CN107797516B - 数值控制装置 - Google Patents

数值控制装置 Download PDF

Info

Publication number
CN107797516B
CN107797516B CN201710791225.7A CN201710791225A CN107797516B CN 107797516 B CN107797516 B CN 107797516B CN 201710791225 A CN201710791225 A CN 201710791225A CN 107797516 B CN107797516 B CN 107797516B
Authority
CN
China
Prior art keywords
machining
tool
machine
information
numerical controller
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.)
Active
Application number
CN201710791225.7A
Other languages
English (en)
Other versions
CN107797516A (zh
Inventor
斋藤卓哉
松川都志德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fanuc Corp filed Critical Fanuc Corp
Publication of CN107797516A publication Critical patent/CN107797516A/zh
Application granted granted Critical
Publication of CN107797516B publication Critical patent/CN107797516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05B19/19—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 positioning or contouring control systems, e.g. to control position from one programmed point to another or to control movement along a programmed continuous path
    • 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
    • G05B19/406—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 monitoring or safety
    • 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
    • G05B19/406—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 monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or 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
    • 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
    • G05B19/4093—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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
    • G05B19/40931—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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine concerning programming of geometry
    • G05B19/40932—Shape input
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G05B2219/32416—Tool information for program to use and needed timing, adapt timing
    • 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
    • G05B2219/33—Director till display
    • G05B2219/33321—Observation learning
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49307—Learn, learn operational zone, feed, speed to avoid tool breakage

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Numerical Control (AREA)

Abstract

本发明提供一种数值控制装置。对机床进行控制的数值控制装置取得包括刀具的形状的刀具信息、加工中的加工条件以及加工后的工件的加工结果的信息。机器学习器将这些刀具信息和加工条件作为输入数据，将加工结果的信息作为教师数据，对加工结果的信息相对于这些刀具信息和加工条件的趋势进行机器学习来构筑学习模型。该机器学习器在机床对工件的加工前基于刀具信息和加工条件使用学习模型来对加工结果的好坏进行判定。

Description

数值控制装置
技术领域
本发明涉及一种数值控制装置，特别涉及学习成为加工不良的刀具状态的数值控制装置。
背景技术
一般而言，在加工中所使用的刀具随着加工时间的经过，刀尖磨损而切削阻力增大，最终导致折损。另外，若磨损发展，则加工精度恶化，无法维持工件所要求的预定的加工精度。为了防止这样的事态，针对刀具主要在以下的时机对刀具是否达到寿命进行判定，在判定为达到寿命的情况下，进行刀具更换。
·使用刀具的次数、时间超过了一定数(寿命值)时；
·对刀具长度进行测定，磨损量超过了一定数时；
·操作者通过目视对刀具、加工后的工件进行确认，判断为达到寿命的极限时；
·对主轴负荷进行检查而确认到折损、崩刃时。
作为对刀具是否达到寿命进行判定的现有技术，在例如日本特开2000-198047号公报公开有如下技术：基于刀具形状、切削条件、工件的切削余量对加工后的磨损量进行计算，在加工前对达到刀具寿命进行判定。
然而，上述的刀具寿命的判定方法存在各种问题。根据使用刀具的次数、时间来对刀具寿命进行判定的方法，为了防止加工不良、折损，通常以有富余的使用次数、使用时间来设定寿命值，因此，刀具还能够使用的情况较多，产生成本方面的浪费。根据刀具的刀具长度来判定刀具寿命的方法存在如下问题：在存在多个刃的情况下、在刃位于边缘的情况下，无法检测刀具缺口。另外，在如丝锥刀具那样以前端部以外的磨损进行寿命判定那样的刀具中，无法以前端部的测定对刀具寿命进行判定。操作者通过以目视对加工后的工件进行确认来对刀具寿命进行判定的方法需要具有专业知识的人员进行作业，因此，不适于无人运转。通过对主轴负荷进行检查来对刀具寿命进行判定的方法由于稍微的崩刃而主轴负荷几乎看不到变化的情况较多，因此，在检测精度上存在难度。
另外，在所述的日本特开2000-198047号公报所记载的刀具寿命的判定方法中，通过考虑刀具形状、切削条件、工件的切削余量，虽然使刀具寿命的判定的精度提高，但刀具寿命的判定无法仅根据单纯的刀具的磨损量进行判断，也根据刀具的材质、磨损的位置、磨损的方式(崩刃等)等而变化，因此，在日本特开2000-198047号公报的技术中，残留有无法应对各种各样的状况这样的问题。
发明内容
因此，本发明的目的在于提供一种能够进行精度较高的刀具寿命判定的数值控制装置。
在本发明中，在数值控制装置中设置通过有教师学习对加工条件与加工结果的关系性进行学习，并基于学习结果对输入数据进行改善的功能，从而解决上述问题。本发明的数值控制装置通过进行基于学习结果的输入数据的改善，能够一边确保恒定的品质一边继续加工运转。
本发明的数值控制装置控制机床，该机床使用刀具来对工件进行加工，该数值控制装置具备：形状数据取得部，其取得包括所述刀具的形状在内的刀具信息；加工条件取得部，其取得所述加工中的加工条件；加工结果取得部，其取得所述加工后的工件的加工结果所涉及的信息；机器学习器，其将所述刀具信息和所述加工条件作为输入数据，将所述加工结果所涉及的信息作为教师数据，对所述加工结果所涉及的信息相对于所述刀具信息和所述加工条件的趋势进行机器学习来构筑学习模型。所述机器学习器构成为，在所述机床对工件的加工前，基于所述形状数据取得部所取得的刀具信息和所述加工条件取得部所取得的加工条件，使用所述学习模型来对加工结果的好坏进行判定。
所述机器学习器能够利用多层神经网络来构筑学习模型。
本发明的数值控制装置通过具备上述的结构，通过刀具寿命的判定的改善，能够预期刀具的成本削减，另外，能够辅助无人连续运转。
附图说明
图1是说明在本发明中向数值控制装置导入的机器学习器的机器学习和学习结果的运用的概要的图。
图2是对向本发明的数值控制装置导入的机器学习器的结构例(学习阶段)进行说明的图。
图3是对刀具的图像、剖视图、材质、工件的材质的编号化进行说明的图。
图4是对向本发明的数值控制装置导入的机器学习器的结构例(运用阶段)进行说明的图。
图5是表示本发明的一实施方式的数值控制装置的学习阶段中的概略的功能框图的图(1)。
图6是表示本发明的一实施方式的数值控制装置的学习阶段中的概略的功能框图的图(2)。
图7是表示图5和图6所示的数值控制装置的动作的流程图。
图8是表示本发明的一实施方式的数值控制装置的运用阶段中的概略的功能框图的图。
图9是表示图8所示的数值控制装置1的动作的流程图。
具体实施方式
图1是说明在本发明中向数值控制装置导入的机器学习器的机器学习和学习结果的运用的概要的图。导入到本发明的数值控制装置的机器学习器以学习阶段和运用阶段这两个阶段动作。
在学习阶段中，导入到本发明的数值控制装置的机器学习器将刀具信息、工件的材质、切削速度、主轴转速、切入量、切削量等加工条件、以及基于该加工条件加工后的工件的尺寸误差等加工结果作为输入数据，对加工结果相对于加工条件的趋势进行学习。
在运用阶段中，本发明的数值控制装置将加工条件作为输入数据赋予机器学习器。机器学习器基于在学习阶段中所学习的加工结果相对于加工条件的趋势输出与所输入的加工条件对应的加工结果的预测值。并且，数值控制装置参照从机器学习器输出的加工结果的预测值，对从此进行的加工是否成为加工不良进行判断。
在本发明的数值控制装置中，既可以在完全不同的定时执行机器学习器的学习阶段和运用阶段，也可以同时执行两阶段。例如，既可以在使机器学习器在学习阶段中充分地学习之后，在实际由机床进行加工时不进行新的学习而以仅使用学习结果而反复使用相同的数据的方式进行运转，也可以以一边进行加工一边对准确的评价值进行搜寻(学习)的方式进行运转。
另外，机器学习器既可以构筑于机床的数值控制装置内，或者也可以构筑于与数值控制装置连接的PC上。
图2和图3对向本发明的数值控制装置导入的机器学习器的结构例进行说明的图。在图2和图3中，设为使用多层神经网络作为机器学习器的结构。多层神经网络由实现模拟神经元的模型的神经网络的运算装置和存储器等构成。
如图2所示，在将多层神经网络用作本发明的数值控制装置的机器学习器的情况下，在学习阶段，本发明的数值控制装置在各工序(变更了刀具、切削条件的定时、或任意的定时)中在加工前将加工条件作为输入数据(在图2所示的例子中，X1～X6)向机器学习器输入。作为加工条件，存在例如刀具的信息(图像、剖视图、材质)、编号化的工件的材质、切削速度(合成速度)、主轴转速、切入量、切削量等。此外，对于刀具的图像、剖视图、材质、工件的材质，如图3所示，也可以预先针对多个典型的图像数据、材质数据附加编号地存储，将该编号设为针对机器学习器的输入数据。由此，能够减少输入数据的数量，使多层神经网络的构造简单化。
接着，本发明的数值控制装置取得在将作为输入数据的加工条件输入到多层神经网络时从机器学习器输出的输出数据W作为预测加工结果。而且，在基于向多层神经网络输入的加工条件对工件进行了加工之后，作为加工结果取得加工后的工件尺寸、切削刀痕的数量、尺寸等，将所取得的加工结果与设计之间的误差D作为教师数据算出。加工后的工件尺寸、切削刀痕的数量、尺寸等既可以由数值控制装置对计量器等进行控制而自动地计量，也可以由操作者进行加工后的工件的计量，将所计量到的结果向数值控制装置输入。
并且，本发明的数值控制装置基于作为输入数据的加工条件、从多层神经网络输出的预测加工结果、所取得的作为加工结果的加工后的工件尺寸与设计之间的误差D(教师数据)使机器学习器对与加工条件对应的加工结果进行机器学习来构筑学习模型。对于学习方法(反向传播等)，与神经网络有关的现有技术已经众所周知，因此，省略本说明书中的详细的说明。学习使用损失函数计算输出数据与加工结果之间的距离，进行学习直到该距离收敛于预先确定好的恒定值以内。作为损失函数的例子，在例如着眼于加工后工件尺寸与设计值之间的误差的情况下，也可以使用以下的(1)式所例示那样的平方误差(L2损失)。另外，在着眼于切削刀痕的有无的情况下，也可以单纯地使用表示是否存在切削刀痕的逻辑函数。而且，只要是恰当地表示损失的函数，也可以使用任意的函数。
L(y(Xn；W)，D)≡(y(Xn；W)-D)2……(1)
如图4所示，在将多层神经网络用作本发明的数值控制装置的机器学习器的情况下，在运用阶段中，该数值控制装置在各工序(变更了刀具、切削条件的定时、或任意的定时)中，在加工前将加工条件作为输入数据(在图2所示的例子中，X1～X6)向机器学习器输入。在运用阶段中，向机器学习器输入的加工条件的项目使用与在学习阶段中用于学习的加工条件的项目相同的项目。
接着，数值控制装置取得在将作为输入数据的加工条件输入到多层神经网络时从机器学习器输出的输出数据W作为预测加工结果(例如所预测的加工后工件尺寸与设计之间的误差、切削刀痕的存在等)。
并且，本发明的数值控制装置在将作为输出数据的预测加工结果与预先确定好的阈值进行了比较时在判定为加工的结果差(所预测的加工后工件尺寸与设计之间的误差是预先确定好的预定的值以上、切削刀痕的数量是预定的数量以上、切削刀痕的尺寸是预定的尺寸以上等)的情况下，判定为其是加工不良模式，催促操作者实施刀具更换。
图5和图6是表示学习阶段中的本发明的一实施方式的数值控制装置的主要部分的功能框图。另外，图7是表示学习阶段中的数值控制装置1的动作的流程的流程图。
本实施方式的数值控制装置1具备机器学习器10、形状数据取得部11、加工条件取得部12以及加工结果取得部13。另外，机器学习器10具备输入条件观测部110、输入条件存储部120、预测加工结果计算部130、预测加工结果存储部140、加工结果观测部150、加工结果存储部160以及比较部170。
数值控制装置1在成为进行机器学习器10的学习的定时时，转换成学习阶段而开始学习(步骤SA01)。作为转换成学习阶段的定时，列举出变更了使用刀具时、变更了加工条件(加工内容、切削速度、转速等)时、由使用者设定的任意的定时等。
形状数据取得部11、加工条件取得部12分别进行刀具信息的取得(形状信息(图像、剖视图)、刀具的材质等)、加工条件的取得(工件的材质、加工内容(平面/侧面等)、转速、切削速度、切削量)(步骤SA02，SA03)。刀具信息和加工条件的取得能够基于数值控制装置1的设定值、加工程序、操作者的输入来取得。此外，对于刀具的形状信息、材质、工件的材质，如在图3中所例示那样取得编号化的值。特别是对于刀具的形状信息，通过由未图示的拍摄装置对安装于机床的刀具进行拍摄并进行图像处理，取得表示所使用的刀具的形状的图像，将所取得的该图像与图3所例示的典型的刀具的图像数据进行匹配，将形状最接近的图像数据的编号用作刀具信息即可。
输入条件观测部110将形状数据取得部11所取得的刀具信息以及加工条件取得部12所取得的加工条件作为机器学习器10的输入条件而取得。输入条件观测部110观测由形状数据取得部11和加工条件取得部12进行的各数据的取得状况，在形状数据取得部11和加工条件取得部12中的至少任一个取得了数据的时间点，将该数据作为输入数据而取得。
输入条件存储部120将输入条件观测部110所取得的输入条件存储于未图示的存储器上。输入条件存储部120也可以在存储到存储器上的输入条件内仅对输入条件观测部110观测而取得的输入条件进行覆盖而存储。通过如此操作，仅存在变更的输入条件被更新。
预测加工结果计算部130基于输入条件存储部120所存储的输入条件、以及预测加工结果存储部140所存储的学习内容(学习模型)计算预测加工结果(步骤SA04)。预测加工结果存储部140如上述那样构成为多层神经网络等。
加工结果取得部13在数值控制装置1基于加工条件取得部12所取得的加工条件、以及未图示的加工程序对机床2进行控制而对工件进行了加工(步骤SA05)之后，从加工后的工件取得加工结果(步骤SA06)。所取得的加工结果包含加工后的工件尺寸与设计尺寸之间的误差、切削刀痕的有无等。
加工结果观测部150将加工结果取得部13所取得的加工结果取得到机器学习器10内。加工结果观测部150观测由加工结果取得部13进行的各数据的取得状况，在取得了加工结果的时间点将该数据取得到机器学习器10内。
加工结果存储部160将加工结果观测部150所取得的加工结果存储于未图示的存储器上。
比较部170对预测加工结果计算部130所计算出的预测加工结果与加工结果观测部150所取得的(并且存储于加工结果存储部160的)实际加工结果进行比较，使用损失函数计算其差值，从而与预先确定好的阈值进行比较(步骤SA07)。并且，在预测加工结果与实际加工结果之间的差值在预先确定好的阈值内的情况下，不进行学习，在该差值是阈值以上的情况下，进行基于预测加工结果和实际加工结果的学习，将学习结果存储于预测加工结果存储部140(步骤SA08，SA09)。
图8是表示在运用阶段中使在图5和图6中说明的数值控制装置1动作的情况下的主要部分的功能框图。另外，图9是表示运用阶段中的数值控制装置1的动作的流程的流程图。在运用阶段中，数值控制装置1还具备刀具更换指令部14，另外，机器学习器10还具备刀具更换判定部180。
本实施方式的数值控制装置1在处于运用阶段的情况下、处于进行加工前检查的状况的情况下，执行使用了机器学习器10的加工前检查的动作(步骤SB01)。作为进行加工前检查的状况，列举出变更了使用刀具时、变更了加工条件(加工内容、切削速度、转速等)时、由使用者设定好的任意的定时等。
形状数据取得部11、加工条件取得部12分别进行刀具信息的取得(形状信息(图像、剖视图)、刀具的材质等)、加工条件的取得(工件的材质、加工内容(平面/侧面等)、转速、切削速度、切削量)(步骤SB02，SB03)。
输入条件观测部110将形状数据取得部11所取得的刀具信息、以及加工条件取得部12所取得的加工条件作为机器学习器10的输入条件而取得。
输入条件存储部120将输入条件观测部110所取得的输入条件存储于未图示的存储器上。
预测加工结果计算部130基于输入条件存储部120所存储的输入条件、以及预测加工结果存储部140所存储的学习内容计算预测加工结果(步骤SB04)。
对于形状数据取得部11、加工条件取得部12、输入条件观测部110、输入条件存储部120、预测加工结果计算部130、以及预测加工结果存储部140的上述的动作，与学习阶段中的各功能单元的动作相同。
刀具更换判定部180基于预测加工结果计算部130所算出的预测加工结果进行刀具更换的判定。刀具更换判定部180参照预测加工结果计算部130所输出的预测加工结果(加工后的工件尺寸与设计值之间的误差、切削刀痕的有无等)，在加工的结果较差的(误差是预先确定好的预定的阈值以上、切削刀痕的数量是预定的数量以上、切削刀痕的尺寸是预定的尺寸以上等)情况下，判定为应该更换刀具(步骤SB05)。
刀具更换指令部14在基于刀具更换判定部180的判定结果判定为应该更换刀具的情况下，指示刀具的更换(步骤SB06)。刀具更换指令部14既可以向机床2输出刀具更换指令来自动更换刀具，也可以对未图示的操作盘的显示装置进行催促更换刀具的显示，使看到该显示的操作者更换刀具。
以上，至此对本发明的实施方式进行了说明，但本发明并不只限定于上述的实施方式的例子，通过施加适当的变更，能够以各种形态实施。
例如，在上述的实施方式中示出了使用多层神经网络作为机器学习器10的例子，作为有教师学习的算法，此外还众所周知有最小二乘法、逐步法、SVM、决策树学习等各种方法，也可以将所述各方法适当采用于本发明的机器学习器10。
另外，如使用图3进行了说明那样，本发明的数值控制装置1需要预先将表示刀具形状的图像编号化而存储，但该编号化也可以以手动作业来进行，但更简便而言，也可以是对多个刀具图像进行基于无教师学习的聚类，基于聚类的结果进行代表图像的决策、针对各代表图像进行编号，从而自动进行该编号化。
而且，在使用了图5～9的说明中，对学习阶段中的数值控制装置1的动作和运用阶段中的数值控制装置1的动作分别单独地进行了说明，但也能够同时进行学习阶段和运用阶段。在这样的情况下，在使用进行了一定程度学习的机器学习器的基础上，进行运用阶段的加工前检查，并且在也取得加工完成后的加工结果信息的基础上，在预测加工结果和实际加工结果出现预先确定好的阈值以上的差值的情况下，对预测加工结果存储部140进行学习即可。

Claims (2)

1.一种数值控制装置，其控制机床，该机床使用刀具来对工件进行加工，其特征在于，
该数值控制装置具备：
形状数据取得部，其取得包括所述刀具的形状所涉及的图像在内的刀具信息；
加工条件取得部，其取得所述加工中的加工条件；
加工结果取得部，其取得所述加工后的工件的包括切削刀痕的有无在内的加工结果所涉及的信息；以及
机器学习器，其将所述刀具信息和所述加工条件作为输入数据，将所述加工结果所涉及的信息作为教师数据，对所述加工结果所涉及的信息相对于所述刀具信息和所述加工条件的趋势进行机器学习来构筑学习模型，
所述机器学习器在所述机床对工件的加工前，基于所述形状数据取得部所取得的刀具信息和所述加工条件取得部所取得的加工条件，使用所述学习模型来对加工结果的好坏进行判定。
2.根据权利要求1所述的数值控制装置，其特征在于，
所述机器学习器利用多层神经网络构筑学习模型。
CN201710791225.7A 2016-09-06 2017-09-05 数值控制装置 Active CN107797516B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-173761 2016-09-06
JP2016173761A JP6557198B2 (ja) 2016-09-06 2016-09-06 数値制御装置

Publications (2)

Publication Number Publication Date
CN107797516A CN107797516A (zh) 2018-03-13
CN107797516B true CN107797516B (zh) 2020-04-14

Family

ID=61197747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710791225.7A Active CN107797516B (zh) 2016-09-06 2017-09-05 数值控制装置

Country Status (4)

Country Link
US (1) US10295986B2 (zh)
JP (1) JP6557198B2 (zh)
CN (1) CN107797516B (zh)
DE (1) DE102017008158A1 (zh)

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6517728B2 (ja) * 2016-05-12 2019-05-22 ファナック株式会社 射出成形機の逆流防止弁の摩耗量推定装置および摩耗量推定方法
JP6756676B2 (ja) 2017-07-27 2020-09-16 ファナック株式会社 製造システム
JP7091820B2 (ja) * 2018-05-14 2022-06-28 オムロン株式会社 制御システム、学習データ作成装置、学習装置および判定装置
JPWO2019239606A1 (ja) * 2018-06-15 2020-06-25 三菱電機株式会社 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム
TWI684080B (zh) * 2018-06-21 2020-02-01 高聖精密機電股份有限公司 智慧型調整系統及其方法
CN112384867B (zh) * 2018-07-11 2021-10-29 三菱电机株式会社 机器学习装置、数控加工程序生成装置及机器学习方法
JP7225626B2 (ja) * 2018-09-20 2023-02-21 株式会社ジェイテクト 研削加工に関する学習モデル生成装置、推定装置および動作指令データ更新装置
JP7441602B2 (ja) * 2018-09-27 2024-03-01 株式会社ジェイテクト 機械加工支援システム及び切削装置
WO2020071162A1 (ja) * 2018-10-01 2020-04-09 株式会社システムスクエア 教師データ生成装置及び教師データ生成プログラム
WO2020084772A1 (ja) 2018-10-26 2020-04-30 三菱電機株式会社 数値制御装置および数値制御方法
DE112018008126T5 (de) * 2018-12-13 2021-07-29 Mitsubishi Electric Corporation Machine-Learning-Vorrichtung, Bearbeitungsprogrammerzeugungsvorrichtung und Machine-Learning-Verfahren
JP7221725B2 (ja) * 2019-02-21 2023-02-14 株式会社牧野フライス製作所 工具選定方法及び装置、並びに、工具経路生成方法
JP6898371B2 (ja) * 2019-02-28 2021-07-07 ファナック株式会社 加工条件調整装置及び加工条件調整システム
JP6608102B1 (ja) * 2019-03-07 2019-11-20 三菱電機株式会社 機械学習装置、数値制御装置、異常推測装置および工作機械の制御システム
JP6949896B2 (ja) * 2019-03-27 2021-10-13 ファナック株式会社 砥石選定装置及び砥石選定方法
CN109940458B (zh) * 2019-04-07 2021-02-02 西北工业大学 一种刀具未来磨损量在线预测方法
JP7120958B2 (ja) * 2019-04-19 2022-08-17 ファナック株式会社 ドレッシング推定装置、及び制御装置
JP7000376B2 (ja) * 2019-04-23 2022-01-19 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
JP7074718B2 (ja) * 2019-04-26 2022-05-24 ファナック株式会社 加工支援装置、数値制御装置、及び加工支援システム
DE102019208624A1 (de) * 2019-06-13 2020-12-17 Deckel Maho Seebach Gmbh Steuervorrichtung zum einsatz an einer numerisch gesteuerten werkzeugmaschine und werkzeugmaschine mit einer steuervorrichtung
DE102019211656A1 (de) * 2019-08-02 2021-02-04 Siemens Aktiengesellschaft Bestimmung eines Verschleißgrades eines Werkzeugs
JP7424777B2 (ja) * 2019-09-13 2024-01-30 ファナック株式会社 機械学習装置、制御装置、生成方法および制御方法
WO2021092490A1 (en) * 2019-11-06 2021-05-14 D.P. Technology Corp. Systems and methods for virtual environment for reinforcement learning in manufacturing
EP3825794A1 (de) * 2019-11-21 2021-05-26 pro-micron GmbH Verfahren für die überwachung und/oder vorhersage von bearbeitungsprozessen und/oder bearbeitungsergebnissen
JP7364452B2 (ja) * 2019-12-13 2023-10-18 ファナック株式会社 機械学習装置、ノズル状態予測装置、及び制御装置
JP7328142B2 (ja) * 2019-12-27 2023-08-16 株式会社日立製作所 プラント制御装置およびその制御方法、圧延機制御装置およびその制御方法並びにプログラム
WO2021144891A1 (ja) * 2020-01-15 2021-07-22 三菱電機株式会社 数値制御装置および数値制御方法
US20230103837A1 (en) * 2020-01-31 2023-04-06 Fanuc Corporation Machine learning device, machined state prediction device, and control device
JP6833090B2 (ja) * 2020-05-22 2021-02-24 三菱電機株式会社 工作機械の加工寸法予測装置、工作機械の加工寸法予測システム、工作機械の設備異常判定装置、工作機械の加工寸法予測方法及びプログラム
AT526214B1 (de) * 2022-05-23 2024-11-15 Fill Gmbh Optimieren einer numerischen Steuerung einer Werkzeugmaschine

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5361308A (en) * 1992-01-10 1994-11-01 General Motors Corporation 3-D measurement of cutting tool wear
US6401004B1 (en) * 1996-11-07 2002-06-04 Kabushiki Kaisha Mori Seiki Seisakusho Method and device for analyzing NC program for NC machining
CN103209806A (zh) * 2010-11-10 2013-07-17 交互式机器系统有限公司 用于操纵机床的辅助系统
CN104850059A (zh) * 2014-02-13 2015-08-19 发那科株式会社 防止加工条件变更后的误加工的数值控制装置
CN105302068A (zh) * 2015-11-12 2016-02-03 西安交通大学 一种提高机床加工精度的设计方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000198047A (ja) * 1999-01-08 2000-07-18 Okuma Corp 工作機械
JP4583415B2 (ja) * 2007-02-15 2010-11-17 株式会社神戸製鋼所 工具磨耗の予測方法、工具磨耗予測プログラム、および工具摩耗予測システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5361308A (en) * 1992-01-10 1994-11-01 General Motors Corporation 3-D measurement of cutting tool wear
US6401004B1 (en) * 1996-11-07 2002-06-04 Kabushiki Kaisha Mori Seiki Seisakusho Method and device for analyzing NC program for NC machining
CN103209806A (zh) * 2010-11-10 2013-07-17 交互式机器系统有限公司 用于操纵机床的辅助系统
CN104850059A (zh) * 2014-02-13 2015-08-19 发那科株式会社 防止加工条件变更后的误加工的数值控制装置
CN105302068A (zh) * 2015-11-12 2016-02-03 西安交通大学 一种提高机床加工精度的设计方法

Also Published As

Publication number Publication date
DE102017008158A1 (de) 2018-03-08
CN107797516A (zh) 2018-03-13
JP6557198B2 (ja) 2019-08-07
US10295986B2 (en) 2019-05-21
US20180067471A1 (en) 2018-03-08
JP2018041208A (ja) 2018-03-15

Similar Documents

Publication Publication Date Title
CN107797516B (zh) 数值控制装置
US10121107B2 (en) Machine learning device and method for optimizing frequency of tool compensation of machine tool, and machine tool having the machine learning device
JP6680756B2 (ja) 制御装置及び機械学習装置
DE102018108780B4 (de) Bearbeitungsflächenqualitätsbewertungsvorrichtung
JP6693919B2 (ja) 制御装置及び機械学習装置
JP6659652B2 (ja) 加工条件調整装置及び機械学習装置
US20180307203A1 (en) Machining defect factor estimation device
JP6499710B2 (ja) 加減速制御装置
CN111687652B (zh) 握持力调整装置以及握持力调整系统
JP6557285B2 (ja) 制御装置及び機械学習装置
CN110347120A (zh) 控制装置以及机器学习装置
JP6348138B2 (ja) 製造セルの稼働率を向上させる製造管理システム
JP2019111637A (ja) 切粉除去装置及び情報処理装置
JP6781242B2 (ja) 制御装置、機械学習装置及びシステム
TWI684080B (zh) 智慧型調整系統及其方法
US10386814B2 (en) Machining status display apparatus, and NC program generating apparatus and NC program editing apparatus provided with the same
US10160052B2 (en) Keyway machining path creating device for wire electric discharge machine
EP3459714A1 (en) Method and apparatus for monitoring a quality of an object of a 3d-print-job series of identical objects
US20220378560A1 (en) Dental machining system for predicting the wear condition of a dental tool
CN109690431B (zh) 用于估计误差传播的方法
CN110174871B (zh) 控制装置、机器学习装置以及系统
EP3807731B1 (en) Workpiece surface quality issues detection
US20210239563A1 (en) System of indirect estimation of the condition of wear of a cutting tool
KR20200056635A (ko) 지능형 가공 시뮬레이션을 이용한 가공 공정 모니터링 시스템 및 이를 이용한 모니터링 방법
US20230305520A1 (en) Tool diagnostic device and tool diagnostic method

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