CN108145516A - 机床和机械学习装置 - Google Patents

机床和机械学习装置 Download PDF

Info

Publication number
CN108145516A
CN108145516A CN201711262786.4A CN201711262786A CN108145516A CN 108145516 A CN108145516 A CN 108145516A CN 201711262786 A CN201711262786 A CN 201711262786A CN 108145516 A CN108145516 A CN 108145516A
Authority
CN
China
Prior art keywords
lathe
main shaft
manual operation
relevant information
cutter
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
Application number
CN201711262786.4A
Other languages
English (en)
Other versions
CN108145516B (zh
Inventor
奥田真司
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 CN108145516A publication Critical patent/CN108145516A/zh
Application granted granted Critical
Publication of CN108145516B publication Critical patent/CN108145516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q11/00—Accessories fitted to machine tools for keeping tools or parts of the machine in good working condition or for cooling work; Safety devices specially combined with or arranged in, or specially adapted for use in connection with, machine tools
    • B23Q11/0078—Safety devices protecting the operator, e.g. against accident or noise
    • B23Q11/0089—Safety devices protecting the operator, e.g. against accident or noise actuating operator protecting means, e.g. closing a cover element, producing an alarm signal
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • 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
    • G05B19/4061—Avoiding collision or forbidden zones
    • 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
    • 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
    • G05B2219/49141—Detect near collision and slow, stop, inhibit movement tool

Landscapes

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

Abstract

本发明提供一种机床和机械学习装置。机床从机床正在进行加工和手动操作时所记录的日志数据取得与手动操作相关的信息，基于所取得的该信息来生成输入数据，另外，从日志数据取得进行了手动操作之际的主轴或刀具有无碰撞所相关的信息，基于所取得的该信息生成教师数据。并且，利用这些所生成的输入数据和教师数据，进行有教师学习，并构筑学习模型。

Description

机床和机械学习装置
技术领域
本发明涉及一种预测主轴碰撞的机床和机械学习装置。
背景技术
在机床中，存在由于操作者的操作失误而使主轴与工件、夹具等碰撞的情况，存在由于该碰撞的程度不同而导致主轴损伤、需要更换零部件的情况。对于操作者的操作失误，考虑了准备时的机械操作失误、刀具信息设定、工件坐标位置设定的失误、与夹具的干扰，并且考虑了自动运转过程中的手动介入操作后的程序重启作业的失误等。
作为用于检测机床的异常的现有技术，在例如日本特开2007-272545号公报中公开有如下技术：存储程序的各程序段的停止点，在此次加工时各停止点的位置与前次加工时不相同的情况下，判断为产生了一些异常，向使用者报告异常。在日本特开2007-272545号公报所公开的技术中，能够迅速地检测在机床的动作上无法确认的不良情况，因此，能够将在异常下所加工的零部件加工不良防患于未然，另外，通过存储操作履历，能够显示产生了不良情况之际的异常操作，并能够分析异常原因。
另外，在日本特开平11-170142号公报中公开有如下技术：在主轴头安装有加速度传感器，通过将该加速度传感器的检测值与预先设定好的阈值进行比较，对刀具的异常的不平衡等在主轴产生了异常的情况进行检测，并报知操作者。而且，在日本特开2014-164542号公报公开有如下技术：在主轴头、滑块、滑鞍等移动体中带有非接触的距离传感器，在判断为该距离传感器的检测值比预先设定好的值小时，发出警告，使所述移动体的移动速度减速，使移动停止。
一般而言，在操作者正在对机床进行操作时，对主轴发生了碰撞的异常与其他异常加以区别而直接检测是困难的，根据从伺服电动机的电流、扭矩等检测到的伺服轴的异常负荷检测警报的履历，间接地推定主轴碰撞的有无。然而，若主轴发生了碰撞，则如上所述那样产生更换零部件的需要且在更换完成之前机床无法利用这样的维护成本，因此，期望的是能够将由操作者的操作失误导致的主轴的碰撞等防患于未然的结构。
针对这样的问题，日本特开2007-272545号公报、日本特开平11-170142号公报所公开的技术仅仅是在实际上产生了异常之际能够提前检测到该异常、或能够随后分析异常操作，无法基于操作者所进行的操作来预测要产生异常的状况。另外，通过使用日本特开2014-164542号公报所公开的技术，能够进行主轴头等移动体的碰撞的检测，但存在无法检测被把持在主轴前端的刀具与位于加工区域的工件之间的碰撞这样的问题。
发明内容
因此，本发明的目的在于，提供一种能够根据机床中的操作者的操作履历，来预测要产生伺服轴的异常负荷检测警报的状况，并警告主轴碰撞的机床和机械学习装置。
在本发明中，通过如下方案解决上述问题，该方案是，根据不产生伺服轴的异常负荷检测警报时的操作履历、以及产生了伺服轴的异常负荷检测警报之际的前面紧挨着的操作履历，对开始了手动操作时的状态下的使用者的特有的操作进行机械学习，使用作为其机械学习的结果所获得的学习模型，而对产生伺服轴的异常负荷检测警报的操作进行预测，对好像要产生伺服轴的异常负荷检测警报进行判定而进行警告通知。
本发明的机床基于加工程序对至少1个轴进行控制，从而使具备刀具的主轴相对于工件相对移动而对所述工件进行加工。该机床具备机械学习装置，该机械学习装置预测针对中断所述加工而通过手动操作进行的所述轴的操作，所述主轴或所述刀具与所述工件或把持所述工件的夹具或所述机床的构成要素之间有无碰撞。并且，该机械学习装置具备：学习模型存储部，其存储通过有教师学习而构筑的学习模型，该有教师学习是通过基于与所述手动操作相关的信息的输入数据、和基于进行了所述手动操作时的所述主轴或所述刀具有无碰撞所相关的信息的教师数据而进行的；状态观测部，其在所述机床的手动操作时取得涉及该手动操作的信息，基于所取得的涉及所述手动操作的信息生成输入数据；预测部，其使用所述学习模型，根据所述状态观测部所生成的输入数据预测所述主轴或所述刀具的碰撞的有无。
所述机床还具备：警报部，其基于由所述机械学习装置作出的所述主轴或所述刀具有无碰撞的预测结果，来输出警报。
所述机床能够在与至少另一个机床之间共享被存储于所述学习模型存储部的学习模型。
在本发明的机械学习装置中，学习在基于加工程序对至少1个轴进行控制由此使具备刀具的主轴相对于工件相对移动来对所述工件进行加工的机床中，针对中断所述加工而通过手动操作进行的所述轴的操作，所述主轴或所述刀具与所述工件或把持所述工件的夹具或所述机床的构成要素之间有无碰撞。
并且，该机械学习装置的第1形态具备：状态观测部，其从所述机床正在进行所述加工和所述手动操作时所记录的日志数据，取得涉及所述手动操作的信息，基于所取得的涉及所述手动操作的信息生成输入数据；标签取得部，其从所述机床正在进行所述加工和所述手动操作时所记录的日志数据，取得进行了所述手动操作之际的所述主轴或所述刀具有无碰撞所相关的信息，基于所取得的所述主轴或所述刀具的碰撞的有无所相关的信息生成教师数据；学习部，其利用所述状态观测部所生成的输入数据和所述标签取得部所生成的教师数据进行有教师学习，构筑学习模型；学习模型存储部，其存储所述学习模型。
所述机械学习装置能够在与至少一个其他机械学习装置之间共享被存储于所述学习模型存储部的学习模型。
另外，该机械学习装置的第2形态具备：学习模型存储部，其存储通过有教师学习而构筑的学习模型，该有教师学习是通过基于与所述手动操作相关的信息的输入数据、和基于进行了所述手动操作时的所述主轴或所述刀具有无碰撞所相关的信息的教师数据而进行的；其在所述机床的手动操作时，取得与该手动操作相关的信息，并基于所取得的所述手动操作所相关的信息来生成输入数据；以及预测部，其使用所述学习模型，根据所述状态观测部所生成的输入数据来预测所述主轴或所述刀具有无碰撞。
所述机械学习装置能够在与至少一个其他机械学习装置之间共享被存储于所述学习模型存储部的学习模型。
根据本发明，在由操作者进行的机床的手动操作时，可对由该操作引起主轴碰撞的情况进行预测而通知警告，并能够防止由主轴的碰撞导致的维护成本的产生。
附图说明
图1是本发明的一实施方式的机械学习装置学习时的概略功能框图。
图2是对图1的机械学习装置用于学习的输入数据的取得方法进行说明的图(1)。
图3是对图1的机械学习装置用于学习的输入数据的取得方法进行说明的图(2)。
图4是对图1的机械学习装置用于学习的输入数据的取得方法进行说明的图(3)。
图5是表示将多层神经网络用作学习模型的情况的例子的图。
图6是对数值化后的输入数据的生成方法进行说明的图。
图7是本发明的一实施方式的机械学习装置的主轴碰撞的预测时的概略功能框图。
具体实施方式
图1是本发明的一实施方式的学习时的机械学习装置、以及该机械学习装置在学习中所使用的机床的概略的功能框图。
本实施方式的机械学习装置110基于从1个或1个以上的机床1收集而存储到日志数据存储部200的日志数据来进行机械学习。
具备数值控制功能的机床1以处理器10为中心地构成。处理器10按照被储存到ROM11的系统程序而对机床1整体进行控制。该ROM11使用EPROM或者EEPROM。
对于RAM12，使用DRAM等，储存暂时的计算数据、显示数据、输入输出信号等。对于非易失性存储器13，使用可通过未图示的蓄电池进行备份的CMOS、SRAM，存储在电源切断后也应该保持的参数、加工程序、刀具修正数据等。另外，在非易失性存储器13中存储随后论述的与机床1的动作相关的日志数据。
机械操作盘18配置于机床1的前表面等，被使用于与机床1的运转相关的数据和图形的显示、操作者的手动操作输入、数据输入等的接受、机床1的运转。图形控制电路19将数值数据和图形数据等数字信号转换成显示用的光栅信号，向显示装置20发送，显示装置20显示这些数值和图形。显示装置20主要使用液晶显示装置。
输入装置21由按键开关、旋转开关、具备数值键、符号键、文字键以及功能键的键盘、鼠标等定点设备构成。对于输入装置21所具备的按键开关，存在指定作为手动控制对象的轴的开关、指定作为手动控制对象的轴的移动速度的开关等，操作者能够并用(同时使用)这些按键开关和指令轴的移动量的旋转开关，而以手动使机床1所具备的各轴移动。
触摸面板22具备对由操作者进行的触摸、拖曳等操作进行检测的功能。触摸面板22重叠地配置于显示装置20的画面上，通过触摸面板22能够检测操作者对显示到显示装置20的画面上的软件键、软件按钮、软件开关所进行的操作。此外，也可以将触摸面板22和显示装置20合起来构成为1个装置。
轴控制电路14接受来自处理器10的轴的移动指令而将轴的移动指令向伺服放大器15输出。伺服放大器15对该移动指令进行放大，对与机床1的各轴结合起来的伺服电动机进行驱动，对机床1的刀具与工件之间的相对运动进行控制。另外，虽在图1中省略，但在伺服电动机中内置有位置/速度检测器，来自该位置/速度检测器的位置/速度反馈信号被向轴控制电路14反馈。此外，在图1中仅表示了与1轴相应的量，但轴控制电路14和伺服放大器15设置有与伺服电动机的轴数相对应的数。
可编程的机床控制器(PMC)16从处理器10经由总线17接收M(辅助)功能信号、S(主轴速度控制)功能信号、T(刀具选择)功能信号等。并且，利用序列程序对这些信号进行处理，将输出信号输出，对机床1内外的气压设备、液压设备、电磁致动器等的动作等进行控制。另外，接受来自设置于机床1内的各部的开关、传感器等的各种信号，进行序列处理，经由总线17向处理器10传输所需要的输入信号。
此外，在图1中省略了主轴电动机控制电路和主轴电动机用放大器等。
在机床1中，利用上述的构成对机床1所具备的各轴进行控制而进行工件的加工，并且，基于从机床1的各部获得的信号(来自传感器的输入等)、来自伺服电动机、主轴电动机的电流、电压、位置、速度等的反馈、和当前进行着的加工所用的加工程序、设计数据、各设定值、机械操作盘18的操作履历等，生成与机床1的动作相关的日志数据而存储于非易失性存储器13。
以针对各信号值、各反馈值、执行中的加工程序、设计数据、各设定值、机械操作盘18的操作履历等以能够把握时间序列的方式，生成日志数据。另外，日志数据包含对机床1进行操作的操作者、在机床1产生了异常之际进行应对的维护人员经由机械操作盘18所输入的各种信息(作业者的ID、各作业阶段、异常产生时的异常原因所相关的信息的输入等)。
如此存储到非易失性存储器13的日志数据经由网络等、或经由机床的维护人员等作业者所携带的外部存储装置等，被收集到日志数据存储部200。该收集既可以在每次日志数据被生成时依次进行，也可以隔开适当的期间而定期地进行。
日志数据存储部200也可以构筑为一般的数据库。日志数据存储部200也可以与有线/无线的网络连接，在该情况下，也可以是，能够从机床1经由网络而取得日志数据。
机械学习装置110基于如上所述那样从1个或1个以上的机床1收集并存储到日志数据存储部200的日志数据，来进行机械学习。在对该机械学习装置110所具备的各构成进行说明之前，以下说明机械学习装置110所要进行的学习的概要。
图2和图3是说明图1的机械学习装置110所进行的学习的概要的图。
本实施方式的机械学习装置110根据存储到日志数据存储部200的日志数据中生成如下数据，作为手动操作的信息：
(i)“因操作者的手动操作失误而主轴发生了碰撞的情况的输入数据”；以及
(ii)“没有由操作者的手动操作失误导致的主轴的碰撞的情况的输入数据”，
使用所生成的该手动操作所相关的信息进行机械学习。期望的是，使用基于大量的日志数据而大量地生成的与手动操作相关的信息，来进行机械学习装置110的学习。机械学习装置110的学习不必一次进行，也可以分成多次地在每次收集日志数据时进行。
也可以根据存储到日志数据存储部200的日志数据中的数据，基于操作者的手动操作运转中产生了异常的时间点的前后的日志数据，生成与手动操作相关的信息。例如，在手动运转中因操作失误使主轴产生了碰撞的情况下，在日志数据中记录产生了异常的内容，并且，之后由操作者或进行机床1的修理的维护人员从机械操作盘18输入“异常原因：主轴碰撞”这样的信息，并记录于日志数据。在这样的情况下，基于该“异常原因：主轴碰撞”所输入的时间点以前的日志数据，生成“因操作者的手动操作失误使主轴产生了碰撞时的输入数据”。
如图2所示，与手动操作相关的信息包含：表示开始了手动操作时的状态的信息、和表示操作者的操作履历的信息。
表示开始了手动操作时的状态的信息也可以包含：以当前进行着的加工的“加工类别”、在手动操作开始的时间点设定的“机械的模态信息”、在手动操作开始的时间点安装于主轴“当前的刀具”、在手动操作开始的时间点设定的“刀具偏置值(刀具偏移值)”、手动操作开时的“主轴旋转中信号”、手动操作开始时的“主轴的坐标值”、在即将开始手动操作之前所中断的“执行中的程序编号”以及“程序执行位置”等信息。
另外，表示操作者的操作履历的信息包括：操作者对按键开关等的操作信息、对机械进行的手动设定。操作者对按键开关的操作也可以包含：机械罩的开闭等“周边设备的操作”、“移动的轴的指定”、“轴的移动方向的指定”等，另外，对机械进行的手动设定也可以包含“轴的移动速度的指定”、“刀具长度设定”等。
能够从1组日志数据中取得多个与手动操作相关的信息。图3是表示基于日志数据生成的与手动操作相关的信息的例子的图。
在图3的例子中，示出了如下例子：在正在使用铣刀1这样的刀具而进行铣削加工的过程中，机械的自动运转中断而进行手动操作，第i次操作之后主轴发生了碰撞。
在本实施方式中，如图3所示，在日志数据中记录有进行了i次操作的主旨的情况下，根据该日志数据生成包括直到第1次为止的操作履历的与手动操作相关的信息(与手动操作相关的信息1)、包括直到第2次为止的操作履历的与手动操作相关的信息(与手动操作相关的信息2)、…、包括直到第(i-1)次为止的操作履历的与手动操作相关的信息(与手动操作相关的信息(i-1))、包括直到第i次为止的操作履历的与手动操作相关的信息(与手动操作相关的信息i)。
并且，将与手动操作相关的信息1～(i-1)设为“没有因操作者的手动操作失误导致主轴的碰撞时的输入数据”，与作为教师数据(标签数据)的“主轴碰撞的有无：没有碰撞”的信息一起输入给机械学习装置110，另外，将与手动操作相关的信息i设为“因操作者的手动操作失误使主轴发生了碰撞时的输入数据”，与作为教师数据(标签数据)的“主轴碰撞的有无：有碰撞”的信息一起输入给机械学习装置110。
另一方面，也可以根据存储到日志数据存储部200的日志数据中的数据，基于操作者的手动操作运转中没有产生异常前后的日志数据，生成与手动操作相关的信息。也可以是，例如自动运转被中断，进行操作者的手动操作，根据之后不产生异常、顺利地再次开始自动运转时的日志数据而生成。在该情况下，如图4所示，与手动操作相关的信息也包含表示开始了手动操作时的状态的信息和表示操作者的操作履历的信息。针对这些信息所包含的各信息，与利用图2和图3中进行了说明的信息相同。将这些与手动操作相关的信息设为“没有因操作者的手动操作失误导致主轴的碰撞时的输入数据”，与作为教师数据(标签数据)的“主轴碰撞的有无：无碰撞”的信息一起输入给机械学习装置110。
接着，对机械学习装置110所具备的各构成进行说明。如图1所示，机械学习装置110具备学习部111、状态观测部112、标签取得部113、以及学习模型存储部114。
学习部111基于状态观测部112所取得的与手动操作相关的信息(输入数据)、以及标签取得部113所取得的与主轴有无碰撞相关的信息(教师数据，也称为标签)，进行有教师学习，构筑学习模型而存储于学习模型存储部114。学习部111所构筑的学习模型如随后论述那样被利用于主轴碰撞的预测。学习部111所构筑的学习模型只要是可根据在图2～图4等中所示的输入数据和教师数据而进行主轴碰撞的预测的学习模型，就也可以使用任意的学习模型。能够使用例如随后论述的多层神经网络、贝叶斯网络等。
作为一个例子，在例如将图5所示那样的多层神经网络用作学习模型的情况下，作为输入数据，提供与在机床1中进行的手动操作相关的信息，且作为教师数据，提供表示进行了该手动操作之际的主轴碰撞产生的有无的信息，利用深层学习等方法进行学习。此外，针对公知的神经网络、深层学习等的详细情况，省略本说明书中的说明。
状态观测部112根据被存储于日志数据存储部200的日志数据中的数据，生成与手动操作相关的信息(输入数据)，将所生成的该输入数据向学习部111输出。状态观测部112在日志数据内以数值表示了作为输入数据的生成对象的信息的情况下(例如，刀具偏置值、主轴的坐标值、主轴的移动速度等)，也可以将该信息直接包含于输入数据。另外，也可以是，状态观测部112在日志数据内以字符串等除了数值以外的信息表示了成为输入数据的生成对象的信息的情况下(例如，加工类别、当前的刀具、机械的模态信息、主轴旋转中信号等)，将例如图6所示那样的转换表预先存储于未图示的存储器上，使用该转换表来将除了数值以外的信息进行数值化，而包含于输入数据。
而且，状态观测部112也可以针对与手动操作相关的信息所包含的若干个信息，进行基于其他转换方法的转换，生成输入数据所包含的数据。具体而言，针对表示开始了手动操作时的状态的信息，可以转换成更适于表示开始了手动操作时的状态的形式，另外，针对表示操作履历的信息，可以转换成更适于表示操作履历模式的差异的形式。
例如，也可以是，针对表示操作履历的信息，如以下的(1)式所示，利用设开始了手动操作的时间点的状态为q0、设进行了手动操作的状态为q0～qn-1、设各操作为x0～xm-1的状态跃迁式来表述，将输入了某一操作的系列时的状态的下标作为机械学习器的1个输入。如此一来，通过将从日志数据所包含的操作的履历中提出来的操作的系列进行数值化，能够将作为表示操作履历的信息具有恒定的意义的信息包含于输入数据。
δ(用户的操作，当前状态)＝下一状态
x＝(x0,x1,...,xm-1):用户的操作(输入)
q＝(q0,q1,...,qn-1):状态(输入)
q0:初始状态...(1)
标签取得部113基于存储于日志数据存储部200的日志数据，与状态观测部112生成输入数据同步地生成与该输入数据相对应的教师数据(与主轴碰撞的有无相关的信息)，将所生成的该教师数据向学习部111输出。
利用以上的构成，机械学习装置110能够针对如下内容进行学习，并构筑学习模型，该内容是：在由操作者在机床1中进行了手动操作之际，在怎样的状态下操作者进行怎样的操作时会产生主轴的碰撞。
接着，对使用所构筑的学习模型来预测主轴的碰撞的机械学习装置110进行说明。
图7是本发明的一实施方式的机械学习装置的主轴碰撞的预测时的概略的功能框图。
本实施方式的机械学习装置110与作为环境的机床1之间经由PMC16而连接来使用。此外，在图7中，仅示出PMC16和警报部23作为机床1所具备的功能块，但实际上设置有图1所示的机床1所具备的各部。
机械学习装置110具备状态观测部112、学习模型存储部114、以及预测部115。
当在机床1中进行基于加工程序的加工、且该加工程序的执行被中断、并进行操作者的手动操作的过程中，状态观测部112经由PMC16取得在上述说明的学习时用作输入数据的与手动操作相关的信息，基于所取得的该信息生成输入数据而向预测部115输出。状态观测部112将表示操作者开始了手动操作时的状态的信息、以及从操作者开始了手动操作的时间点起对机械操作盘18等进行操作而进行的键操作、手动设定等，作为操作的系列存储于未图示的存储器，每次基于所存储的各信息而进行操作者的手动操作时，都生成输入数据而向预测部115输出。状态观测部112针对从PMC16所取得的与手动操作相关的信息，与学习时同样地进行数值化等转换处理。
预测部115基于从状态观测部112输入的输入数据，进行使用了被存储到学习模型存储部114的学习模型的主轴碰撞的预测。
作为一个例子，在将图5中所示的多层神经网络用作学习模型的情况下，将根据所取得的与手动操作相关的信息而生成的输入数据提供给多层神经网络，从而输出主轴碰撞的有无的预测值。
如此一来，预测部115对由操作者所按压的按键开关的操作是否引起主轴的碰撞进行预测，将作为其预测的结果的预测值向机床1的PMC16输出。PMC16在从预测部115输入来的主轴碰撞的预测值是表示主轴碰撞的值的情况下，向警报部23发出指令，以发出警报。
当警报部23被从PMC16指令以便发出警报时，则利用配置在机械操作盘18的灯、显示装置20的显示、声音等，将由于该操作而存在主轴碰撞的可能性的情况通知操作者。警报部23除了发出警报以外，也可以对轴控制电路14发出指令，以使由操作者的手动操作进行的轴移动停止、或使轴的移动速度变慢。
如此，机械学习装置110通过使用作为基于在1个或1个以上的机床1中进行的操作者手动操作的信息的学习结果而得到的学习模型，在实际上在机床1中进行了操作者的手动操作之际，对是否由于该手动操作引起主轴的碰撞进行预测。并且，在机械学习装置110预测为会引起主轴的碰撞之际，机床1能够接受该预测结果而向操作者发出警报，使由操作者的手动操作进行的轴移动停止而防止主轴的碰撞于未然。
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，能够通过施加适当的变更，以各种形态实施。
在上述的实施方式中，示出了1台机械学习装置110中的学习和利用的形态，但学习部111所构筑而存储于学习模型存储部114的学习模型自身是表示学习结果的数据的集合，因此，也能够构成为经由例如未图示的外部存储装置、网络等在与其他机械学习装置110之间共享学习模型。在如此构成的情况下，在学习中，在多个机械学习装置110之间共享一个学习模型的状态下，各机械学习装置110并列地进行学习，能够缩短直到学习完成所花费的时间，另一方面，在学习模型的利用中，也能够使用所共享的学习模型而由多个机械学习装置110分别进行主轴碰撞的预测。针对学习模型的共享方法，并不限定于特定的方法。也可以将学习模型存储于例如工厂的主计算机内而由各机械学习装置110共享，也能够构成为，将学习模型存储于厂商所设置的服务器上，能够在顾客的机械学习装置之间共享。
另外，在上述的实施方式中，对学习时和预测时的机械学习装置110的构成个别地进行了说明，但也可以设为机械学习装置110是同时具备学习时的构成和预测时的构成的装置。在如此设置的情况下，机械学习装置110能够在机床1正在进行操作者的手动操作时进行使用了学习模型的主轴碰撞的预测、同时学习部111进行进一步追加的学习。
而且，在上述的实施方式中，对作为教师数据的“主轴碰撞的有无：有碰撞”、“主轴碰撞的有无：无碰撞”这两个值直接进行学习，但也能够基于碰撞产生的频度，作为要碰撞的概率而进行学习。也可以是，在进行了这样的学习的情况下，上述的警报部23在引起主轴碰撞的概率比第1阈值α大的情况下向操作者发出警报，在比作为大于第1阈值α的概率的第2阈值β大的情况下，使由操作者的手动操作进行的轴移动停止、或使轴的移动速度变慢。

Claims (6)

1.一种机床，通过基于加工程序对至少1个轴进行控制，使具备刀具的主轴相对于工件相对移动来对所述工件进行加工，其特征在于，
该机床具备机械学习装置，该机械学习装置预测针对中断所述加工而通过手动操作进行的所述轴的操作，所述主轴或所述刀具与所述工件或把持所述工件的夹具或所述机床的构成要素之间有无碰撞，
所述机械学习装置具备：
学习模型存储部，其存储通过有教师学习而构筑的学习模型，该有教师学习是通过基于与所述手动操作相关的信息的输入数据、和基于进行了所述手动操作时的所述主轴或所述刀具有无碰撞所相关的信息的教师数据而进行的；
状态观测部，其在所述机床的手动操作时，取得与该手动操作相关的信息，并基于所取得的所述手动操作所相关的信息来生成输入数据；以及
预测部，其使用所述学习模型，根据所述状态观测部所生成的输入数据来预测所述主轴或所述刀具有无碰撞。
2.根据权利要求1所述的机床，其特征在于，
该机床还具备：警报部，其基于由所述机械学习装置作出的所述主轴或所述刀具有无碰撞的预测结果，来输出警报。
3.根据权利要求2所述的机床，其特征在于，
该机床在与其他至少1个机床之间共享在所述学习模型存储部中存储的学习模型。
4.一种机械学习装置，其学习在基于加工程序对至少1个轴进行控制由此使具备刀具的主轴相对于工件相对移动来对所述工件进行加工的机床中，针对中断所述加工而通过手动操作进行的所述轴的操作，所述主轴或所述刀具与所述工件或把持所述工件的夹具或所述机床的构成要素之间有无碰撞，其特征在于，
该机械学习装置具备：
状态观测部，其从所述机床正在进行所述加工和所述手动操作时所记录的日志数据中，取得与所述手动操作相关的信息，并基于所取得的与所述手动操作相关的信息来生成输入数据；
标签取得部，其从所述机床正在进行所述加工和所述手动操作时所记录的日志数据中，取得进行了所述手动操作时的所述主轴或所述刀具有无碰撞所相关的信息，并基于所取得的所述主轴或所述刀具有无碰撞所相关的信息来生成教师数据；
学习部，其通过所述状态观测部所生成的输入数据和所述标签取得部所生成的教师数据来进行有教师学习，并构筑学习模型；以及
学习模型存储部，其存储所述学习模型。
5.一种机械学习装置，其预测在基于加工程序对至少1个轴进行控制由此使具备刀具的主轴相对于工件相对移动而对所述工件进行加工的机床中，针对中断所述加工而通过手动操作进行的所述轴的操作，所述主轴或所述刀具与所述工件或把持所述工件的夹具或所述机床的构成要素之间有无碰撞，其特征在于，
该机械学习装置具备：
学习模型存储部，其存储通过有教师学习而构筑的学习模型，该有教师学习是通过基于与所述手动操作相关的信息的输入数据、和基于进行了所述手动操作时的所述主轴或所述刀具有无碰撞所相关的信息的教师数据而进行的；
状态观测部，其在所述机床的手动操作时，取得与该手动操作相关的信息，并基于所取得的所述手动操作所相关的信息来生成输入数据；以及
预测部，其使用所述学习模型，根据所述状态观测部所生成的输入数据来预测所述主轴或所述刀具有无碰撞。
6.根据权利要求4或5所述的机械学习装置，其特征在于，
该机械学习装置在与至少1个其他的机械学习装置之间共享在所述学习模型存储部中存储的学习模型。
CN201711262786.4A 2016-12-05 2017-12-04 机床和机械学习装置 Active CN108145516B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-235976 2016-12-05
JP2016235976A JP6346253B2 (ja) 2016-12-05 2016-12-05 工作機械及び機械学習装置

Publications (2)

Publication Number Publication Date
CN108145516A true CN108145516A (zh) 2018-06-12
CN108145516B CN108145516B (zh) 2019-08-27

Family

ID=62164141

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711262786.4A Active CN108145516B (zh) 2016-12-05 2017-12-04 机床和机械学习装置

Country Status (4)

Country Link
US (1) US10514667B2 (zh)
JP (1) JP6346253B2 (zh)
CN (1) CN108145516B (zh)
DE (1) DE102017128053A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110727240A (zh) * 2018-07-17 2020-01-24 发那科株式会社 数值控制装置
CN114144280A (zh) * 2019-06-13 2022-03-04 德克尔马霍泽巴赫有限公司 在数控机床上使用的控制装置，以及包括控制装置的机床

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6781242B2 (ja) * 2018-02-19 2020-11-04 ファナック株式会社 制御装置、機械学習装置及びシステム
JP7216986B2 (ja) * 2018-08-27 2023-02-02 有限会社藤川樹脂 画像生成装置、画像生成表示システム及び画像生成方法
JP6856591B2 (ja) * 2018-09-11 2021-04-07 ファナック株式会社 制御装置、ｃｎｃ装置及び制御装置の制御方法
JP6816087B2 (ja) * 2018-11-02 2021-01-20 ファナック株式会社 ロボットのアラーム通知システム
KR102335356B1 (ko) 2019-10-07 2021-12-03 현대자동차 주식회사 체결공구 시스템 및 그 제어 방법
JP7364431B2 (ja) * 2019-11-06 2023-10-18 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
CN113495528A (zh) * 2020-04-07 2021-10-12 沈机（上海）智能系统研发设计有限公司 非侵入式机床动态性能检测方法、系统、终端及装置
TWI742709B (zh) * 2020-06-04 2021-10-11 國立成功大學 預測機台加工事件發生的方法與其虛擬量測應用及其電腦程式產品
US20240201650A1 (en) * 2021-05-17 2024-06-20 Fanuc Corporation Operational status display device and computer-readable storage medium
JP7089810B1 (ja) 2021-08-24 2022-06-23 上野精機株式会社 電子部品の処理装置
DE102021129148A1 (de) * 2021-11-09 2023-05-11 TRUMPF Werkzeugmaschinen SE + Co. KG Verfahren und Vorrichtung zur Kollisionsvermeidung bei der Werkstückbearbeitung durch eine mehrachsige Bearbeitungsmaschine

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1166960A2 (en) * 2000-06-19 2002-01-02 Murata Kikai Kabushiki Kaisha Processing machine with abnormal-load detecting function
CN1815395A (zh) * 2005-02-02 2006-08-09 发那科株式会社 数字控制器
JP2007286688A (ja) * 2006-04-12 2007-11-01 Nakamura Tome Precision Ind Co Ltd 工作機械の干渉検出方法及び制御装置
CN101893873A (zh) * 2009-04-06 2010-11-24 Dmg电子有限公司 产生用于控制机床上的刀具的控制数据的方法和装置
CN102615551A (zh) * 2011-01-31 2012-08-01 德克尔马霍普夫龙滕有限公司 一种设有碰撞监测装置的机床
CN102754039A (zh) * 2010-08-06 2012-10-24 菲迪亚股份公司 一个用于数控机床的预测控制和虚拟显示系统
CN104981323A (zh) * 2013-03-07 2015-10-14 三菱重工业株式会社 机床的异常诊断装置及异常诊断方法
WO2016069357A1 (en) * 2014-10-31 2016-05-06 Underwriters Laboratories Inc. Method and apparatus to test an automatic stop safety feature of a rotary saw
WO2016118815A1 (en) * 2015-01-22 2016-07-28 Preferred Networks, Inc. Machine learning heterogeneous edge device, method, and system
JP5969676B1 (ja) * 2015-09-30 2016-08-17 ファナック株式会社 工作機械の工具補正の頻度を最適化する機械学習装置及び機械学習方法、並びに該機械学習装置を備えた工作機械
JP5997330B1 (ja) * 2015-07-31 2016-09-28 ファナック株式会社 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法
CN106202767A (zh) * 2016-07-18 2016-12-07 西安交通大学 一种数控机床实时防碰撞方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11170142A (ja) 1997-12-11 1999-06-29 Yamazaki Mazak Corp 主軸異常監視装置
JP2007272545A (ja) 2006-03-31 2007-10-18 Brother Ind Ltd 数値制御装置及び数値制御装置による異常処理方法
DE102006043390B4 (de) 2006-09-15 2010-05-27 Dmg Electronics Gmbh Vorrichtung und Verfahren zur Simulation eines Ablaufs zur Bearbeitung eines Werkstücks an einer Werkzeugmaschine
JP6175249B2 (ja) 2013-02-26 2017-08-02 三菱重工工作機械株式会社 工作機械の衝突回避システム

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1166960A2 (en) * 2000-06-19 2002-01-02 Murata Kikai Kabushiki Kaisha Processing machine with abnormal-load detecting function
CN1815395A (zh) * 2005-02-02 2006-08-09 发那科株式会社 数字控制器
JP2007286688A (ja) * 2006-04-12 2007-11-01 Nakamura Tome Precision Ind Co Ltd 工作機械の干渉検出方法及び制御装置
CN101893873A (zh) * 2009-04-06 2010-11-24 Dmg电子有限公司 产生用于控制机床上的刀具的控制数据的方法和装置
CN102754039A (zh) * 2010-08-06 2012-10-24 菲迪亚股份公司 一个用于数控机床的预测控制和虚拟显示系统
CN102615551A (zh) * 2011-01-31 2012-08-01 德克尔马霍普夫龙滕有限公司 一种设有碰撞监测装置的机床
CN104981323A (zh) * 2013-03-07 2015-10-14 三菱重工业株式会社 机床的异常诊断装置及异常诊断方法
WO2016069357A1 (en) * 2014-10-31 2016-05-06 Underwriters Laboratories Inc. Method and apparatus to test an automatic stop safety feature of a rotary saw
WO2016118815A1 (en) * 2015-01-22 2016-07-28 Preferred Networks, Inc. Machine learning heterogeneous edge device, method, and system
JP5997330B1 (ja) * 2015-07-31 2016-09-28 ファナック株式会社 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法
JP5969676B1 (ja) * 2015-09-30 2016-08-17 ファナック株式会社 工作機械の工具補正の頻度を最適化する機械学習装置及び機械学習方法、並びに該機械学習装置を備えた工作機械
CN106202767A (zh) * 2016-07-18 2016-12-07 西安交通大学 一种数控机床实时防碰撞方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110727240A (zh) * 2018-07-17 2020-01-24 发那科株式会社 数值控制装置
CN110727240B (zh) * 2018-07-17 2024-04-12 发那科株式会社 数值控制装置
CN114144280A (zh) * 2019-06-13 2022-03-04 德克尔马霍泽巴赫有限公司 在数控机床上使用的控制装置，以及包括控制装置的机床

Also Published As

Publication number Publication date
US20180157226A1 (en) 2018-06-07
JP2018092428A (ja) 2018-06-14
CN108145516B (zh) 2019-08-27
DE102017128053A1 (de) 2018-06-07
JP6346253B2 (ja) 2018-06-20
US10514667B2 (en) 2019-12-24

Similar Documents

Publication Publication Date Title
CN108145516B (zh) 机床和机械学习装置
US11112768B2 (en) Numerical controller and machine learning device
US11701772B2 (en) Operation prediction system and operation prediction method
CN105320064B (zh) 具有设备异常履历的解析支援功能的数值控制装置
CN110187694B (zh) 故障预测装置以及机器学习装置
JP6392819B2 (ja) 製造時間情報により異常検出条件を変更する製造管理システム
JP6747104B2 (ja) セーフティシステム、プログラム、および方法
JP2019012392A (ja) 制御装置及び機械学習装置
CN110196573B (zh) 异常因素确定装置
CN108107843B (zh) 加工程序管理装置
CN111506019A (zh) 数值控制系统
CN101662927A (zh) 电子部件安装装置
US20100222912A1 (en) Operating method for an evaluation device for a production machine
JP6633477B2 (ja) 複数の製造設備からなる生産設備の稼働停止時に原因を特定する機能を備えた生産制御装置
Hu et al. A systematic approach to integrated fault diagnosis of flexible manufacturing systems
US8275580B2 (en) Method and automation controller for the output of a maintenance information item from an automation component
US20190121320A1 (en) Apparatus and method for adapting a numerical controller to a machine to be controlled
CN105210287A (zh) 电动机控制装置以及电动机控制系统
WO2021241352A1 (ja) 工具診断装置
JP2009223354A (ja) アラーム情報を表示する機能を有する数値制御装置
CN110536773A (zh) 加工控制装置、工作机械及加工控制方法
WO2022138775A9 (ja) 異常分類装置
WO2023281732A9 (ja) 分析装置
Prickett et al. A microcontroller-based milling process monitoring and management system

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