通过以上说明的第二实施方式,关于内部信息取得部13、临时判定部14、最终判定部15以及阈值更新部16,因为不是对每个制造单元10单独设置,而是在单元控制器19内集中设置,所以能够降低各制造单元10的运行成本和处理负担,并且能够防止系统大型化。
接下来,对第三实施方式进行说明。图6以及图7是第三实施方式的加工机械系统的原理框图。将第三实施方式的加工机械系统3构成为在第二实施方式的单元控制器19的上位设置了主控制器100的单元制造系统。图6表示在主控制器100上可通信地连接1个单元控制器19的例子,图7表示在主控制器100上可通信地连接多个单元控制器19的例子。
主控制器100记录并管理在各单元控制器19中取得的与临时判定部14的判定结果相关的信息、在各单元控制器19中取得的与最终判定部15的判定结果相关的信息、以及由各测定器17取得的与各加工机械11加工后的工件的精度相关的实测结果。另外,主控制器100还具有显示所取得的各信息的功能。
主控制器100例如可以配置在远离工厂的办公室中。在这种情况下,单元控制器19与主控制器100可以经由通信装置32、例如因特网的网络来可通信地相互连接。
关于加工机械系统3因为上述以外的结构要素与参照图1~6说明的结构要素相同,所以对相同的结构要素赋予相同的符号并省略关于该结构要素的详细说明。
通过以上说明的第三实施方式,能够记录、管理以及显示在各单元控制器19中取得的与临时判定部14的判定结果相关的信息、在各单元控制器19中取得的与最终判定部15的判定结果相关的信息以及由各测定器17取得的与各加工机械11加工后的工件的精度相关的实测结果。
接下来对第四实施方式进行说明。图8是第四实施方式的加工机械系统的原理框图。第四实施方式的加工机械系统4在第一~第三实施方式的加工机械系统中还具备用于学习内部信息取得部13应取得的内部信息的种类的机器学习器40。第四实施方式的机器学习器40可用于上述第一~第三实施方式中的任意一个实施方式,在这里对用于第一实施方式的情况进行说明。
第四实施方式的加工机械系统4还具备:具有状态观测部111和学习部112的机器学习器20、意图决定部113。
状态观测部111观测状态变量,该状态变量是包含由内部信息取得部13取得的内部信息、与加工机械11加工后的工件的精度相关的实测结果、与临时判定部的判定结果相关的信息、以及与最终判定部15的判定结果相关的信息而构成的。另外,在状态观测部111观测的状态变量中还可以包含由阈值更新部16设定的阈值以及加工程序。
学习部112按照基于状态观测部111观测到的状态变量而生成的训练数据集来学习内部信息取得部13应取得的内部信息。学习部12使用的学习算法可以使用任意的算法,机器学习器40具有从输入到装置的数据集合中,通过解析抽出其中有用的规则、知识表示、判断基准等,输出该判断结果,并且进行知识学习的功能。在本实施方式中,作为学习算法使用强化学习。例如,优选通过应用GPGPU(General-purpose computing on graphicsprocessing units通用图形处理器)或大规模PC集群等来实现机器学习器40。
学习部112具备回报计算部121和函数更新部122。
回报计算部121基于与临时判定部14的判定结果相关的信息和与最终判定部15的判定结果相关的信息来计算回报。
函数更新部122基于状态观测部111观测到的状态变量以及回报计算部121计算出的回报,来更新用于选择内部信息取得部13应取得的内部信息的函数(行为价值表)。函数(行为价值表)的更新方法如后所述。
学习部112可以通过多层结构运算由状态观测部111观测到的状态变量,并实时地更新函数(行为价值表)。例如,函数更新部122可以基于由状态观测部111观测到的状态变量以及由回报计算部121计算出的回报,按照神经网络模型来更新用于选择内部信息取得部13应取得的内部信息的函数(行为价值表)。在这里,作为通过多层结构运算状态变量的方法,例如能够使用多层神经网络。
回报计算部121在通过临时判定部14判定为合格并且对于精度检查对象的全部工件通过最终判定部15判定为合格的情况下,以及在通过临时判定部14判定为不合格并且对于精度检查对象的全部工件通过最终判定部15判定为不合格的情况下,临时判定部14的判定结果与最终判定部15的判定结果一致,意味着为了临时判定部14的判定处理,内部信息取得部13取得的内部信息是适当的,所以增加回报。
另一方面,回报计算部121在通过临时判定部14判定为合格并且在精度检查对象的工件中包含通过最终判定部15判定为不合格的工件的情况下,以及在通过临时判定部14判定为不合格并且在精度检查对象的工件中包含通过最终判定部15判定为合格的工件的情况下,临时判定部14的判定结果和最终判定部15的判定结果不一致,意味着为了临时判定部14的判定处理,内部信息取得部13取得的内部信息不适当,所以减少回报。
意图决定部113基于上述学习部112按照训练数据集进行学习的结果,对当前的状态变量的输入进行响应来决定内部信息取得部13应取得的内部信息。将与已决定的内部信息取得部13应取得的内部信息相关的学习结果发送给内部信息取得部13,内部信息取得部13基于该学习结果从数值控制装置12取得内部信息。就这样,通过第四实施方式,自动地学习通过内部信息取得部13从数值控制装置12应取得的效率最好的内部信息。
图9表示第四实施方式的具备应用了强化学习的机器学习器的加工机械系统的机器学习的动作流程的流程图。
一般来说,在强化学习中随机地选择行为的初始值。在本实施例中,在步骤S201中随机地选择作为行为的“内部信息取得部13应取得的内部信息”。
在步骤S202中,加工机械11基于从数值控制装置12接收到的指令,从放大器23供给电力来使电动机21进行驱动,从而对根据用途安装了工件或工具等的轴22进行驱动来加工工件。在此期间,内部信息取得部13取得当前的内部信息,测定器17取得与加工机械11加工后的工件的精度相关的实测结果,临时判定部14以及最终判定部15分别进行判定处理,阈值更新部16进行阈值的更新处理。
在步骤S203中,状态观测部111观测状态变量,该状态变量是包含内部信息取得部13取得的内部信息、与加工机械11加工后的工件的精度相关的实测结果、与临时判定部14的判定结果相关的信息、以及与最终判定部15的判定结果相关的信息而构成。另外,状态观测部111还可以观测由阈值更新部16设定的阈值以及加工程序来作为状态变量。
接下来,在步骤S204中,状态观测部111判定观测到的临时判定部14的判定结果与最终判定部15的判定结果是否一致。在通过临时判定部14判定为合格并且对于精度检查对象的全部工件通过最终判定部15判定为合格的情况下,以及在通过临时判定部14判定为不合格并且对于精度检查对象的全部工件通过最终判定部15判定为不合格的情况下,在步骤S205中回报计算部121增加回报。另一方面,在通过临时判定部14判定为合格并且在精度检查对象的工件中包含通过最终判定部15判定为不合格的工件的情况下,以及在通过临时判定部14判定为不合格并且在精度检查对象的工件中包含通过最终判定部15判定为合格的工件的情况下,在步骤S206中回报计算部121减少回报。
在步骤S207中,函数更新部122基于通过状态观测部111观测到的状态变量以及通过回报计算部121计算出的回报,来更新用于选择内部信息取得部13应取得的内部信息的函数(行为价值表)。
在步骤S208中,意图决定部113基于在步骤S207中更新后的函数来选择(决定)获得最多回报的内部信息取得部13应取得的内部信息,并输出该内部信息。把意图决定部113决定的内部信息取得部13应取得的内部信息在步骤S209中通知给内部信息取得部13。
此后,返回到步骤S202。在此之后,直到加工机械系统4停止为止,重复执行步骤S202~S208的处理。由此,机器学习器40学习内部信息取得部13应取得的内部信息。此外,可以从多个电动机驱动装置取得训练数据集,此时,学习部112按照对于多个加工机械系统取得的训练数据集来重复执行步骤S201~S209的处理,学习内部信息取得部13应取得的内部信息。当对于多个加工机械系统取得了训练数据集时,机器学习器40的学习精度提高。
接着对使用了强化学习的机器学习器40进行更详细的说明。
作为强化学习的问题设定,如下进行考虑。
·加工机械系统观测环境的状态,决定行为。
·环境按照某些规则进行变化,并且还有自身的行为对环境造成变化的情况。
·在每次进行行为时会返回回报信号。
·希望最大化的是今后的(折扣)回报的总和。
·从完全不知道行为引起的结果,或者只是不完全知道的状态起开始学习。即,加工机械系统只在实际进行动作后,能够取得其结果来作为数据。也就是说,需要一边试错一边探索最佳的行为。
·将为了模仿人的动作而进行了先前学习(有教师学习、逆强化学习这样的方法)的状态作为初始状态,能够从好的开始地点开始学习。
在这里,“强化学习”是不仅通过判定和分类,还通过学习行为,根据行为对环境赋予的相互作用来学习适当的行为,即,用于使将来获得的回报成为最大的学习方法。这表示在本实施方式中,能够获得使内部信息取得部13取得的内部信息最佳化的对未来造成影响的这样的行为。例如在Q学习的情况下继续说明,但是并不限于此。
Q学习是在某种环境状态s下,学习用于选择行为a的价值Q(s、a)的方法。即,在某种状态s时,可以选择价值Q(s、a)最高的行为a来作为最佳的行为。但是,最初对于状态s与行为a的组合,完全不知道价值Q(s、a)正确的值。因此,智能体(行为主体)在某种状态s下选择各种行为a,并针对此时的行为a给予回报。因此,智能体学习更好的行为的选择,即正确的价值Q(s、a)。
并且,作为行为的结果,希望使将来获得的回报的总和最大化,所以最终的目标是成为Q(s,a)=E[Σγtrt]。在此,对于按照最佳的行为状态进行了变化时的情况来取得期望值,因为不知道该期望值,所以一边探索一边进行学习。这样的价值Q(s、a)的更新式例如能够通过下式1来表示。
在上述的式1中,st表示在时刻t的环境的状态,at表示在时刻t的行为。通过行为at,状态变化为st+1。rt+1表示由于该状态的变化而得到的回报。另外,带有max的项是在状态st+1下,选择了此时已知的Q值最高的行为a时的Q值乘以γ的项。γ是0<γ≤1的参数,被称为折扣率。α是学习系数,为0<α≤1的范围。
式1表示基于作为试行at的结果而返回的回报rt+1,对状态st下的行为at的评价值Q(st、at)进行更新的方法。表示了如下情况:如果基于回报rt+1+行为a的下一个状态下的最佳的行为max a的评价值Q(st+1、max at+1)比状态s下的行为a的评价值Q(st、at)大,则将Q(st、at)增大,反之如果基于回报rt+1+行为a的下一个状态下的最佳的行为max a的评价值Q(st+1、max at+1)比状态s下的行为a的评价值Q(st、at)小,则将Q(st、at)也减小。即,使某个状态下的某个行为的价值接近作为结果立即返回的回报和基于该行为的下一个状态下的最佳行为的价值。
在此,作为Q(s、a)在计算机上的表现方法,具有针对全部的状态行为对(s、a),将该值保存为表(行为价值表)的方法;准备用于近似Q(s、a)的函数的方法。在后者的方法中,能够通过使用随机梯度下降法等方法调整近似函数的参数来实现上述的更新式。作为近似函数,能够使用后述的神经网络。
另外,作为强化学习中的价值函数的近似算法,能够使用神经网络。神经网络例如由用于实现神经网络的运算装置以及存储器等构成,该神经网络模拟图10所示的神经元模型。图10是表示神经元模型的示意图。
如图10所示,神经元输出与多个输入x(在图中作为一个例子,输入x1~输入x3)相对的输出y。在各输入x1~x3中,对该输入x乘以对应的权值w(w1~w3)。因此,神经元输出式2表现的输出y。此外,输入x、输出y以及权值w全是矢量。另外,在下式2中,θ为偏置,fk为激活函数。
在以上说明的第四实施方式中,将机器学习器40用于第一实施方式,但是也可以用于第二以及第三实施方式中的任意一个实施方式。例如,在用于第二实施方式时,可以在单元控制器19上设置机器学习器40,在用于第三实施方式时,可以在单元控制器19或主控制器100上设置机器学习器40。
此外,上述的状态观测部111、学习部112以及意图决定部113例如可以由软件程序形式来构筑,或者也可以由各种电路与软件程序的组合来构筑。例如在由软件程序形式来构筑它们时,能够设置按照该软件程序进行动作的运算处理装置、或者在云服务器上运行该软件程序来实现上述各部的功能。又或者,可以作为写入了用于实现各部的功能的软件程序的半导体集成电路来实现具备状态观测部111以及学习部112的机器学习器40。又或者,可以通过不仅包含具备状态观测部111以及学习部112的机器学习器40还包含意图决定部113的结构来实现写入了用于实现各部功能的软件程序的半导体集成电路。
通过本发明,能够实现一种加工机械系统,其能够在削减精度检查对象的工件个数的同时防止漏过不良品。
Claims (15)
1.一种加工机械系统,其特征在于,具备:
加工机械,其通过至少一个电动机驱动轴来加工工件;
数值控制装置,其基于加工程序生成用于驱动所述加工机械的轴的指令;
内部信息取得部,其取得所述数值控制装置的内部信息;
临时判定部,其基于通过所述内部信息取得部取得的所述内部信息与阈值的比较结果来判定所述加工机械加工后的工件的合格与否;
最终判定部,其针对至少包含了由所述临时判定部进行了合格与否判定的工件的精度检查对象的工件,基于与该工件的精度相关的实测结果来判定合格与否;以及
阈值更新部,其基于所述临时判定部的判定结果以及所述最终判定部的判定结果来更新在所述临时判定部的判定处理中使用的阈值。
2.根据权利要求1所述的加工机械系统,其特征在于,
还具备测定器,该测定器实际测定所述加工机械加工后的工件的至少关于加工形状或加工面的精度。
3.根据权利要求2所述的加工机械系统,其特征在于,
还具备:通信网络,其将各组由所述加工机械和与该加工机械对应地设置的所述数值控制装置构成的多组制造单元与至少一个所述测定器之间可相互通信地连接;以及
单元控制器,其与所述通信网络可通信地连接,控制各个所述制造单元的动作,
将所述内部信息取得部、所述临时判定部、所述最终判定部以及所述阈值更新部设置在所述单元控制器内。
4.根据权利要求3所述的加工机械系统,其特征在于,
还具备主控制器,
该主控制器与多个所述单元控制器可通信地连接,记录并管理在各个所述单元控制器中取得的与所述临时判定部的判定结果相关的信息、在各个所述单元控制器中取得的与所述最终判定部的判定结果相关的信息、以及由所述测定器取得的与所述加工机械加工后的工件的精度相关的实测结果。
5.根据权利要求1至4中的任意一项所述的加工机械系统,其特征在于,
所述阈值更新部在通过所述临时判定部判定为合格且对于所述精度检查对象的全部工件通过所述最终判定部判定为合格的情况下,将已经设定的阈值乘以小于1且大于0的第一系数而得到的值设定为新的阈值,
所述阈值更新部在通过所述临时判定部判定为合格且在所述精度检查对象的工件中包含通过所述最终判定部判定为不合格的工件的情况下,将已经设定的阈值乘以小于所述第一系数且大于0的第二系数而得到的值设定为新的阈值,
所述阈值更新部在通过所述临时判定部判定为不合格且在所述精度检查对象的工件中包含通过所述最终判定部判定为合格的工件的情况下,将已经设定的阈值乘以大于1的第三系数而得到的值设定为新的阈值,
所述阈值更新部在通过所述临时判定部判定为不合格且对于所述精度检查对象的全部工件通过所述最终判定部判定为不合格的情况下,维持已经设定的阈值。
6.根据权利要求1至5中的任意一项所述的加工机械系统,其特征在于,
所述加工机械是通过所述电动机驱动旋转轴以及直线轴来加工工件的机械,
所述内部信息包含与位置偏差有关的信息,该位置偏差为针对所述直线轴的位置指令与关于所述直线轴的测定位置之间的差。
7.根据权利要求1至5中的任意一项所述的加工机械系统,其特征在于,
所述加工机械是通过所述电动机驱动多个旋转轴以及多个直线轴来加工工件的机械,
所述内部信息包含与关于工具的位置偏差相关的信息,该关于工具的位置偏差是针对在所述旋转轴以及所述直线轴上设置的工具的基于所述加工程序的位置指令与关于所述工具的位置的测定位置之间的差。
8.根据权利要求1至7中的任意一项所述的加工机械系统,其特征在于,
针对所述加工机械加工的工件的每个加工对象区域设置在所述临时判定部的判定处理中使用的阈值。
9.根据权利要求1至8中的任意一项所述的加工机械系统,其特征在于,
所述内部信息包含对高频成分进行二阶积分而得到的数据,该高频成分是使所述数值控制装置生成的具有加速度因次的指令经过高通滤波器而抽出的高频成分。
10.根据权利要求1至9中的任意一项所述的加工机械系统,其特征在于,
所述内部信息包含通过由安装在所述加工机械上的传感器取得的信息和加工位置或加工时刻联系起来的数据。
11.根据权利要求1至10中的任意一项所述的加工机械系统,其特征在于,
还具备机器学习器,该机器学习器具有:
状态观测部,其观测状态变量,该状态变量包含如下信息而构成:通过所述内部信息取得部取得的内部信息、与所述加工机械加工后的工件的精度相关的实测结果、与所述临时判定部的判定结果相关的信息、以及与所述最终判定部的判定结果相关的信息;以及
学习部,其按照基于所述状态变量生成的训练数据集来学习所述内部信息取得部应取得的内部信息。
12.根据权利要求11所述的加工机械系统,其特征在于,
作为所述状态观测部观测的所述状态变量,还包含通过所述阈值更新部设定的阈值以及所述加工程序。
13.根据权利要求11或12所述的加工机械系统,其特征在于,
还具备意图决定部,
该意图决定部基于所述学习部按照所述训练数据集进行学习的结果,对当前的所述状态变量的输入进行响应来决定所述内部信息取得部应取得的内部信息。
14.根据权利要求11至13中的任意一项所述的加工机械系统,其特征在于,
所述学习部具备:
回报计算部,其基于与所述临时判定部的判定结果相关的信息以及与所述最终判定部的判定结果相关的信息来计算回报;以及
函数更新部,其基于所述状态变量以及所述回报来更新用于选择所述内部信息取得部应取得的内部信息的函数。
15.根据权利要求14所述的加工机械系统,其特征在于,
所述回报计算部在通过所述临时判定部判定为合格且对于所述精度检查对象的全部工件通过所述最终判定部判定为合格的情况、以及通过所述临时判定部判定为不合格且对于所述精度检查对象的全部工件通过所述最终判定部判定为不合格的情况下,增加回报,
所述回报计算部在通过所述临时判定部判定为合格且在所述精度检查对象的工件中包含通过所述最终判定部判定为不合格的工件的情况、以及通过所述临时判定部判定为不合格且在所述精度检查对象的工件中包含通过所述最终判定部判定为合格的工件的情况下,减少回报。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016060928A JP6348137B2 (ja) | 2016-03-24 | 2016-03-24 | 工作物の良否を判定する加工機械システム |
JP2016-060928 | 2016-03-24 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107229252A true CN107229252A (zh) | 2017-10-03 |
CN107229252B CN107229252B (zh) | 2019-05-03 |
Family
ID=59814244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710183254.5A Active CN107229252B (zh) | 2016-03-24 | 2017-03-24 | 判定工件合格与否的加工机械系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10254750B2 (zh) |
JP (1) | JP6348137B2 (zh) |
CN (1) | CN107229252B (zh) |
DE (1) | DE102017002607B4 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110434673A (zh) * | 2019-08-21 | 2019-11-12 | 福建科烨数控科技有限公司 | 一种数控车床加工部品参数实时校正的方法 |
CN110543141A (zh) * | 2018-05-29 | 2019-12-06 | 发那科株式会社 | 诊断装置、诊断方法以及诊断程序 |
CN111538235A (zh) * | 2019-02-07 | 2020-08-14 | 松下知识产权经营株式会社 | 学习装置以及切断加工评价系统 |
CN112785100A (zh) * | 2019-11-05 | 2021-05-11 | 鸿富锦精密电子(天津)有限公司 | 产品检测阈值设定装置、方法及计算机可读存储介质 |
CN114025904A (zh) * | 2019-06-28 | 2022-02-08 | 松下知识产权经营株式会社 | 补焊检查装置和补焊检查方法 |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6386512B2 (ja) * | 2016-10-28 | 2018-09-05 | ファナック株式会社 | 情報処理装置 |
JP6728495B2 (ja) * | 2016-11-04 | 2020-07-22 | ディープマインド テクノロジーズ リミテッド | 強化学習を用いた環境予測 |
CN107292392B (zh) * | 2017-05-11 | 2019-11-22 | 苏州大学 | 基于深度带权双q学习的大范围监控方法及监控机器人 |
JP6484291B2 (ja) * | 2017-06-16 | 2019-03-13 | ファナック株式会社 | 加工機 |
JP6756676B2 (ja) | 2017-07-27 | 2020-09-16 | ファナック株式会社 | 製造システム |
DE102017010676A1 (de) * | 2017-11-17 | 2019-05-23 | Kuka Deutschland Gmbh | Qualitätssicherung eines Prozesses |
JP2019207542A (ja) * | 2018-05-29 | 2019-12-05 | ファナック株式会社 | 分析装置、分析方法及び分析プログラム |
JP6977686B2 (ja) | 2018-08-06 | 2021-12-08 | オムロン株式会社 | 制御システムおよび制御装置 |
EP3623888A1 (en) | 2018-09-13 | 2020-03-18 | Siemens Aktiengesellschaft | Workpiece surface quality issues detection |
JP7148421B2 (ja) * | 2019-01-22 | 2022-10-05 | ファナック株式会社 | 工作機械の予防保全システム |
JP7277152B2 (ja) | 2019-01-22 | 2023-05-18 | ファナック株式会社 | 工作機械の工具管理システム |
JP2020127968A (ja) * | 2019-02-07 | 2020-08-27 | パナソニックIpマネジメント株式会社 | 学習装置および切断加工評価システム |
JP7277272B2 (ja) * | 2019-06-11 | 2023-05-18 | ファナック株式会社 | 機械学習装置、予測装置、及び制御装置 |
CN110348739B (zh) * | 2019-07-12 | 2023-04-07 | 武汉新江城环境事务咨询有限责任公司 | 建设项目竣工环保验收评估方法、系统及存储介质 |
JP7491118B2 (ja) | 2020-07-27 | 2024-05-28 | セイコーエプソン株式会社 | 検査システム、検査方法、及び検査プログラム |
US20220260977A1 (en) * | 2021-02-17 | 2022-08-18 | International Business Machines Corporation | Continous monitoring, advance alerts, and control of key performance indicator variables |
DE102021120113A1 (de) | 2021-08-03 | 2023-02-09 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zur Steuerung einer zum Umformen von Bauteilen für den Kraftfahrzeugbau ausgebildeten Umformpresse, Computerprogramm sowie Datenträger |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10112599A (ja) * | 1996-10-04 | 1998-04-28 | Matsushita Electric Ind Co Ltd | 電子部品実装装置及び電子部品実装方法 |
CN1377756A (zh) * | 2001-03-23 | 2002-11-06 | 精工爱普生株式会社 | 加工装置和加工结果检测方法 |
JP2002341909A (ja) * | 2001-05-18 | 2002-11-29 | Sofutorokkusu:Kk | 工作機器の監視方法 |
JP2006146459A (ja) * | 2004-11-18 | 2006-06-08 | Renesas Technology Corp | 半導体デバイスの製造方法および製造システム |
CN101098619A (zh) * | 2006-06-29 | 2008-01-02 | 欧姆龙株式会社 | 基板检查用的基准值设定方法、利用该方法的装置及程序 |
JP2010076177A (ja) * | 2008-09-25 | 2010-04-08 | Fanuc Ltd | 射出成形機の良否判別装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0441162A (ja) * | 1990-06-05 | 1992-02-12 | Fanuc Ltd | 工具管理方式 |
JPH0756623A (ja) * | 1993-08-20 | 1995-03-03 | Fanuc Ltd | セルコントローラ |
JPH09267163A (ja) | 1996-03-29 | 1997-10-14 | Toshiba Mach Co Ltd | ダイカストマシンにおける製品品質良否判定方法 |
JPH1026580A (ja) * | 1996-05-08 | 1998-01-27 | Nippon Steel Corp | 変速型回転機械設備の診断方法および装置 |
WO2010011918A2 (en) * | 2008-07-24 | 2010-01-28 | University Of Cincinnati | Methods for prognosing mechanical systems |
CN102245349B (zh) * | 2008-12-09 | 2015-05-27 | 三菱电机株式会社 | 机械运动轨迹测定装置、数控机床及机械运动轨迹测定方法 |
US9508042B2 (en) * | 2012-11-05 | 2016-11-29 | National Cheng Kung University | Method for predicting machining quality of machine tool |
JP6001518B2 (ja) * | 2013-10-17 | 2016-10-05 | 株式会社神戸製鋼所 | 状態計測装置及び状態計測システム |
-
2016
- 2016-03-24 JP JP2016060928A patent/JP6348137B2/ja active Active
-
2017
- 2017-03-17 DE DE102017002607.6A patent/DE102017002607B4/de active Active
- 2017-03-22 US US15/466,447 patent/US10254750B2/en active Active
- 2017-03-24 CN CN201710183254.5A patent/CN107229252B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10112599A (ja) * | 1996-10-04 | 1998-04-28 | Matsushita Electric Ind Co Ltd | 電子部品実装装置及び電子部品実装方法 |
CN1377756A (zh) * | 2001-03-23 | 2002-11-06 | 精工爱普生株式会社 | 加工装置和加工结果检测方法 |
JP2002341909A (ja) * | 2001-05-18 | 2002-11-29 | Sofutorokkusu:Kk | 工作機器の監視方法 |
JP2006146459A (ja) * | 2004-11-18 | 2006-06-08 | Renesas Technology Corp | 半導体デバイスの製造方法および製造システム |
CN101098619A (zh) * | 2006-06-29 | 2008-01-02 | 欧姆龙株式会社 | 基板检查用的基准值设定方法、利用该方法的装置及程序 |
JP2010076177A (ja) * | 2008-09-25 | 2010-04-08 | Fanuc Ltd | 射出成形機の良否判別装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110543141A (zh) * | 2018-05-29 | 2019-12-06 | 发那科株式会社 | 诊断装置、诊断方法以及诊断程序 |
CN111538235A (zh) * | 2019-02-07 | 2020-08-14 | 松下知识产权经营株式会社 | 学习装置以及切断加工评价系统 |
CN111538235B (zh) * | 2019-02-07 | 2024-10-01 | 松下知识产权经营株式会社 | 学习装置以及切断加工评价系统 |
CN114025904A (zh) * | 2019-06-28 | 2022-02-08 | 松下知识产权经营株式会社 | 补焊检查装置和补焊检查方法 |
CN114025904B (zh) * | 2019-06-28 | 2023-09-12 | 松下知识产权经营株式会社 | 补焊检查装置和补焊检查方法 |
US12078600B2 (en) | 2019-06-28 | 2024-09-03 | Panasonic Intellectual Property Management Co., Ltd. | Repair welding inspection device and repair welding inspection method |
CN110434673A (zh) * | 2019-08-21 | 2019-11-12 | 福建科烨数控科技有限公司 | 一种数控车床加工部品参数实时校正的方法 |
CN112785100A (zh) * | 2019-11-05 | 2021-05-11 | 鸿富锦精密电子(天津)有限公司 | 产品检测阈值设定装置、方法及计算机可读存储介质 |
CN112785100B (zh) * | 2019-11-05 | 2023-10-31 | 富联精密电子(天津)有限公司 | 产品检测阈值设定装置、方法及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20170277174A1 (en) | 2017-09-28 |
US10254750B2 (en) | 2019-04-09 |
CN107229252B (zh) | 2019-05-03 |
DE102017002607B4 (de) | 2020-06-04 |
JP6348137B2 (ja) | 2018-06-27 |
JP2017174236A (ja) | 2017-09-28 |
DE102017002607A1 (de) | 2017-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107229252B (zh) | 判定工件合格与否的加工机械系统 | |
CN107305370B (zh) | 设定与产品的异常相关的变量的判定值的生产系统 | |
US10839317B2 (en) | Control device and machine learning device | |
CN110303492A (zh) | 控制装置、机器学习装置以及系统 | |
CN108573310A (zh) | 精加工量预测装置以及机器学习装置 | |
CN109693146B (zh) | 寿命推定装置以及机器学习装置 | |
Rahman | Cognitive cyber-physical system (C-CPS) for human-robot collaborative manufacturing | |
JP6781242B2 (ja) | 制御装置、機械学習装置及びシステム | |
CN108931959A (zh) | 控制装置及机械学习装置 | |
CN112926152B (zh) | 一种数字孪生驱动的薄壁件装夹力精准控制与优化方法 | |
JP2020149505A (ja) | 把持力調整装置及び把持力調整システム | |
Jaber | Design of an intelligent embedded system for condition monitoring of an industrial robot | |
CN110174871A (zh) | 控制装置、机器学习装置以及系统 | |
Aksonov et al. | Visualization and analysis of technological systems experimental operating results | |
JP2020204937A (ja) | 診断装置及び診断方法 | |
CN110125955A (zh) | 控制装置以及机器学习装置 | |
Hoecherl et al. | Smartworkbench: Toward adaptive and transparent user assistance in industrial human-robot applications | |
KR20180054354A (ko) | 공작기계의 진동 적응제어방법 | |
Alnowaini et al. | Design and simulation robotic arm with computer vision for inspection process | |
Williams et al. | Digital Twin of Cyber-Physical CNC for Smart Manufacturing | |
KR20210087831A (ko) | 가상센서와 3차원 메쉬모델을 기반으로 하는 포터블로봇 운영방법 | |
Malak et al. | Experimental analysis of a planar reconfigurable mechanism with a variable joint | |
Mehrabi et al. | Mapping theory: a new approach to design of multi-sensor monitoring of reconfigurable machining systems (RMS) | |
Amarnath et al. | Empowering Digital Twin Development: A Profound Exploration with Altair Tools | |
CN107160262A (zh) | 一种倒边机及其机头机构 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |