CN109613886B - 热位移校正系统 - Google Patents
热位移校正系统 Download PDFInfo
- Publication number
- CN109613886B CN109613886B CN201811157923.2A CN201811157923A CN109613886B CN 109613886 B CN109613886 B CN 109613886B CN 201811157923 A CN201811157923 A CN 201811157923A CN 109613886 B CN109613886 B CN 109613886B
- Authority
- CN
- China
- Prior art keywords
- machine
- thermal displacement
- learning model
- displacement correction
- condition
- 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
Links
Images
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
- B23Q15/00—Automatic control or regulation of feed movement, cutting velocity or position of tool or work
- B23Q15/007—Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
- B23Q15/18—Compensation of tool-deflection due to temperature or force
-
- 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
- B23Q11/0003—Arrangements for preventing undesired thermal effects on tools or parts of the machine
- B23Q11/0007—Arrangements for preventing undesired thermal effects on tools or parts of the machine by compensating occurring thermal dilations
-
- 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
- G05B19/404—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 compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
-
- 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
- B23Q2220/00—Machine tool components
- B23Q2220/006—Spindle heads
-
- 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
- G05B2219/49206—Compensation temperature, thermal displacement, use measured temperature
-
- 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
- G05B2219/49219—Compensation temperature, thermal displacement
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Numerical Control (AREA)
- Automatic Control Of Machine Tools (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种热移位校正系统,其检测表示机械的状态的状态量,从该检测出的状态量推论机械的热位移校正量,根据该推论出的机械的热位移校正量来进行机械的热位移校正。该热位移校正系统通过使用了特征量的机器学习来生成学习模型,并将该生成的学习模型与指定的机械的个体差异的条件组合关联起来进行存储。
Description
技术领域
本发明涉及一种热位移校正系统,特别是涉及根据工厂内的机械的个体差异一边切换学习模型一边实施校正的热位移校正系统。
背景技术
在机械中,由于进给丝杠或主轴被电动机驱动,因此通过电动机的发热、轴承的旋转导致的摩擦热、进给丝杠的滚珠丝杠与滚珠螺母的接触部的摩擦热,使得主轴或进给丝杠膨胀而导致机械位置发生变化。此外,因机械周围温度的变化或冷却剂的使用,也会使得支柱或床体温度变化,因此,产生的伸展或倾斜会使机械位置发生变化。即,在应该定位的工件与工具的相位位置关系中产生偏差。该热导致的机械位置变化在进行精度高的加工时成为问题。
为了除去该热导致的机械位置的位移,使用了如下技术和结构(日本特开2002-086329号公报、日本特开2006-055919号公报、以及日本特开2008-183653号公报):使用位移传感器来校正指令位置的技术、从主轴转速等运转条件预测热位移来校正指令位置的技术、对进给丝杠给予初始张力的不受热导致的膨胀影响的结构等。
但是,机械热位移的状态不仅是机械本身的动作状态,还因该机械的个体差异而发生较大变化。例如,因机械的制造批次、使用频率、累积运转时间、保养和改造历史等,即使是相同的动作状态机械热位移的状态也会不同。因此,为了适当进行机械的热位移校正,考虑该机械的个体差异是不可或缺的。
为了进行机械的热位移校正,还想到引入考虑了机械本身的动作状态与个体差异的机器学习器,而为了制作可以与上述那样的各种状况对应的通用的机器学习器(通用的学习模型),需要在各种状况下检测的大量的状态信息,此外,由于需要包含状况有关的数据在内的大量的参数变量,因此有时产生过学习等已知的问题。
发明内容
因此,本发明的目的在于提供一种热位移校正系统,能够实现进行考虑了机械的个体差异的适当的热位移校正。
在本发明的热位移校正系统中,通过设置根据工场内机械的个体差异切换用于决定该机械的热位移校正的学习模型的机构,解决了上述课题。本发明的热位移校正系统具有多个学习模型,根据工厂内的机械个体差异等选择学习模型,针对选择出的学习模型基于从机械检测出的状态量来进行机器学习,此外,根据工厂内的机械个体差异等灵活使用这样制作出的学习模型来进行机械的热位移校正。
本发明的一个方式涉及的一种热位移校正系统,其进行机械的热位移校正,所述热位移校正系统具有:条件指定部,其指定所述机械的个体差异的条件;状态量检测部,其检测表示所述机械的状态的状态量;推论计算部,其从所述状态量推论所述机械的热位移校正量;校正实施部,其根据由所述推论计算部推论出的所述机械的热位移校正量,进行所述机械的热位移校正;学习模型生成部,其通过使用了所述状态量的机器学习来生成或更新学习模型;以及学习模型存储部,其将所述学习模型生成部生成的至少一个学习模型与由所述条件指定部指定的条件组合关联起来进行存储。并且,所述推论计算部根据所述条件指定部指定的所述机械的个体差异的条件从存储于所述学习模型存储部的学习模型中有选择地使用至少一个学习模型,来推论所述机械的热位移校正量。
可以是,所述热位移校正系统还具有:特征量制作部,其从所述状态量检测部检测出的状态量制作特征量,该特征量表征所述机械的热状态,并且,所述推论计算部从所述特征量推论所述机械的热位移校正量,所述学习模型生成部通过使用了所述特征量的机器学习来生成或更新学习模型。
可以是,所述学习模型生成部通过实施针对所述学习模型存储部存储的已有学习模型的改变来生成新学习模型。
可以是,所述学习模型存储部将所述学习模型生成部生成的学习模型进行加密存储,通过所述推论计算部在读出学习模型时对加密了的学习模型进行解密。
本发明的另一个方式涉及的一种热位移校正系统,其进行机械的热位移校正,所述热位移校正系统具有:条件指定部,其指定所述机械的个体差异的条件;状态量检测部,其检测表示所述机械的状态的状态量;推论计算部,其从所述状态量推论所述机械的热位移校正量;校正实施部,其根据由所述推论计算部推论出的所述机械的热位移校正量,进行所述机械的热位移校正;以及学习模型存储部,其存储与所述机械的运转动作的组合预先关联起来的至少一个学习模型。并且,所述推论计算部根据所述条件指定部指定的所述机械的个体差异的条件从存储于所述学习模型存储部的学习模型中有选择地使用至少一个学习模型,来推论所述机械的热位移校正量。
可以是,所述热位移校正系统还具有:特征量制作部,其从所述状态量检测部检测出的状态量制作特征量,该特征量表征所述机械的热状态,并且,所述推论计算部从所述特征量推论所述机械的热位移校正量。
本发明的一个方式涉及的一种数值控制装置,其具有上述的条件指定部和状态量检测部。
本发明的一个方式涉及的一种热位移校正方法,执行以下步骤:指定机械的个体差异的条件的步骤;检测表示所述机械的状态的状态量的步骤;从所述状态量推论所述机械的热位移校正量的步骤;根据所述热位移校正量进行所述机械的热位移校正的步骤;以及通过使用了所述状态量的机器学习来生成或更新学习模型的步骤。并且,进行所述推论的步骤中,从与机械的运转动作的条件组合预先关联起来的至少一个所述学习模型中,根据在指定所述条件的步骤中指定的条件,选择要使用的学习模型,并使用选择出的学习模型来推论所述机械的热位移校正量。
可以是,所述热位移校正方法还执行从所述状态量制作特征量的步骤,该特征量表征所述机械的热状态,并且,进行所述推论的步骤中,从所述特征量推论所述机械的热位移校正量,此外,生成或更新所述学习模型的步骤中,通过使用了所述特征量的机器学习来生成或更新学习模型。
本发明的另一个方式涉及的一种热位移校正方法,执行以下步骤:指定机械的个体差异的条件的步骤;检测表示所述机械的状态的状态量的步骤;从所述状态量推论所述机械的热位移校正量的步骤;以及根据所述热位移校正量进行所述机械的热位移校正的步骤。并且,进行所述推论的步骤中,从与机械的个体差异的条件组合预先关联起来的至少一个学习模型中,根据在指定所述条件的步骤中指定的条件,选择要使用的学习模型,并使用选择出的学习模型来推论所述机械的热位移校正量。
可以是,所述热位移校正方法还执行从所述状态量制作特征量的步骤,该特征量表征所述机械的个体差异导致的热状态,并且,进行所述推论的步骤中,从所述特征量推论所述机械的热位移校正量。
本发明的一个方式涉及的一种学习模型集合,其是将多个学习模型中的每一个学习模型与进行机械的热位移校正的条件组合关联起来而构成的,所述多个学习模型中的每一个学习模型是根据状态量而被生成或被更新而得的学习模型,所述状态量表示在所述机械的个体差异的条件下进行的所述机械的状态。并且,从所述多个学习模型中根据机械的个体差异的条件选择一个学习模型,并将选择出的学习模型用于推论所述机械的热位移校正量的处理。
通过本发明,由于针对根据工厂内的机械个体差异而选择出的学习模型,可以根据在各状况下检测出的机械的状态量来进行机器学习,因此可以一边防止过学习一边进行高效的机器学习,此外,由于进行使用了根据工厂内的机械个体差异等选择出的学习模型的机械热位移校正,因此机械热位移校正的精度得以提升。
附图说明
图1是第一实施方式涉及的热位移校正系统的概略功能框图。
图2是例示机械个体差异的条件的图。
图3是例示机械个体差异的条件的分类的图。
图4是第二实施方式涉及的热位移校正系统的概略功能框图。
图5是第三实施方式涉及的热位移校正系统的概略功能框图。
图6是第四实施方式涉及的热位移校正系统的概略功能框图。
图7是第五实施方式涉及的热位移校正系统的概略功能框图。
图8是表示第五实施方式涉及的热位移校正系统的变形例的概略功能框图。
图9是第六实施方式涉及的热位移校正系统的概略功能框图。
图10是在本发明的热位移校正系统上执行的处理的概略流程图。
图11是在本发明的热位移校正系统上执行的处理的概略流程图。
图12是表示本发明的一个实施方式涉及的数值控制装置和机器学习装置的主要部分的概略硬件结构图。
具体实施方式
图1是第一实施方式涉及的热位移校正系统1的概略功能框图。
图1所示的各功能块通过数值控制装置、单元计算机(cell computer)、主计算机、云服务器等计算机具有的CPU、GPU等处理器按照各自的系统程序来控制装置各部的动作来实现。
本实施方式的热位移校正系统1至少具有:作为边缘设备的数值控制部100,其是观察和推论状态的对象;推论处理部200,其进行针对边缘设备状态的推论;学习模型存储部300,其存储并管理多个学习模型。本实施方式的热位移校正系统1还具有:校正实施部400,其根据推论处理部200针对边缘设备状态推论出的结果,进行热位移校正;学习模型生成部500,其制作和更新存储于学习模型存储部300的学习模型。
本实施方式的数值控制部100通过执行存储于未图示的存储器的加工程序块来控制机械。数值控制部100例如安装为数值控制装置,逐次读出并分析存储于未图示的存储器的加工程序块,根据分析出的结果来计算每一控制周期的电动机120的移动量,按照计算出的每一控制周期的移动量来控制电动机120。由数值控制部100控制的机械具有由电动机120驱动的机构部130,通过驱动该机构部130,例如工具与工件相对移动来对工件进行加工。另外,在图1中虽然省略,但是准备机床的机构部130具有的轴数量的电动机120。
数值控制部100具有的条件指定部110指定数值控制部100控制的机械的个体差异的条件。作为个体差异的条件,例如列举出机械的制造批次、使用频率、累积运转时间、保养和改造历史等。条件指定部110根据需要针对数值控制部100的各部指定(输出)如下条件:作业员经由未图示的输入装置设定给数值控制部100的条件、数值控制部100从机械取得的条件、数值控制部100经由网络等取得的条件、由控制程序指定的条件等,并且将这些条件指定(输出)给学习模型存储部300和学习模型生成部500。条件指定部110具有如下作用:将作为边缘设备的数值控制部100的当前加工运转中的条件作为用于选择学习模型的条件,通知给热位移校正系统1的各部。
数值控制部100控制的机械的个体差异的条件,例如像图2所示那样,可以通过机械的制造批次、使用频率、累积运转时间、保养历史记录(例如,可以通过进行保养的机械的每个部位的前次保养起的经过时间与保养频率的组等来表示)、改造历史(可以通过针对改造后的机械部位导入的特别定制部件等来表示)项目的组合来表现。此外,即使是这些各项目以外,只要是表示对热位移导致较大影响的个体差异项目,可以采用任何项目。
数值控制部100具有的状态量检测部140检测数值控制部100控制的机械的状态作为状态量。作为数值控制部100控制的机械的状态量,例如例示出机械的周边温度、机械各处的温度、机械的主轴或进给轴等的动作等。状态量检测部140例如检测在数值控制部100或对该数值控制部100控制的机床的机构部130进行驱动的电动机120中流过的电流值、由另外设置于各部的传感器等设备检测出的检测值作为状态量。状态量检测部140检测出的状态量输出给推论处理部200和学习模型生成部500。
本实施方式的推论处理部200观测作为边缘设备的数值控制部100(和由该数值控制部100控制的机械)的状态,对基于该观测到的结果的数值控制部100控制的机械各轴的热位移校正量进行推论。推论处理部200例如可以安装为数值控制装置或单元计算机、主计算机、云服务器、或者机器学习装置等。
推论处理部200具有的特征量制作部210根据状态量检测部140检测出的状态量来制作特征量,该特征量表征数值控制部100控制的机械的热状态。表征特征量制作部210制作的数值控制部100控制的机械的热状态的特征量,作为推论该数值控制部100控制的机械的热位移量时的判断材料是有用的信息。此外,表征特征量制作部210制作的数值控制部100控制的机械的热状态的特征量,是后述的推论计算部220进行使用了学习模型的推论时的输入数据。表征特征量制作部210制作的数值控制部100控制的机械热状态的特征量,例如可以是以过去的规定期间以规定的采样周期对状态量检测部140检测出的主轴负载进行采样而得的特征量,此外,还可以是状态量检测部140检测出的电动机120的速度的过去规定期间内的峰值。特征量制作部210对检测部140检测出的状态量如推论计算部220进行处理那样进行前面的处理而使其标准化。
推论处理部200具有的推论计算部220根据特征量制作部210制作出的特征量、根据当前数值控制部100控制的机械个体差异的条件,来推论数值控制部100控制的机械各轴的热位移校正量。推论计算部220通过将存储于学习模型存储部300的学习模型应用于能够执行机器学习涉及的推论处理的平台来实现。推论计算部220例如可以是进行使用了多层神经网络的推论处理的计算部,此外,还可以是作为贝叶斯网络、支持向量机、混合高斯模型等机器学习进行使用了公知的学习算法的推论处理的计算部。推论计算部220例如可以是进行使用了监督学习、无监督学习、强化学习等学习算法的推论处理的计算部。此外,推论计算部220还能够分别执行基于多种学习算法的推论处理。推论计算部220构成基于从机器学习的学习模型存储部300中选择出的学习模型的机器学习器,作为该机器学习器的输入数据通过执行使用了特征量制作部210制作出的特征量的推论处理来推论数值控制部100控制的机械各轴的热位移校正量。
本实施方式的学习模型存储部300能够存储与条件指定部110指定的数值控制部100控制的机械的个体差异的条件组合关联起来的多个学习模型。学习模型存储部300例如可以安装于数值控制部100或单元计算机、主计算机、云服务器、数据库服务器等上。
在学习模型存储部300中存储有与条件指定部110所指定的数值控制部100控制的机械的个体差异的条件组合关联起来的多个学习模型1、2、…、N。这里所说的数值控制部100控制的机械的个体差异的条件组合表示各条件能够取得的值、值的范围、值的列举相关的组合,例如图3所示通过机械的制造批次的范围、使用频率的范围、累积运转时间的范围、保养历史的范围、改造历史的范围(能够组装于机械的特别定制的列表等)的组合进行分类。
存储于学习模型存储部300的学习模型存储为能够构成一个学习模型的信息,该一个学习模型适合于推论计算部220中的推论处理。存储于学习模型存储部300的学习模型例如是使用了多层神经网络的学习算法的学习模型时,可以存储为各层的神经元(感知器)数、各层的神经元(感知器)之间的权值参数等,此外,是使用了贝叶斯网络的学习算法的学习模型时,可以存储为构成贝叶斯网络的节点与节点之间的变化概率等。各存储于学习模型存储部300的学习模型可以是使用了相同的学习算法的学习模型,此外,也可以是使用了不同的学习算法的学习模型,只要能够用于推论计算部220进行的推论处理可以是使用了任何学习算法的学习模型。
学习模型存储部300可以将一个学习模型与一个数值控制部100控制的机械的个体差异的条件组合关联起来进行存储,此外,还可以将使用了两个以上的不同学习算法而得的学习模型与一个数值控制部100控制的机械的个体差异的条件组合关联起来进行存储。学习模型存储部300还可以将使用了不同学习算法而得的学习模型与该组合的范围重叠的多个数值控制部100控制的机械的个体差异的条件组合的每一个关联起来进行存储。此时,学习模型存储部300针对数值控制部100控制的机械的个体差异的条件组合对应的学习模型,进一步规定所需处理能力或学习算法的种类等利用条件,由此,例如能够针对数值控制部100控制的机械的个体差异的条件组合,选择能够执行的推论处理或处理能力不同的推论计算部220对应的学习模型。
学习模型存储部300若从外部受理包含数值控制部100控制的机械的个体差异的条件组合在内的学习模型的读出/写入请求,则针对与该数值控制部100控制的机械的个体差异的条件组合关联起来存储的学习模型进行读出/写入。此时,学习模型的读出/写入请求中可以包含推论计算部220能够执行的推论处理或处理能力的信息,这样的情况下,学习模型存储部300针对数值控制部100控制的机械的个体差异的条件组合、以及推论计算部220能够执行的推论处理或处理能力关联起来的学习模型进行读出/写入。学习模型存储部300可以具有如下功能:针对来自外部的学习模型的读出/写入请求,根据从条件指定部110指定的条件,读出/写入与该条件(的组合)关联起来的学习模型。通过设置这样的功能,不需要对推论计算部220或学习模型生成部500设置基于条件指定部110指定的条件来请求学习模型这样的功能。
另外,学习模型存储部300可以对学习模型生成部500生成的学习模型进行加密存储,通过推论计算部220在读出学习模型时对加密了的学习模型进行解密。
校正实施部400根据由推论处理部200推论出的数值控制部100控制的机械各轴的热位移校正量,进行数值控制部100控制的机械的热位移校正。校正实施部400例如通过针对数值控制部100指令各轴的校正量,来进行数值控制部100控制的机械的热位移校正。
学习模型生成部500根据由条件指定部110指定的数值控制部100控制的机械的个体差异的条件、表征特征量制作部210制作的数值控制部100控制的机械的热状态的特征量,来生成或更新存储于学习模型存储部300的学习模型(机器学习)。学习模型生成部500根据由条件指定部110指定的数值控制部100控制的机械的个体差异的条件选择成为生成或更新对象的学习模型,针对选择出的学习模型进行表征特征量制作部210制作的数值控制部100控制的机械的热状态的特征的特征量涉及的机器学习。学习模型生成部500进行学习的时机,例如在作业员针对数值控制部100手动设定了机械各轴的热位移校正量的时候,或通过其他热位移校正单元设定了机械各轴的热位移校正量的时候等时候进行。该情况下,学习模型生成部500在正常进行了基于设定的热位移校正量的机械的运转动作的情况下(例如,由作业员确认了对规定精度的工件进行了加工的情况等),针对根据数值控制部100控制的机械的个体差异的条件选择出的学习模型,将表征特征量制作部210制作的数值控制部100控制的机械的热状态的特征量作为状态变量,生成或更新将设定的各轴的热位移校正量作为标签数据的学习模型(机器学习)。
学习模型生成部500在与条件指定部110指定的数值控制部100控制的机械的个体差异的条件(的组合)关联起来的学习模型没有存储于学习模型存储部300的情况下,重新生成与该条件(的组合)关联起来的学习模型,在与条件指定部110指定的数值控制部100控制的机械的个体差异的条件(的组合)关联起来的学习模型存储于学习模型存储部300的情况下,通过进行针对该学习模型的机器学习来更新该学习模型。学习模型生成部500在学习模型存储部300中存储有多个与条件指定部110指定的数值控制部100控制的机械的个体差异的条件(的组合)关联起来的学习模型的情况下,可以针对各学习模型进行机器学习,此外,还可以根据由学习模型生成部500能够执行的学习处理或处理能力,只针对一部分学习模型进行机器学习。
学习模型生成部500可以对存储于学习模型存储部300的学习模型施加改变来生成新学习模型。作为学习模型生成部500改变学习模型的示例,例如存在蒸馏模型的生成。蒸馏模型是使用针对装入了学习完成模型的机器学习器的输入而获得的输出,在其他机器学习器中从1起进行学习而获得的学习完成模型。学习模型生成部500可以将经由这样的步骤(称为蒸馏步骤)获得的蒸馏模型作为新学习模型存储于学习模型存储部300来进行利用。一般情况下,蒸馏模型的大小比原来的学习完成模型小,尽管如此还能输出与原来的学习完成模型相同的正确度,因此更适合于针对经由网络等的其他计算机的分配。作为学习模型生成部500改变学习模型的其他示例还有学习模型的统合。学习模型生成部500在与数值控制部100控制的机械的个体差异的条件(的组合)关联起来存储的两个以上的学习模型的构造类似的情况下,例如在各权值参数的值处于预先规定的规定阈值内的情况下,可以在将与这些学习模型关联起来的数值控制部100控制的机械的个体差异的条件(的组合)统合基础上,与此对应起来存储构造类似的两个以上的学习模型中的某一个。
图4是第二实施方式涉及的热位移校正系统1的概略功能框图。
在本实施方式的热位移校正系统1中,将各功能块安装于一台数值控制装置2上。通过像这样构成,本实施方式的热位移校正系统1根据数值控制装置2控制的机械的个体差异而使用不同的学习模型来推论数值控制部100控制的机械各轴的热位移校正量,根据该推论结果进行机械各轴的热位移校正。此外,还可以通过一台数值控制装置2来生成/更新数值控制部100控制的机械的个体差异的条件对应的各学习模型。
图5是第三实施方式涉及的热位移校正系统1的概略功能框图。
在本实施方式的热位移校正系统1中,将数值控制部100、推论处理部200、校正实施部400安装于数值控制装置2上,此外,还将学习模型存储部300和学习模型生成部500安装于经由标准的接口或网络与数值控制装置2连接的机器学习装置3上。机器学习装置3也可以安装于单元计算机、主计算机、云服务器、数据库服务器上。通过像这样构成,作为较轻处理的使用了学习完成模型的推论处理可以在数值控制装置2上执行,作为较重处理的生成/更新学习模型的处理可以在机器学习装置3上执行,因此,可以不妨碍数值控制装置2本来的动作而进行热位移校正系统1的运用。
图6是第四实施方式涉及的热位移校正系统1的概略功能框图。
在本实施方式的热位移校正系统1中,将数值控制部100安装于数值控制装置2上,将推论计算部220、学习模型存储部300、学习模型生成部500安装于经由标准接口或网络与数值控制装置2连接的机器学习装置3上。此外,另外准备校正实施部400。另外,在本实施方式的热位移校正系统1中,将状态量检测部140检测的状态量假设为是可以直接用于推论计算部220进行的推论处理或学习模型生成部500进行的学习模型的生成/更新处理的数据,省略特征量制作部210的结构。通过像这样构成,可以在机器学习装置3上执行使用了学习完成模型的推论处理和学习模型的生成/更新的处理,因此,可以不妨碍数值控制装置2本来的动作而进行热位移校正系统1的运用。
图7是第五实施方式涉及的热位移校正系统1的概略功能框图。
在本实施方式的热位移校正系统1中,将各功能块安装于一台数值控制装置2上。另外,在本实施方式的热位移校正系统1中,在学习模型存储部300中已经存储有与数值控制部100控制的机械的个体差异的条件组合关联起来的多个学习完成的学习模型,假设不进行学习模型的生成/更新,省略学习模型生成部500的结构。通过像这样构成,本实施方式的热位移校正系统1例如根据数值控制装置2控制的机械个体差异而使用不同的学习模型来推论数值控制部100控制的机械各轴的热位移校正量,根据其推论结果进行机械各轴的热位移校正。此外,由于不随便进行学习模型的更新,因此例如可以用作针对顾客出货的数值控制装置2的结构。
图8是表示第五实施方式涉及的热位移校正系统1(图7)的变形例的概略功能框图。
本变实施方式的热位移校正系统1是在第五实施方式(图7)中将学习模型存储部300安装于与数值控制装置2连接的外部存储器4的示例。在本变形例中,通过将容量大的学习模型存储于外部存储器4,能够利用大量的学习模型,并且可以不经由网络等读出学习模型,因此,在推论处理需要实时性的情况下是有效的。
图9是第六实施方式涉及的热位移校正系统1的概略功能框图。
在本实施方式的热位移校正系统1中,将数值控制部100安装于数值控制装置2上,将推论计算部220、学习模型存储部300安装于经由标准接口或网络与数值控制装置2连接的机器学习装置3上。机器学习装置3可以安装于单元计算机、主计算机、云服务器、数据库服务器上。另外,在本实施方式的热位移校正系统1中,在学习模型存储部300中已经存储有与数值控制部100控制的机械的个体差异的条件组合关联起来的多个学习完成的学习模型,假设不进行学习模型的生成/更新,省略学习模型生成部500的结构。此外,在本实施方式的热位移校正系统1中,将状态量检测部140检测的状态量假设为是可以直接用于推论计算部220进行的推论处理的数据,省略特征量制作部210的结构。通过像这样构成,本实施方式的热位移校正系统1例如根据数值控制装置2控制的机械的个体差异使用不同的学习模型来推论数值控制部100控制的机械各轴的热位移校正量,根据其推论结果进行机械各轴的热位移校正。此外,由于不随便进行学习模型的更新,因此例如可以用作针对顾客出货的数值控制装置2的结构。
图10是由本发明的热位移校正系统1执行的处理的概略流程图。
图10所示的流程图例示出不更新热位移校正系统1中的学习模型时的(第五、六实施方式)的处理的流程。
·[步骤SA01]条件指定部110指定数值控制部100控制的机械的个体差异的条件。
·[步骤SA02]状态量检测部140检测数值控制部100控制的机械的状态作为状态量。
·[步骤SA03]特征量制作部210根据通过步骤SA02检测出的状态量,制作表征数值控制部100控制的机械的热状态的特征量。
·[步骤SA04]推论计算部220从学习模型存储部300选择读出通过步骤SA01指定的数值控制部100控制的机械的个体差异的条件对应的学习模型作为推论使用的学习模型。
·[步骤SA05]推论计算部220根据通过步骤SA04读出的学习模型与通过步骤SA03制作出的特征量来推论数值控制部100控制的机械各轴的热位移校正量。
·[步骤SA06]校正实施部400根据在步骤SA05中推论出的机械各轴的热位移校正量,来进行热位移校正。
图11是由本发明的热位移校正系统1执行的处理的概略流程图。
图11所示的流程图例示出生成和更新热位移校正系统1中的学习模型时(第一~四实施方式)的处理的流程。
·[步骤SB01]条件指定部110指定数值控制部100控制的机械的个体差异的条件。
·[步骤SB02]状态量检测部140检测数值控制部100控制的机械的状态作为状态量。
·[步骤SB03]特征量制作部210根据通过步骤SB02检测出的状态量,制作表征数值控制部100控制的机械的热状态的特征量。
·[步骤SB04]推论计算部220从学习模型存储部300选择读出通过步骤SB01指定的数值控制部100控制的机械的个体差异的条件对应的学习模型作为推论使用的学习模型。
·[步骤SB05]学习模型生成部500判定在学习模型存储部300中是否生成有通过步骤SB01指定的数值控制部100控制的机械的个体差异的条件对应的学习完成的学习模型。在生成有学习完成的学习模型的情况下,向步骤SB07转移处理,在没有生成学习完成的学习模型的情况下,向步骤SB06转移处理。
·[步骤SB06]学习模型生成部500根据通过步骤SB03制作出的特征量,生成和更新通过步骤SB01指定的数值控制部100控制的机械的个体差异的条件对应的学习模型,向步骤SB01转移处理。
·[步骤SB07]推论计算部220根据通过步骤SB04读出的学习模型与通过步骤SB03制作出的特征量来推论数值控制部100控制的机械各轴的热位移校正量。
·[步骤SB08]校正实施部400根据在步骤SB07中推论出的机械各轴的热位移校正量,来进行热位移校正。
图12是表示本发明的一个实施方式涉及的数值控制装置和机器学习装置的主要部分的概略硬件结构图。
本实施方式涉及的数值控制装置2具有的CPU11是对数值控制装置2进行整体控制的处理器。CPU11经由总线20读出存储于ROM12的系统程序,按照该系统程序来对数值控制装置2整体进行控制。将临时的计算数据或显示数据、操作员经由未图示的输入部输入的各种数据等暂时存储于RAM13中。
非易失性存储器14构成为如下存储器:例如通过未图示的电池而被备份等,即使断开数值控制装置2的电源也可以保持存储状态。在非易失性存储器14中存储有经由接口15读入的加工程序或经由后述的显示器/MDI单元70输入的加工程序等。存储于非易失性存储器14的反复控制有关的加工程序可以在使用时在RAM13中展开。此外,在ROM12中预先写入数值控制装置2的动作所需的各种系统程序(包含用于控制与后述的机器学习装置3的数据交换的系统程序)。
接口15是用于连接数值控制装置2与适配器等外部设备72的接口。从外部设备72侧读入加工程序或各种参数等。此外,在数值控制装置2内编辑的反复控制有关的程序或各种参数等可以经由外部设备72存储于外部存储单元。PMC(可编程机器控制器)16经由I/O单元17通过内置于数值控制装置2的时序程序向加工机的周边装置(例如,工具更换用机器人机械手这样的致动器)输出信号进行控制。此外,接受来自机械本体所具有的操作盘的各种开关等和传感器的信号,在进行了所需的处理之后,转发给CPU11。
显示器/MDI单元70是具有显示器或键盘等的手动数据输入装置,接口18接受来自显示器/MDI单元70的键盘的指令、数据,转发给CPU11。接口19与操作盘71连接,该操作盘71具有在手动驱动各轴时使用的手动脉冲发生器等。
显示器/MDI单元70可以显示表示机械的热位移状态的推论评价值的即时值和其历史记录。作为提出的系统实现方式,可以通过阈值判定方式、趋势图判定方式、外检方式等各种方法获得最终结果,将获得该结果的过程的一部分可视化,由此,对于在生产现场实际运转机床的作业员可以给予工业上的直观感受一致的结果。
用于控制机床具有的轴的轴控制电路30接受来自CPU11的轴的移动指令量,将轴的指令输出给伺服放大器40。伺服放大器40接受该指令来驱动使机床具有的轴移动的电动机120。轴的电动机120内置位置速度检测器,将来自该位置速度检测器的位置速度反馈信号反馈给轴控制电路30,进行位置速度的反馈控制。另外,在图11的硬件结构图中只是逐个示出了轴控制电路30、伺服放大器40、电动机120,但是实际上准备作为控制对象的加工机所具有的轴的数量。
接口21是用于将数值控制装置2与机器学习装置3连接的接口。机器学习装置3具有:统一控制机器学习装置3整体的处理器80、存储系统程序等的ROM81、用于进行机器学习有关的各处理中的临时存储的RAM82、用于存储学习模型等的非易失性存储器83。机器学习装置3经由接口84和接口21在与数值控制装置2之间进行各种数据的交换。
以上,对本发明的实施方式进行了说明,但是本发明并不仅局限于上述实施方式的示例,还可以通过施加适当的变更而以各种方式来进行实施。
Claims (6)
1.一种热位移校正系统,其进行机械的热位移校正,其特征在于,所述热位移校正系统具有:
条件指定部,其指定所述机械的个体差异的条件;
状态量检测部,其检测表示所述机械的状态的状态量;
特征量制作部,其从所述状态量检测部检测出的状态量制作特征量,该特征量表征所述机械的热状态;
推论计算部,其从所述特征量制作部制作出的特征量推论所述机械的热位移校正量;
校正实施部,其根据所述机械的热位移校正量,进行所述机械的热位移校正;
学习模型生成部,其通过在所述机械的个体差异的条件下使用了所述特征量的机器学习,来生成或更新多个学习模型中的至少一个学习模型;以及
学习模型存储部,其将包含所述学习模型生成部生成或更新的所述至少一个学习模型的所述多个学习模型与包含所述机械的个体差异的条件的条件组合关联起来进行存储,
所述热位移校正系统切换为存储于所述学习模型存储部的所述多个学习模型中的与所述机械的个体差异的条件对应的一个学习模型,
所述推论计算部从存储于所述学习模型存储部的多个学习模型中有选择地使用与所述机械的个体差异的条件对应的一个学习模型,来推论所述机械的热位移校正量,
所述机械的个体差异的条件包括制造批次、使用频率、或保养历史。
2.根据权利要求1所述的热位移校正系统,其特征在于,
所述至少一个学习模型包含新学习模型,
所述学习模型生成部通过实施针对所述学习模型存储部存储的所述多个学习模型中的已有学习模型的改变来生成所述新学习模型。
3.根据权利要求1所述的热位移校正系统,其特征在于,
所述学习模型存储部对多个学习模型进行加密,以将多个学习模型存储在存储器中,
通过所述推论计算部对加密了的与所述机械的个体差异条件对应的学习模型进行解密,用于读出和使用与所述机械的个体差异的条件对应的学习模型来推论热位移校正量。
4.一种热位移校正系统,其进行机械的热位移校正,其特征在于,所述热位移校正系统具有:
条件指定部,其指定所述机械的个体差异的条件;
状态量检测部,其检测表示所述机械的状态的状态量;
特征量制作部,其从所述状态量检测部检测出的状态量制作特征量,该特征量表征所述机械的热状态;
推论计算部,其从所述特征量制作部制作出的特征量推论所述机械的热位移校正量;
校正实施部,其根据所述机械的热位移校正量,进行所述机械的热位移校正;以及
学习模型存储部,其存储与包含所述机械的个体差异的条件的条件组合预先关联起来的多个学习模型,
所述热位移校正系统切换为存储于所述学习模型存储部的所述多个学习模型中的与所述机械的个体差异的条件对应的一个学习模型,
所述推论计算部从存储于所述学习模型存储部的多个学习模型中有选择地使用与所述机械的个体差异的条件对应的一个学习模型,来推论所述机械的热位移校正量,
所述机械的个体差异的条件包括制造批次、使用频率、或保养历史。
5.一种热位移校正方法,其特征在于,执行以下步骤:
指定机械的个体差异的条件的步骤;
检测表示所述机械的状态的状态量的步骤;
从检测出的所述状态量制作特征量的步骤,该特征量表征所述机械的热状态;
从制作出的所述特征量推论所述机械的热位移校正量的步骤;
根据所述热位移校正量进行所述机械的热位移校正的步骤;以及
通过在所述机械的个体差异的条件下使用了所述特征量的机器学习,来生成或更新多个学习模型中的至少一个学习模型的步骤,
在与包含所述机械的个体差异的条件的条件组合预先关联起来的多个学习模型中,切换为与所述机械的个体差异的条件对应的一个学习模型,
使用与所述机械的个体差异的条件对应的所述学习模型,来推论所述机械的热位移校正量,
所述机械的个体差异的条件包括制造批次、使用频率、或保养历史。
6.一种热位移校正方法,其特征在于,执行以下步骤:
指定机械的个体差异的条件的步骤;
检测表示所述机械的状态的状态量的步骤;
从检测出的所述状态量制作特征量的步骤,该特征量表征所述机械的热状态;
从制作出的所述特征量推论所述机械的热位移校正量的步骤;以及
根据所述热位移校正量进行所述机械的热位移校正的步骤,
在与包含所述机械的个体差异的条件的条件组合预先关联起来的多个学习模型中,切换为与所述机械的个体差异的条件对应的一个学习模型,
使用与所述机械的个体差异的条件对应的所述学习模型,来推论所述机械的热位移校正量,
所述机械的个体差异的条件包括制造批次、使用频率、或保养历史。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-194041 | 2017-10-04 | ||
JP2017194041A JP6691087B2 (ja) | 2017-10-04 | 2017-10-04 | 熱変位補正システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109613886A CN109613886A (zh) | 2019-04-12 |
CN109613886B true CN109613886B (zh) | 2022-04-01 |
Family
ID=65728030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811157923.2A Active CN109613886B (zh) | 2017-10-04 | 2018-09-30 | 热位移校正系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11305395B2 (zh) |
JP (1) | JP6691087B2 (zh) |
CN (1) | CN109613886B (zh) |
DE (1) | DE102018123849A1 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6753893B2 (ja) | 2018-05-16 | 2020-09-09 | ファナック株式会社 | 熱変位補正装置 |
JP6743238B1 (ja) * | 2019-04-23 | 2020-08-19 | Dmg森精機株式会社 | 工作機械における変動量推定装置、及び補正量算出装置 |
JP7347969B2 (ja) * | 2019-06-18 | 2023-09-20 | ファナック株式会社 | 診断装置及び診断方法 |
JP7410365B2 (ja) * | 2019-07-10 | 2024-01-10 | 国立研究開発法人 海上・港湾・航空技術研究所 | 部材配置システム及び部材配置プログラム |
JP6784868B1 (ja) * | 2019-09-02 | 2020-11-11 | ヤマザキマザック株式会社 | 制御装置、工作機械、算出方法及びプログラム |
JP7481112B2 (ja) * | 2019-12-26 | 2024-05-10 | ファナック株式会社 | 熱変位補正装置 |
TWI797888B (zh) | 2021-12-15 | 2023-04-01 | 財團法人工業技術研究院 | 工具機熱補償系統 |
WO2024084369A1 (en) * | 2022-10-17 | 2024-04-25 | Aisapack Holding Sa | Self-adaptive method for the orientation of components |
JP7286049B1 (ja) * | 2022-10-21 | 2023-06-02 | 三菱電機株式会社 | 学習装置、数値制御装置、加工結果予測方法および加工システム |
TWI842460B (zh) * | 2023-03-30 | 2024-05-11 | 全研科技有限公司 | 應用元神經感測裝置測量精密對位平台動態系統及其方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103140324A (zh) * | 2011-05-17 | 2013-06-05 | 株式会社捷太格特 | 热变位校正装置以及热变位校正方法 |
CN106560751A (zh) * | 2015-09-30 | 2017-04-12 | 发那科株式会社 | 机器学习装置、机器学习方法及具备机器学习装置的机床 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11114776A (ja) * | 1997-10-13 | 1999-04-27 | Niigata Eng Co Ltd | 工作機械の熱変位補正装置 |
JP2002086329A (ja) | 2000-09-13 | 2002-03-26 | Mori Seiki Co Ltd | 工作機械の熱変位補正量算出方法及び熱変位補正量算出装置 |
JP2003094291A (ja) * | 2001-09-27 | 2003-04-03 | Kanto Seiki Kk | 工作機械の熱変形補正方法および装置 |
JP2003340681A (ja) * | 2002-05-21 | 2003-12-02 | Murata Mach Ltd | 工作機械 |
JP2004030421A (ja) | 2002-06-27 | 2004-01-29 | Nakamura Tome Precision Ind Co Ltd | Nc工作機械 |
JP2005202844A (ja) * | 2004-01-19 | 2005-07-28 | Murata Mach Ltd | 数値制御装置 |
JP4469681B2 (ja) | 2004-08-17 | 2010-05-26 | 中村留精密工業株式会社 | 工作機械の加工誤差の補正方法 |
JP4891104B2 (ja) | 2007-01-29 | 2012-03-07 | オークマ株式会社 | 工作機械の熱変位推定方法 |
CN101797704B (zh) * | 2009-12-31 | 2013-10-30 | 重庆机床(集团)有限责任公司 | 数控滚齿机热变形误差补偿方法 |
JP2012086326A (ja) | 2010-10-21 | 2012-05-10 | Mitsubishi Heavy Ind Ltd | 工作機械の熱変位補正システム |
JP4917665B1 (ja) | 2010-11-11 | 2012-04-18 | ファナック株式会社 | 工作機械の熱変位補正方法及び熱変位補正装置 |
JP5490304B2 (ja) * | 2011-02-24 | 2014-05-14 | 三菱電機株式会社 | 放電加工装置および放電加工システム |
JP5502912B2 (ja) * | 2012-01-19 | 2014-05-28 | ファナック株式会社 | 工作機械の熱変位補正装置 |
JP5607695B2 (ja) | 2012-09-13 | 2014-10-15 | ファナック株式会社 | 工作機械の熱変位補正装置 |
JP5698798B2 (ja) | 2013-06-24 | 2015-04-08 | ファナック株式会社 | 熱変位量補正機能を有する工作機械 |
JP6155946B2 (ja) * | 2013-08-07 | 2017-07-05 | 株式会社ジェイテクト | 工作機械の各部材の線膨張係数の決定方法および工作機械の熱変位補正装置 |
JP6267041B2 (ja) | 2014-03-31 | 2018-01-24 | ファナック株式会社 | 工作機械の熱変位補正装置 |
JP5956497B2 (ja) | 2014-04-08 | 2016-07-27 | ファナック株式会社 | 機械の熱変位補正装置 |
WO2015155896A1 (ja) * | 2014-04-11 | 2015-10-15 | 株式会社 日立製作所 | サポートベクトルマシン学習システムおよびサポートベクトルマシン学習方法 |
JP6001211B1 (ja) | 2014-10-29 | 2016-10-05 | ヤマザキマザック株式会社 | 熱変位補正量設定変更装置を備える工作機械 |
JP6042917B2 (ja) * | 2015-01-30 | 2016-12-14 | ファナック株式会社 | 工作機械の熱変位補正装置 |
JP2017024108A (ja) | 2015-07-21 | 2017-02-02 | ファナック株式会社 | 工作機械の熱変位補正装置 |
JP6156566B2 (ja) | 2015-12-25 | 2017-07-05 | 株式会社リコー | 診断装置、診断方法、プログラムおよび診断システム |
-
2017
- 2017-10-04 JP JP2017194041A patent/JP6691087B2/ja active Active
-
2018
- 2018-09-27 DE DE102018123849.5A patent/DE102018123849A1/de active Pending
- 2018-09-27 US US16/143,467 patent/US11305395B2/en active Active
- 2018-09-30 CN CN201811157923.2A patent/CN109613886B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103140324A (zh) * | 2011-05-17 | 2013-06-05 | 株式会社捷太格特 | 热变位校正装置以及热变位校正方法 |
CN106560751A (zh) * | 2015-09-30 | 2017-04-12 | 发那科株式会社 | 机器学习装置、机器学习方法及具备机器学习装置的机床 |
Also Published As
Publication number | Publication date |
---|---|
US11305395B2 (en) | 2022-04-19 |
DE102018123849A1 (de) | 2019-04-04 |
JP6691087B2 (ja) | 2020-04-28 |
US20190099850A1 (en) | 2019-04-04 |
CN109613886A (zh) | 2019-04-12 |
JP2019063960A (ja) | 2019-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109613886B (zh) | 热位移校正系统 | |
CN109581962B (zh) | 数值控制系统 | |
CN109613887B (zh) | 热位移校正系统 | |
JP6698603B2 (ja) | 数値制御システム、及び運転状態異常検知方法 | |
CN109960219B (zh) | 控制装置以及机器学习装置 | |
JP6542713B2 (ja) | 異常負荷検出の閾値を学習する機械学習器,数値制御装置および機械学習方法 | |
JP6863930B2 (ja) | 寿命予測装置及び機械学習装置 | |
CN111506019B (zh) | 数值控制系统 | |
US20190101305A1 (en) | Air conditioning control system | |
JP2019139755A (ja) | 研磨工具摩耗量予測装置、機械学習装置及びシステム | |
CN109571897B (zh) | 数值控制系统 | |
JP6557285B2 (ja) | 制御装置及び機械学習装置 | |
TWI711982B (zh) | 控制裝置及機器學習裝置 | |
CN109753019A (zh) | 控制装置和机器学习装置 | |
JP2019146421A (ja) | 故障予測装置及び機械学習装置 | |
JP6841852B2 (ja) | 制御装置及び制御方法 | |
JP2019168973A (ja) | 駆動装置及び機械学習装置 | |
JP2019141869A (ja) | 制御装置及び機械学習装置 | |
US11579000B2 (en) | Measurement operation parameter adjustment apparatus, machine learning device, and system | |
CN109507879B (zh) | 控制装置以及机器学习装置 | |
US20210031322A1 (en) | Prediction device | |
JP6940425B2 (ja) | 制御装置及び機械学習装置 | |
US20190287189A1 (en) | Part supply amount estimating device and machine learning device |
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 |