CN110405532B - 工具选定装置以及机器学习装置 - Google Patents

工具选定装置以及机器学习装置 Download PDF

Info

Publication number
CN110405532B
CN110405532B CN201910344402.6A CN201910344402A CN110405532B CN 110405532 B CN110405532 B CN 110405532B CN 201910344402 A CN201910344402 A CN 201910344402A CN 110405532 B CN110405532 B CN 110405532B
Authority
CN
China
Prior art keywords
machining
data relating
tool
condition
data
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
CN201910344402.6A
Other languages
English (en)
Other versions
CN110405532A (zh
Inventor
斋藤卓哉
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 CN110405532A publication Critical patent/CN110405532A/zh
Application granted granted Critical
Publication of CN110405532B publication Critical patent/CN110405532B/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
    • 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
    • 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
    • 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
    • B23Q15/20—Automatic control or regulation of feed movement, cutting velocity or position of tool or work before or after the tool acts upon the workpiece
    • B23Q15/22—Control or regulation of position of tool or workpiece
    • 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
    • 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
    • G05B19/40935—Selection of predetermined shapes and defining the dimensions with parameter input
    • 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
    • G05B19/40937—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 machining or material parameters, pocket machining
    • 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
    • G05B19/40937—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 machining or material parameters, pocket machining
    • G05B19/40938—Tool management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31352—Expert system integrates knowledges to control workshop
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31407—Machining, work, process finish time estimation, calculation
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31418—NC program management, support, storage, distribution, version, update
    • 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
    • G05B2219/49065—Execute learning mode first for determining adaptive control parameters
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Artificial Intelligence (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Numerical Control (AREA)

Abstract

工具选定装置所具备的机器学习装置包括：状态观测部，其观测加工条件有关的数据、切削条件有关的数据、加工结果有关的数据以及工具有关的数据作为表示环境的当前状态的状态变量；以及学习部，其使用状态变量来学习加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据相对于工具有关的数据的分布。

Description

工具选定装置以及机器学习装置
技术领域
本发明涉及进行适当的工具的选定以及切削条件的决定的工具选定装置以及机器学习装置。
背景技术
在利用机床进行工件的加工的情况下，需要选定在加工中使用的工具以及决定由所选定的工具进行的加工中的切削条件。工具的选定或切削条件的决定在加工计划阶段中使用工具的目录本或工具制造商准备的工具选定手段来临时决定使用工具以及切削条件(主轴转速、进给)，一边重复临时决定的工具以及切削条件下的试加工一边进行切削条件的调整，在确认过没有问题的基础上，决定工具以及切削条件。
作为决定在机床的加工中使用的切削条件的现有技术，日本特开2017-064837号公报公开了如下技术：基于在加工中能够允许的工具负荷的条件来决定切削条件。
切削条件中，主轴输出、刚性等机械特性和工件的材质、加工种类等加工条件涉及的部分较大，但由于由目录本、工具选定手段提供的信息是通用的，因此导出与在加工中使用的机械或加工条件相符合的条件需要进行多次试加工并检查证实该加工结果，这花费时间和精力。另外，当调整切削条件时，伴随于此需要修正加工程序或者工具数据，该操作也需要时间。此外，根据是重视周期时间的运转还是重视加工精度和工具寿命的运转，还需要调整切削条件。
另一方面，在前述的日本特开2017-064837号公报所公开的技术中，即便能够决定切削条件，该切削条件也只是能够在使用了某一工具的加工中利用，而并非与加工的目的吻合地进一步选定适当的工具的切削条件。
发明内容
对此，本发明的目的在于提供一种能够进行适当的工具的选定以及切削条件的决定的工具选定装置以及机器学习装置。
本发明的工具选定装置使用机器学习来实现相对于满足加工条件(工件材质、加工种类、切入量、切削宽度)和运转的要求规格(速度、精度、工具寿命)的主轴负荷的峰值而导出最优的工具以及切削条件(转速、进给速度)的结构。加工程序或工具数据被自动地改写为与由上述的结构导出的工具或切削条件对应的内容。
作业者在准备工序中输入了加工程序或工件信息的时点使用上述结构，由此能够不进行试运转以及加工程序和工具数据的变更操作而进行符合加工的工具选定以及切削条件的设定。
本发明的一方式的工具选定装置选定在所指定的条件下能够在工件的加工中使用的工具种类，且具备相对于所指定的条件而学习能够在工件的加工中使用的工具种类的机器学习装置。而且，该机器学习装置具备：观测加工条件有关的数据、切削条件有关的数据、加工结果有关的数据以及工具有关的数据作为表示环境的当前状态的状态变量的状态观测部；以及使用所述状态变量来学习所述加工条件有关的数据、所述切削条件有关的数据以及加工结果有关的数据相对于所述工具有关的数据的分布的学习部。
本发明的另一方式的工具选定装置选定在所指定的条件下能够在工件的加工中使用的工具种类，且具备相对于所指定的条件而学完能够在工件的加工中使用的工具种类的机器学习装置。该机器学习装置具备：观测加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据作为表示环境的当前状态的状态变量的状态观测部；学完加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据相对于在加工中使用的工具有关的数据的分布的学习部；以及基于所述状态观测部所观测到的状态变量和所述学习部的学习结果，根据所述状态变量来判断并输出在所指定的条件下能够使用的工具种类的判断部。
所述判断部能够判断并输出在判断为能够使用的工具种类中能够指定的切削条件。
本发明的一方式的机器学习装置相对于所指定的条件而学习能够在工件的加工中使用的工具种类，且具备：观测加工条件有关的数据、切削条件有关的数据、加工结果有关的数据以及工具有关的数据作为表示环境的当前状态的状态变量的状态观测部；以及使用所述状态变量来学习所述加工条件有关的数据、所述切削条件有关的数据以及加工结果有关的数据相对于所述工具有关的数据的分布的学习部。
本发明的另一方式的机器学习装置相对于所指定的条件而学完能够在工件的加工中使用的工具种类，所述机器学习装置具备：观测加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据作为表示环境的当前状态的状态变量的状态观测部；学完加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据相对于在加工中使用的工具有关的数据的分布的学习部；以及基于所述状态观测部所观测到的状态变量和所述学习部的学习结果，根据所述状态变量来判断并输出在所指定的条件下能够使用的工具种类的判断部。
根据本发明，容易地进行吻合机械特性、加工条件、运转重视的点(速度、精度、工具寿命)这样的现场的用途的工具选定以及切削条件的导出和应用，从而缩短准备工序所花费的时间。
附图说明
图1是第一实施方式的工具选定装置的概要的硬件结构图。
图2是第一实施方式的工具选定装置的概要的功能块图。
图3是对学习部执行的簇分析进行说明的图。
图4是示出具备工具选定装置的系统的一方式的概要的功能块图。
图5是示出具备工具选定装置的系统的另一方式的概要的功能块图。
具体实施方式
图1是示出本发明的一实施方式的工具选定装置的主要部位的概要的硬件结构图。
工具选定装置1也可以实际安装为控制机床等机械的控制装置，另外，也可以实际安装为与控制机械的控制装置并设的个人计算机、经由网络而与控制装置连接的单位计算机、主计算机、云服务器等计算机。图1示出作为控制机床的控制装置而实际安装有工具选定装置1的情况的例子。
本实施方式的工具选定装置1所具备的CPU11是整体控制工具选定装置1的处理器，经由总线20而读出ROM12所储存的系统·程序，并根据该系统·程序来控制工具选定装置1整体。在RAM13临时地储存临时的计算数据或显示数据、操作员经由未图示的输入部而输入的各种数据等。
非易失性存储器14由例如电池(未图示)备份等，构成为即便工具选定装置1的电源被切断也保持存储状态的存储器。在非易失性存储器14存储有经由接口15而从外部设备72读入的加工程序、经由显示器/MDI单元70而被输入的加工程序、从工具选定装置1的各部分或机床获取到的各种数据(例如，由作业者输入的加工条件(工件材质、加工种类、切入量、切削量)、工具信息、切削条件(主轴转速、进给速度)、该切削条件下的加工时的主轴负荷等)。存储于非易失性存储器14的加工程序、各种数据也可以在执行时/利用时在RAM13中展开。另外，在ROM12中预先写入有公知的解析程序等各种系统·程序(包括用于控制与后述的机器学习装置100的交换的系统·程序)。
接口15是用于连接工具选定装置1和适配器等外部设备72的接口。从外部设备72侧读入程序、各种参数等。另外，在工具选定装置1内编辑的程序、各种参数等能够经由外部设备72而存储于外部存储单元。可编程机器控制器(PMC)16借助工具选定装置1中内置的定序程序并经由I/O单元17向机床以及该机床的周边装置(例如，工具更换用的机械手这样的致动器)输出信号并进行控制。另外，在接受机床的主体所配备的操作盘的各种开关等的信号并对该信号进行了必要的信号处理之后，将该信号传递到CPU11。
显示器/MDI单元70是具备显示器、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、数据并传递到CPU11。接口19与具备在以手动的方式驱动各轴时所使用的手动脉冲发生器等的操作盘71连接。
用于控制机床所具备的轴的轴控制电路30接受来自CPU11的轴的移动指令量，并将轴的指令输出给伺服放大器40。伺服放大器40接受该指令并驱动使机床所具备的轴移动的伺服电动机50。轴的伺服电动机50内置有位置·速度检测器，并将来自该位置·速度检测器的位置·速度反馈信号反馈至轴控制电路30，从而进行位置·速度的反馈控制。需要说明的是，在图1的硬件结构图中，轴控制电路30、伺服放大器40、伺服电动机50仅示出一个，但实际上按照成为控制对象的机床所具备的轴的数量来准备。
主轴控制电路60接受向机床发出的主轴旋转指令，并向主轴放大器61输出主轴速度信号。主轴放大器61接受该主轴速度信号，并使机床的主轴电动机62按照所指令的旋转速度旋转，从而驱动工具。在主轴电动机62结合有位置编码器63，位置编码器63与主轴的旋转同步地输出反馈脉冲，该反馈脉冲由CPU11读取。
接口21是用于连接工具选定装置1和机器学习装置100的接口。机器学习装置100具备：统一控制机器学习装置100整体的处理器101；存储有系统·程序等的ROM102；用于进行机器学习所涉及的各处理中的临时存储的RAM103；以及在学习模型等的存储中使用的非易失性存储器104。机器学习装置100能够观测经由接口21而由工具选定装置1能够获取的各信息(例如，由作业者输入的加工条件(工件材质、加工种类、切入量、切削量等)、工具信息、切削条件(主轴转速、进给速度)、动作状态(加工时的主轴负荷等)等)。另外，工具选定装置1将从机器学习装置100输出的工具选定和切削条件的提出显示于显示器/MDI单元70，基于确认过显示的作业者的选择来进行工具选定以及切削条件的设定(加工程序的修正、工具数据的设定等)。
图2是第一实施方式的工具选定装置1和机器学习装置100的概要的功能块图。
图2所示的各功能块通过由图1所示的工具选定装置1所具备的CPU11以及机器学习装置100的处理器101执行各个系统·程序并控制工具选定装置1以及机器学习装置100的各部分的动作来实现。
本实施方式的工具选定装置1具备：基于非易失性存储器14所存储的加工程序、加工条件、切削条件等的设定来进行机床2所具备的伺服电动机50、主轴电动机62等电动机、以及机床2的周边机械(未图示)的控制的控制部34；以及将机器学习装置100判断为在加工中能够使用的工具种类、其他的条件显示于显示器/MDI单元70，并设定作业者所选定的工具种类或其他的条件作为在加工中使用的信息的工具选定部36。
另一方面，工具选定装置1所具备的机器学习装置100包括用于通过所谓的机器学习而自行学习相对于加工条件有关的数据(工件材质、加工种类、切入量、切削量等)、加工结果有关的数据(加工时的主轴负荷等)以及切削条件有关的数据(主轴转速、进给速度)的工具有关的数据的学习、以及相对于所输入的加工条件有关的数据(工件材质、加工种类、切入量、切削量等)、切削条件有关的数据(主轴转速、进给速度)以及加工结果有关的数据(加工时的主轴负荷、加工精度等)的工具有关的数据的判断的软件(学习算法等)以及硬件(处理器101等)。工具选定装置1所具备的机器学习装置100学习的模型构造，相当于表示相对于加工条件有关的数据(工件材质、加工种类、切入量、切削量等)、切削条件有关的数据(主轴转速、进给速度)以及加工结果有关的数据(加工时的主轴负荷、加工精度等)的工具有关的数据的相关性的模型构造。
如图2中由功能块所示那样，工具选定装置1所具备的机器学习装置100具备：观测包括包含加工条件有关的数据(工件材质、加工种类、切入量、切削量等)的加工条件数据S1、包含切削条件有关的数据(主轴转速、进给速度)的切削条件数据S2、包含加工结果有关的数据(加工时的主轴负荷、加工精度等)的加工结果数据S3、包含工具有关的数据的工具数据S4的状态变量S的状态观测部106；使用状态变量S，将工具有关的数据与加工条件有关的数据(工件材质、加工种类、切入量、切削量等)、切削条件有关的数据(主轴转速、进给速度)、加工结果有关的数据(加工时的主轴负荷等)关联起来进行学习的学习部110；以及使用学习部110学习而得到的学习完成模型来判断相对于加工条件有关的数据(工件材质、加工种类、切入量、切削量等)、切削条件有关的数据(主轴转速、进给速度)、加工结果有关的数据(加工时的主轴负荷、加工精度等)的工具有关的数据的判断部122。
状态观测部106观测的状态变量S中的加工条件数据S1能够被获取为在由机床2进行加工时作业者所设定的加工条件。加工条件也可以包括例如成为加工对象的工件的材质、刚性攻丝加工、端铣削加工等这样的加工的种类、以及相对于工具的工件的切入量、切削量等。状态观测部106将输入至机床2或者控制装置的加工条件、加工程序内所设定的加工条件作为加工条件数据S1进行观测。
状态观测部106观测的状态变量S中的切削条件数据S2能够被获取为在由机床2的加工时作业者所设定的切削条件。切削条件也可以包括例如主轴转速、进给速度等。状态观测部106观测输入至机床2乃至控制装置的切削条件、加工程序内所设定的切削条件作为切削条件数据S3。
状态观测部106观测的状态变量S中的加工结果数据S3能够被获取为，在使用安装于机床2的工具(被观测为工具数据S4)并以所设定的加工条件(被观测为加工条件数据S1)、切削条件(被观测为切削条件数据S2)的基础上进行的工件的加工时，表示与由机床2(或者安装于机床2的传感器等)检测到的进给轴负荷、主轴负荷等的最大值、所加工的工件的设计值的尺寸误差的加工误差等。加工结果数据S3能够使用检测到在所进行的加工中成为加工不合格、机床2的故障、工具的折损等的原因的物理量的值、评价加工的结果的数据、作业者的输入值等。
状态观测部106观测的状态变量S中的工具数据S4能够被获取为在机床2的工时使用的工具有关的信息。工具有关的信息可以包括例如能够唯一确定工具种类的信息(例如，工具的型号)，也可以根据需要而包括工具的制造商、工具的材质(硬度)等。工具有关的信息主要能使用由作业者输入的数据、由单位计算机等的上位装置设定的加工的指示所包含的数据等。
学习部110根据总称为机器学习的任意的学习算法，进行基于状态变量S(加工条件数据S1、切削条件数据S2、加工结果数据S3、工具数据S4)的簇分析，并存储(学习)通过该簇分析而制作出的簇作为学习完成模型。学习部110基于工件的加工正常进行时所获取到的规定量的状态变量S(加工条件数据S1、切削条件数据S2、加工结果数据S3、工具数据S4)来制作簇。在簇的制作中使用的状态变量S也可以使用例如从配置于工厂的机床2经由有线/无线的网络而获取并蓄积的数据(大数据)。通过进行上述那样的学习，学习部110解析每个工具种类(工具数据S4)的加工条件(加工条件数据S1)、切削条件(切削条件数据S2)以及机床2的动作状态(加工结果数据S3)的分布作为簇集合。
图3使示出学习部110生成的簇集合的例子的图。需要说明的是，在图3中，为了便于说明，将数据分布的空间设为三维，将各轴设为切入量(加工条件数据S1)、切削速度(切削条件数据S2)、主轴负荷(加工结果数据S3)，但实际上数据分布于将作为状态变量S而获取到的(除去工具种类(工具数据S4))数据项目设为各轴的多维空间上。
如图3例示那样，学习部110至少按照每个工具种类而制作不同的簇。如图3所示，学习部110所制作的簇按照每个工具种类而示出相对于加工条件、切削条件的动作状态的分布的趋势。即，各个簇示出在使用了规定的工具的情况下以所设定的加工条件(切入量)以及切削条件(切削速度)进行了加工时的动作状态(主轴负荷)的趋势。该簇在判断部122在进行例如被给予加工条件、切削条件、动作状态的制约时的工具的选定的判断时被利用。
判断部122根据按照学习部110基于在工件的加工正常进行时所获取的状态变量S(加工条件数据S1、切削条件数据S2、加工结果数据S3、工具数据S4)而学习了的学习完成模型(每个工具种类(工具数据S4)的加工条件(加工条件数据S1)、切削条件(切削条件数据S2)以及机床2的动作状态(加工结果数据S3)的簇)、和新观测(输入)的加工条件数据S1、切削条件数据S2以及加工结果数据S3，来判断使用哪种工具是适当的。
若以图3为例说明判断部122的动作，则在制作在工件的加工正常进行的情况下的簇的状态下新观测(输入)加工条件数据S1、切削条件数据S2以及加工结果数据S3时，判断部122解析这些数据与按照各工具种类的簇的关系，并将与新输入的状态变量S所属的簇对应的工具种类判断为在所指定的条件下能够使用的工具种类。需要说明的是，在此，所输入的状态变量S也可以伴随着规定的范围。例如，也可以是，作为加工结果数据S3，在主轴负荷为L1以下的情况作为主轴负荷的条件而被输入时，将与该范围内的所有的簇对应的工具种类判断为在所指定的条件下能够使用的工具种类。
判断部122并非只是单纯地判断工具种类，也可以基于新观测(输入)的加工条件数据S1、切削条件数据S2以及加工结果数据S3的簇空间上的位置的、距各个簇的中心的距离，或者基于新观测(输入)的加工条件数据S1、切削条件数据S2以及加工结果数据S3的位置处的各个簇的簇密度，来判断在所指定的条件下使用的工具种类的优先度。
此外，判断部122也可以在对新观测(输入)的加工条件数据S1、切削条件数据S2以及加工结果数据S3判断了能够使用的工具种类之后，判断使用该工具种类的工具而进行加工时能够设定的加工条件或者切削条件的范围。例如，也可以在判断了能够使用的工具种类之后，判断该工具种类的簇中的维持所指定的加工结果(主轴负荷等)的范围内的切削速度的最大值。
如上所述，只要是与运算、估计无关地能够自动地判断能够以所指定的加工条件、切削条件以及期望的加工结果正常地进行加工的工具种类，作业者仅输入需要的加工条件、切削条件以及期望的加工结果(或者，通过从CAD/CAM等读入)，就能够迅速地判断适当的工具的选定。
而且，由判断部122判断的工具种类(以及工具种类的优先度、加工条件或者切削条件的范围)被输出给工具选定部36。工具选定部36将在所指定的条件下能够使用的一个或者多个工具种类显示于显示器/MDI单元70。作业者将操作显示器/MDI单元70而选定的工具种类作为在加工中使用的工具，并将其设定于非易失性存储器14内所存储的加工程序等。工具选定部36也可以是，在判断部122判断使用各个工具种类的工具而进行加工时能够设定的加工条件或者切削条件的范围的情况下，该加工条件或者切削条件的范围也一并显示，并催促作业者输入是否变更所指定的加工条件或者切削条件。作业者所指定的加工条件或者切削条件通过工具选定部36而在非易失性存储器14内所存储的加工程序或者设于非易失性存储器14上的设定区域等中设定。
图4示出具备机床2的一实施方式的系统80。
该系统80具备：具有相同的机械结构的多个机床2和将这些机床2相互连接的网络82，多个机床2中的至少一个构成为具备上述的工具选定装置1的机床2。机床2具有工件的加工所需要的一般机床所具备的结构。
具有上述结构的系统80中，多个机床2中的具备工具选定装置1的机床2使用学习部110的学习结果，相对于在机床2(包括不含有工具选定装置1的机床2)中指定的加工所涉及的各条件，自动且准确地求出在该机床2中在所指定的条件下能够使用的工具种类。另外，至少一个机床2的工具选定装置1构成为，基于针对其他的多个机床2的各个机床2而得到的状态变量S，进行在所有的机床2中共用的学习，并将该学习结果在所有的机床2中共享。因此，根据系统80，能够将更多样的数据集合(包括状态变量S)作为输入，从而提高从机床2检测的各数据的学习的速度、可靠性。
图5示出具备机床2的另一实施方式的系统80。
该系统80包括：具有相同的机械结构的多个机床2；以及配置于经由网络82而与机床2连接的单位计算机、主计算机、云服务器等计算机之上的机器学习装置100。这些多个机床2分别具备被实际安装为机床2的控制装置的工具选定装置1’。需要说明的是，在图5所例示的方式中，工具选定装置1’具备在图2中说明过的非易失性存储器14、控制部34以及工具选定部36。
具有上述结构的系统80的机器学习装置100基于针对多个机床2的各个机床2而得到的状态变量S(以及标签数据L)来进行在所有的机床2中共用的学习。然后，使用机器学习装置100的学习结果，将在所指定的条件下能够使用的工具的选定和切削条件的提出从机床2发送给该机床2所具备的工具选定装置1’。然后，在工具选定装置1’中，能够基于从机器学习装置100接受的工具的选定和切削条件的提出来进行在机床2中使用的适当的工具选定以及切削条件的设定。
根据该结构，与多个机床2的各个机床2存在的场所、时期无关地，能够将需要时所需要的数量的机床2与机器学习装置100连接。
以上，虽然对本发明的实施方式进行了说明，但本发明并不局限于上述的实施方式的例子，通过加以适当的变更而能够以各种方式进行实施。
例如，机器学习装置100执行的学习算法、机器学习装置100执行的运算算法、工具选定装置1执行的控制算法等并不局限于上述内容，能够采用各种算法。

Claims (5)

1.一种工具选定装置，其选定在所指定的条件下能够在工件的加工中使用的工具种类，其特征在于，
所述工具选定装置具备机器学习装置，该机器学习装置相对于所指定的条件而学习能够在工件的加工中使用的工具种类，
所述机器学习装置具备：
状态观测部，其观测在所述工件的加工正常进行时所获取的加工条件有关的数据、切削条件有关的数据、加工结果有关的数据以及工具有关的数据作为表示环境的当前状态的状态变量；以及
学习部，其使用所述状态变量来学习所述加工条件有关的数据、所述切削条件有关的数据以及加工结果有关的数据相对于所述工具有关的数据的分布，并将所述数据的分布的空间设为具有多个轴的多维空间，所述多个轴包括所述加工条件有关的数据、所述切削条件有关的数据以及所述加工结果有关的数据，所述学习部基于所述数据的分布，制作按照每个工具种类而示出相对于所述加工条件、所述切削条件的动作状态的分布的趋势的簇。
2.一种工具选定装置，其选定在所指定的条件下能够在工件的加工中使用的工具种类，其特征在于，
所述工具选定装置具备机器学习装置，该机器学习装置相对于所指定的条件而学习能够在工件的加工中使用的工具种类，
所述机器学习装置具备：
状态观测部，其观测在所述工件的加工正常进行时所获取的加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据作为表示环境的当前状态的状态变量；
学习部，其学习加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据相对于在加工中使用的工具有关的数据的分布，并将所述数据的分布的空间设为具有多个轴的多维空间，所述多个轴包括所述加工条件有关的数据、所述切削条件有关的数据以及所述加工结果有关的数据，所述学习部基于所述数据的分布，制作按照每个工具种类而示出相对于所述加工条件、所述切削条件的动作状态的分布的趋势的簇；以及
判断部，其基于所述状态观测部所观测到的状态变量、所述学习部的学习结果，根据所述状态变量来判断并输出在所指定的条件下能够使用的工具种类。
3.根据权利要求2所述的工具选定装置，其特征在于，
所述判断部判断并输出在判断为能够使用的工具种类中能够指定的切削条件。
4.一种机器学习装置，其相对于所指定的条件而学习能够在工件的加工中使用的工具种类，其特征在于，
所述机器学习装置具备：
状态观测部，其观测在所述工件的加工正常进行时所获取的加工条件有关的数据、切削条件有关的数据、加工结果有关的数据以及工具有关的数据作为表示环境的当前状态的状态变量；以及
学习部，其使用所述状态变量来学习所述加工条件有关的数据、所述切削条件有关的数据以及加工结果有关的数据相对于所述工具有关的数据的分布，并将所述数据的分布的空间设为具有多个轴的多维空间，所述多个轴包括所述加工条件有关的数据、所述切削条件有关的数据以及所述加工结果有关的数据，所述学习部基于所述数据的分布，制作按照每个工具种类而示出相对于所述加工条件、所述切削条件的动作状态的分布的趋势的簇。
5.一种机器学习装置，其相对于所指定的条件而学习了能够在工件的加工中使用的工具种类，其特征在于，
所述机器学习装置具备：
状态观测部，其观测在所述工件的加工正常进行时所获取的加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据作为表示环境的当前状态的状态变量；
学习部，其学习了加工条件有关的数据、切削条件有关的数据以及加工结果有关的数据相对于在加工中使用的工具有关的数据的分布，并将所述数据的分布的空间设为具有多个轴的多维空间，所述多个轴包括所述加工条件有关的数据、所述切削条件有关的数据以及所述加工结果有关的数据，所述学习部基于所述数据的分布，制作按照每个工具种类而示出相对于所述加工条件、所述切削条件的动作状态的分布的趋势的簇；以及
判断部，其基于所述状态观测部所观测到的状态变量、所述学习部的学习结果，根据所述状态变量来判断并输出在所指定的条件下能够使用的工具种类。
CN201910344402.6A 2018-04-26 2019-04-26 工具选定装置以及机器学习装置 Active CN110405532B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2018085768A JP6802213B2 (ja) 2018-04-26 2018-04-26 工具選定装置及び機械学習装置
JP2018-085768 2018-04-26

Publications (2)

Publication Number Publication Date
CN110405532A CN110405532A (zh) 2019-11-05
CN110405532B true CN110405532B (zh) 2022-04-26

Family

ID=68205635

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910344402.6A Active CN110405532B (zh) 2018-04-26 2019-04-26 工具选定装置以及机器学习装置

Country Status (4)

Country Link
US (1) US11048215B2 (zh)
JP (1) JP6802213B2 (zh)
CN (1) CN110405532B (zh)
DE (1) DE102019110434A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6720402B2 (ja) * 2017-03-21 2020-07-08 株式会社Ｐｒｅｆｅｒｒｅｄ Ｎｅｔｗｏｒｋｓ サーバ装置、学習済モデル提供プログラム、学習済モデル提供方法及び学習済モデル提供システム
US11413780B1 (en) * 2020-01-15 2022-08-16 Securus Technologies, Llc Automated nonuniform enclosure cutting tool
CN113295096A (zh) * 2020-02-24 2021-08-24 青岛海尔模具有限公司 一种工件的加工装置及其加工方法
CN115280252A (zh) 2020-03-17 2022-11-01 发那科株式会社 机器学习装置、数值控制系统、设定装置、数值控制装置以及机器学习方法
JP2021163048A (ja) * 2020-03-31 2021-10-11 株式会社トプコン 情報処理装置、情報処理システム、および情報処理方法
WO2023026394A1 (ja) * 2021-08-25 2023-03-02 ファナック株式会社 加工支援装置
DE102022107797A1 (de) * 2022-04-01 2022-05-19 Jürgen Widmann Verfahren zur Bereitstellung von Werkzeugdatensätzen für Bearbeitungswerkzeuge
TW202349211A (zh) * 2022-05-31 2023-12-16 日商永木精機股份有限公司 資訊處理系統、電腦程式及資訊處理方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6445545A (en) * 1987-08-17 1989-02-20 Toyoda Machine Works Ltd Automatic tool selector of machine tool
JPH03294147A (ja) * 1990-04-12 1991-12-25 Toshiba Mach Co Ltd 工具選定システム
US5801963A (en) * 1995-11-13 1998-09-01 The University Of Kentucky Research Foundation Method of predicting optimum machining conditions
CN106406235A (zh) * 2015-07-30 2017-02-15 发那科株式会社 机床、模拟装置以及机械学习器
CN106392772A (zh) * 2015-07-31 2017-02-15 发那科株式会社 机械学习装置、主轴更换判定装置、控制装置、机床

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07295619A (ja) * 1994-04-25 1995-11-10 Mitsubishi Electric Corp 工作機械の数値制御装置
WO1998019820A1 (fr) * 1996-11-07 1998-05-14 Kabushiki Kaisha Mori Seiki Seisakusho Procede et dispositif d'analyse de programme cn destine a l'usinage cn
US9311899B2 (en) * 2012-10-12 2016-04-12 International Business Machines Corporation Detecting and describing visible features on a visualization
US10162317B2 (en) * 2013-06-27 2018-12-25 The Boeing Company Real-time feedback control for performing tooling operations in assembly processes
CN104105106B (zh) * 2014-07-23 2018-10-30 武汉飞脉科技有限责任公司 无线通信网智能天线覆盖场景自动分类识别方法
JP6063016B1 (ja) 2015-09-29 2017-01-18 ファナック株式会社 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械
JP6371335B2 (ja) * 2016-05-30 2018-08-08 Dmg森精機株式会社 加工状態表示装置
CN106779087B (zh) * 2016-11-30 2019-02-22 福建亿榕信息技术有限公司 一种通用机器学习数据分析平台

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6445545A (en) * 1987-08-17 1989-02-20 Toyoda Machine Works Ltd Automatic tool selector of machine tool
JPH03294147A (ja) * 1990-04-12 1991-12-25 Toshiba Mach Co Ltd 工具選定システム
US5801963A (en) * 1995-11-13 1998-09-01 The University Of Kentucky Research Foundation Method of predicting optimum machining conditions
CN106406235A (zh) * 2015-07-30 2017-02-15 发那科株式会社 机床、模拟装置以及机械学习器
CN106392772A (zh) * 2015-07-31 2017-02-15 发那科株式会社 机械学习装置、主轴更换判定装置、控制装置、机床

Also Published As

Publication number Publication date
JP6802213B2 (ja) 2020-12-16
DE102019110434A1 (de) 2019-10-31
US20190332069A1 (en) 2019-10-31
CN110405532A (zh) 2019-11-05
US11048215B2 (en) 2021-06-29
JP2019188558A (ja) 2019-10-31

Similar Documents

Publication Publication Date Title
CN110405532B (zh) 工具选定装置以及机器学习装置
CN107111297B (zh) 用于由至少一台计算机数控机器加工的工件的部件分析的计算机实现方法
CN105320064B (zh) 具有设备异常履历的解析支援功能的数值控制装置
CA2784720C (en) Predictive control and visualizing system for a nc machine tool
JP4689745B2 (ja) 工作機械の工具ベクトル表示装置
CN111624947B (zh) 颤振判定装置、机器学习装置以及系统
CN111123842B (zh) 数值控制装置
CN110187694B (zh) 故障预测装置以及机器学习装置
CN112099435B (zh) 诊断装置以及诊断方法
CN108073137B (zh) 数值控制装置
CN111687652B (zh) 握持力调整装置以及握持力调整系统
CN109507879B (zh) 控制装置以及机器学习装置
CN112748699A (zh) 模拟装置、数值控制装置以及模拟方法
JP6490118B2 (ja) 数値制御装置
CN112867975B (zh) 维护辅助系统、数控装置及维护辅助系统的控制方法
US20230376000A1 (en) Control device
CN108121300B (zh) 数值控制装置
US20230185272A1 (en) Program analyzer and control system
CN112904802A (zh) 程序解析装置
CN111190391B (zh) 数值控制装置
WO2021187498A1 (ja) 速度調整支援装置
CN118103782A (zh) 加工面推定装置以及计算机可读取的存储介质
CN117590806A (zh) 数字孪生和/或自动化系统的参数化
CN111367235A (zh) 数控工具机的诊断保养系统
JPH10124123A (ja) ロール研削盤の数値制御装置

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