CN116569117A - 机器学习装置、加工程序生成装置及机器学习方法 - Google Patents

Abstract

机器学习装置(10)具有：加工程序存储部(12)，其将用于对工作机械进行数控的加工程序与编辑过加工程序的作业者相关联地存储；加工程序解析部(13)，其对与作业者相关联的加工程序进行解析，由此从加工程序对加工程序的编辑中的作为调整对象的第1参数、以及加工程序的编辑中的调整对象外的参数且在第1参数的调整中使用的第2参数进行提取；以及机器学习部(14)，其通过使用包含提取出的第1参数及第2参数在内的数据集进行的学习，生成用于根据由作业者编辑的加工程序的第2参数对第1参数的值进行推断的学习模型。

Description

机器学习装置、加工程序生成装置及机器学习方法

技术领域

本发明涉及在用于对工作机械进行数控的加工程序的生成中使用的机器学习装置、加工程序生成装置及机器学习方法。

背景技术

近年来，在通过数控装置进行控制的工作机械的领域，为了能够对复杂的形状精密地进行加工，工作机械的构造变得复杂，工作机械的控制对象即轴的数量增大。因此，数控对象的处理增加，加工程序复杂化。伴随加工程序的复杂化，在生成加工程序时需要调整的参数变得多种多样，在生成加工程序时需要工作量和时间。

在专利文献1中公开了一种加工程序生成装置，该加工程序生成装置在加工程序的生成时，利用机器学习对加工程序的参数进行调整。根据专利文献1的技术，加工程序生成装置通过使用了学习模型的推断而决定多种多样的参数的值，由此能够减少加工程序的生成所需的工作量和时间。

专利文献1：日本专利第6599069号公报

发明内容

在由加工程序生成装置生成的加工程序中，可针对进行加工程序的编辑的每个作业者而反映不同的特征。根据专利文献1所涉及的现有技术，加工程序生成装置未必能够正确地推断作业者所期望的参数的值，有时必须由作业者变更参数的值。因此，根据现有技术，存在有时无法容易地生成加工程序这一问题。

本发明就是鉴于上述情况而提出的，其目的在于得到用于能够容易地生成用于对工作机械进行数控的加工程序的机器学习装置。

为了解决上述的课题，并达到目的，本发明所涉及的机器学习装置具有：加工程序存储部，其将用于对工作机械进行数控的加工程序与编辑过加工程序的作业者相关联地存储；加工程序解析部，其对与作业者相关联的加工程序进行解析，由此从加工程序对加工程序的编辑中的作为调整对象的第1参数、以及加工程序的编辑中的调整对象外的参数且在第1参数的调整中使用的第2参数进行提取；以及机器学习部，其通过使用包含提取出的第1参数及第2参数在内的数据集进行的学习，生成用于根据由作业者编辑的加工程序的第2参数对第1参数的值进行推断的学习模型。

发明的效果

本发明所涉及的机器学习装置具有下述效果，即，能够容易地生成用于对工作机械进行数控的加工程序。

附图说明

图1是表示包含实施方式1所涉及的机器学习装置及加工程序生成装置在内的数控装置的结构例的框图。

图2是表示由图1所示的机器学习装置进行的学习模型生成处理的顺序的流程图。

图3是表示由图1所示的加工程序生成装置进行的加工程序生成处理的顺序的流程图。

图4是表示在由图1所示的机器学习装置及加工程序生成装置根据编辑操作的内容而生成学习模型时进行的处理的顺序的流程图。

图5是表示由图1所示的机器学习装置进行的学习模型生成处理的详细内容的流程图。

图6是表示由图1所示的机器学习装置读入的加工程序的例子的图。

图7是表示由图1所示的加工程序生成部进行的加工程序生成处理的详细内容的流程图。

图8是表示基于图1所示的CAD数据而生成的加工后的加工对象物的形状的斜视图。

图9是表示基于图1所示的CAD数据而生成的原材料形状的斜视图。

图10是表示由图1所示的加工程序生成部生成的加工去除形状的斜视图。

图11是表示由图1所示的加工程序生成部生成的第1工序形状的斜视图。

图12是表示由图1所示的加工程序生成部生成的第2工序形状的斜视图。

图13是表示由图1所示的加工程序生成部生成的第3工序形状的斜视图。

图14是表示由图1所示的加工程序生成部生成的第4工序形状的斜视图。

图15是表示实施方式2中的编辑操作解析处理和追加学习处理的顺序的流程图。

图16是表示图1所示的机器学习装置及加工程序生成装置的硬件结构的图。

具体实施方式

下面，基于附图，对实施方式所涉及的机器学习装置、加工程序生成装置及机器学习方法详细地进行说明。

实施方式1.

图1是表示包含实施方式1所涉及的机器学习装置10及加工程序生成装置20在内的数控装置100的结构例的框图。

数控装置100具有机器学习装置10、加工程序生成装置20、对话操作处理部30、指示输入部40和显示部50。数控装置100搭载于未图示的工作机械，或者与工作机械连接，按照加工程序对工作机械的动作进行数控。在这里，加工程序用于对加工对象物从原材料的状态进行切削加工而切削为设计形状。工作机械例如为加工中心。

此外，在图1所示的例子中，机器学习装置10及加工程序生成装置20设为搭载于数控装置100，但实施方式1并不限定于该例。例如，机器学习装置10及加工程序生成装置20也可以是与数控装置100不同的装置。另外，机器学习装置10也可以是与加工程序生成装置20不同的装置。

机器学习装置10基于过去创建的多个加工程序1，生成在由加工程序生成装置20生成加工程序时所使用的学习模型。即，输入至机器学习装置10的加工程序1是学习用的加工程序，由加工程序生成装置20生成的加工程序是为了对工作机械进行数控而创建的新的加工程序。

加工程序生成装置20基于从数控装置100的外部输入至加工程序生成装置20的加工形状数据，生成加工程序。加工形状数据是表示设计形状的数据，例如是CAD(Computer-Aided Design)数据2。加工程序生成装置20在生成加工程序时，使用机器学习装置10的作为学习结果的学习模型。

对话操作处理部30是数控装置100和作业者之间的接口，并且还是机器学习装置10或者加工程序生成装置20和作业者之间的接口。对话操作处理部30将由作业者经由指示输入部40输入的指示信息发送至机器学习装置10或者加工程序生成装置20。另外，对话操作处理部30将由作业者经由指示输入部40输入的指示信息在显示部50进行显示。

指示输入部40由鼠标、键盘等输入设备构成。指示输入部40对来自作业者的指示信息进行接收，将指示信息发送至对话操作处理部30。

显示部50是液晶监视器等显示设备，对加工程序1、CAD数据2、作业者经由指示输入部40输入的指示信息等进行显示。另外，显示部50能够对与由数控装置100、机器学习装置10及加工程序生成装置20进行的处理相关的各种信息进行显示。

机器学习装置10具有加工程序输入部11、加工程序存储部12、加工程序解析部13、机器学习部14和学习模型存储部15。

加工程序1从数控装置100的外部装置向机器学习装置10输入。加工程序输入部11对从外部装置输入的加工程序1进行接收，将接收到的加工程序1输入至加工程序存储部12。加工程序1是用于对未图示的工作机械进行数控的计算机程序，包含与加工方法、刀具、切削条件、刀具轨道、原材料形状、原材料的材质等有关的信息。

加工程序存储部12对加工程序1进行存储。加工程序存储部12将加工程序1与进行过编辑的作业者相关联，对加工程序1进行存储。与作业者相关联而对加工程序1进行存储，是指对能够识别作业者的信息和加工程序1进行存储。能够识别作业者的信息是作业者的姓名或者用户名、针对每个作业者而预先赋予的编号等。加工程序1的编辑是指为了生成加工程序1而由作业者进行的作业。在加工程序1的编辑中还包含对生成的加工程序1进行修正的作业。

加工程序解析部13从加工程序1对第1参数和第2参数进行提取。第1参数和第2参数是在加工程序1内使用的参数。第1参数是作为加工程序1的编辑中的调整对象的参数。第2参数是加工程序1的编辑中的调整对象外的参数，且是在第1参数的调整中使用的参数。参数的调整是指决定参数的值。第1参数的值在生成加工程序1时被决定。

第1参数例如是表示加工方法、加工顺序、刀具种类、进给、切削速度、径向进刀量、轴向进刀量等的参数。第2参数例如是基于原材料形状、原材料材质、加工形状等而确定值的参数。在第2参数中包含调整完成后的参数。针对每个第1参数，关联有在对第1参数进行调整时使用的第2参数。第1参数是基于与第1参数相对应的第2参数而进行调整。

加工程序解析部13针对每个第1参数而决定所要提取的第2参数，对决定出的第2参数进行提取。加工程序解析部13将针对每个加工程序1提取出的第1参数及第2参数输入至机器学习部14。

机器学习部14通过使用包含提取出的第1参数及第2参数在内的数据集进行的学习，生成学习模型。机器学习部14生成学习模型，该学习模型用于根据由作业者编辑的加工程序的第2参数对第1参数的值进行推断。在实施方式1中，机器学习部14进行用于生成学习模型的有教师学习。机器学习部14将生成的学习模型输入至学习模型存储部15。

机器学习部14所使用的学习算法可以是任意的学习算法。作为一个例子，举出神经网络、SVM(Support Vector Machine)等算法。神经网络可以是多层构造的深度学习。另外，机器学习部14所使用的学习算法也可以是遗传编程、归纳逻辑编程、支持向量机等。机器学习是对神经网络的加权或者偏置这样的参数进行优化的处理。

学习模型存储部15对机器学习部14的作为学习结果的学习模型进行存储。学习模型示出了最佳的第1参数相对于输入的第2参数的关系。

加工程序生成装置20具有加工形状数据输入部21、加工形状数据存储部22、加工程序生成部23、参数选择部24、加工程序存储部25、编辑操作解析部26和推断部27。

加工形状数据即CAD数据2从数控装置100的外部装置向加工程序生成装置20输入。加工形状数据输入部21对从外部装置输入的CAD数据2进行接收，将接收到的CAD数据2输入至加工形状数据存储部22。加工形状数据存储部22对CAD数据2进行存储。

加工形状数据包含表示切削加工品的加工成品形状即设计形状和原材料的材质的信息。原材料是要被切削出通过CAD数据2表示的设计形状的加工对象物。加工形状数据并不限定于CAD数据2，只要是加工程序生成装置20能够解释的数据即可。

加工程序生成部23生成用于从原材料切削出CAD数据2所示的设计形状的加工程序。参数选择部24从加工程序生成部23取得加工程序，生成在推断部27中向学习数据输入的输入数据。或者，参数选择部24也可以从加工形状数据存储部22读出CAD数据2，基于CAD数据2所示的加工形状，生成向学习数据输入的输入数据。参数选择部24从加工程序提取加工程序中使用的第2参数，生成包含第2参数的输入数据。参数选择部24将生成的输入数据向推断部27输入。

参数选择部24关于为了生成加工程序所使用的多个第1参数，分别生成输入数据。参数选择部24对多个第1参数各自进行指定，并且向推断部27发送输入数据，由此对推断部27指示第1参数的推断。

向推断部27作为输入数据而输入包含第2参数的输入数据。推断部27使用学习模型，根据第2参数对第1参数的值进行推断。推断部27将推断结果向参数选择部24回送。推断部27作为推断结果而将第1参数的多个值进行输出。

参数选择部24从推断部27接收作为推断结果的多个值。参数选择部24对多个值进行提示，接受从多个值中进行的值的选择。在实施方式1中，参数选择部24将从推断部27接收到的多个值经由对话操作处理部30向显示部50输出，由此使多个值在显示部50进行显示。如上所述，参数选择部24使显示部50对多个值进行显示，由此对多个值进行提示。作业者对指示输入部40进行操作，由此从在显示部50显示出的多个值中对值进行选择。选择出的值经由对话操作处理部30向推断部27输入。参数选择部24将选择出的值向加工程序生成部23输入。

加工程序生成部23基于从参数选择部24接收到的第1参数的值，生成加工程序。即，加工程序生成部23基于在参数选择部24中从多个值中选择出的值而生成加工程序。加工程序生成部23将生成的加工程序输入至加工程序存储部25。加工程序存储部25对加工程序进行存储。

编辑操作解析部26对通过作业者实施的编辑操作进行解析。编辑操作解析部26针对由作业者编辑后的每个第1参数，决定从加工程序提取的第2参数。编辑操作解析部26从加工程序提取所决定的第2参数。编辑操作解析部26从加工程序生成部23取得从第1参数的多个值中选择出的值。编辑操作解析部26取得从第1参数的多个值选择出的值，且从加工程序提取与第1参数相对应的第2参数，由此生成包含第1参数和第2参数，且用于生成或者更新学习模型的数据集。编辑操作解析部26在由作业者进行的每个编辑操作时，向机器学习部14输入数据集。

接下来，对数控装置100的动作进行说明。数控装置100的动作包含由机器学习装置10进行的学习模型生成处理和由加工程序生成装置20进行的加工程序生成处理。

图2是表示由图1所示的机器学习装置10进行的学习模型生成处理的顺序的流程图。在学习模型生成处理中，基于加工程序1，生成用于生成加工程序的学习模型。

在步骤S1中，加工程序输入部11从未图示的存储区域读入多个加工程序1。加工程序存储部12将加工程序1与进行过编辑的作业者相关联，对加工程序1进行存储。

在步骤S2中，加工程序解析部13从与作业者相关联的加工程序1对第1参数进行提取。加工程序解析部13对加工程序1中使用的多个第1参数进行提取。

在步骤S3中，加工程序解析部13关于提取出的多个第1参数，针对每个第1参数对第2参数进行提取。此时，加工程序解析部13针对每个第1参数，决定所要提取的第2参数，对决定出的第2参数进行提取。加工程序解析部13针对每个加工程序1进行步骤S2及步骤S3的处理。加工程序解析部13针对每个加工程序1，将提取出的第1参数及第2参数输入至机器学习部14。

在步骤S4中，机器学习部14使用输入的第1参数及第2参数，进行机器学习处理。机器学习部14基于第1参数及第2参数而生成数据集，按照生成的数据集进行机器学习。数据集是将调整对象的第1参数和用于决定该第1参数的值而使用的作为调整对象外的参数的第2参数相关联后的数据的组。机器学习部14使用预先确定的基准，生成优化后的模型而作为学习模型。机器学习部14生成作为学习结果的学习模型。学习模型存储部15对生成的学习模型进行存储。以上，机器学习装置10结束图2所示的顺序所涉及的学习模型生成处理。

图3是表示由图1所示的加工程序生成装置20进行的加工程序生成处理的顺序的流程图。加工程序生成装置20使用机器学习装置10的学习结果对加工程序的参数进行推断，使用推断结果而生成加工程序。

在步骤S11中，加工形状数据输入部21从未图示的存储区域读入加工形状数据即CAD数据2。加工形状数据存储部22对CAD数据2进行存储。在步骤S12中，加工程序生成部23基于CAD数据2而生成加工程序。

参数选择部24从加工程序生成部23取得加工程序。或者，参数选择部24从加工形状数据存储部22取得CAD数据2。参数选择部24从加工程序或者CAD数据2取得用于对第1参数进行推断的第2参数。参数选择部24将作为输入数据的第2参数向推断部27输入。

在步骤S13中，推断部27使用作为输入数据的第2参数和从学习模型存储部15读出的学习模型，对第1参数进行推断。推断部27将推断结果向参数选择部24输出。在步骤S14中，参数选择部24使第1参数的多个值在显示部50进行显示，由此对作为推断结果的第1参数的值进行提示。显示部50所显示的多个值是在加工程序中设定的第1参数的值的候选。如果由作业者选择了值，则参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S15中，加工程序生成部23基于选择出的第1参数的值生成加工程序的工序。在步骤S16中，加工程序存储部25对在加工程序生成部23中生成的加工程序进行存储。以上，加工程序生成装置20结束图3所示的顺序所涉及的加工程序生成处理。

接下来，对在根据向加工程序生成装置20的编辑操作的内容而生成学习模型时由机器学习装置10及加工程序生成装置20进行的处理进行说明。图4是表示在由图1所示的机器学习装置10及加工程序生成装置20根据编辑操作的内容而生成学习模型时进行的处理的顺序的流程图。加工程序生成装置20使用机器学习装置10的学习结果对加工程序的参数进行推断，使用推断结果而生成加工程序。

在步骤S21中，参数选择部24取得由作业者选择出的第1参数的值。通过向指示输入部40的输入操作而选择出的第1参数的值，经由对话操作处理部30而输入至参数选择部24。加工程序生成部23基于从参数选择部24接收到的第1参数的值，生成加工程序。

在步骤S22中，编辑操作解析部26从加工程序或者CAD数据2提取与选择出的第1参数的值相对应的第2参数。即，编辑操作解析部26对与第1参数相对应的第2参数进行提取。编辑操作解析部26将由作业者选择出的第1参数的值和提取出的第2参数向机器学习部14输入。

在步骤S23中，机器学习部14使用输入的第1参数的值和第2参数进行机器学习处理。机器学习部14生成包含第1参数和第2参数在内的数据集。机器学习部14从学习模型存储部15读出学习模型。机器学习部14进行基于数据集的追加学习，由此对学习模型进行更新。学习模型存储部15对通过追加学习而更新后的学习模型进行存储。此外，在学习模型存储部15中没有存储学习模型的情况下，机器学习部14按照基于数据集的学习，生成新的学习模型。学习模型存储部15对新的学习模型进行存储。以上，机器学习装置10及加工程序生成装置20结束根据编辑操作的内容而生成或者更新学习模型时的处理。

接下来，对由机器学习装置10进行的学习模型生成处理的详细内容进行说明。图5是表示由图1所示的机器学习装置10进行的学习模型生成处理的详细内容的流程图。在这里，使用图6所示的加工程序，对图5所示的动作进行说明。图6是表示由图1所示的机器学习装置10读入的加工程序的例子的图。图6所示的加工程序是用于进行攻丝加工的数控程序，包含分别关于多个参数的参数名和参数的值。

在步骤S31中，加工程序输入部11从未图示的存储区域，读入多个加工程序1。加工程序存储部12将加工程序1与进行过编辑的作业者相关联，对加工程序1进行存储。在步骤S32中，加工程序解析部13从在加工程序存储部12中存储的多个加工程序1分别对参数进行提取。

从图6所示的加工程序提取的参数，例如是与原材料相关的参数、与加工相关的参数、与刀具相关的参数、与加工位置相关的参数。与原材料相关的参数是原材料材质“FC250”、原材料外径“438”、原材料内径“352”、原材料长度“530”、原材料端面“30”及原材料转速“100”。与加工相关的参数是单元编号“9”、加工种类“攻丝加工”、加工模式“XC”、攻丝公称型号“M16”、外径“16”、间距“2”、螺纹深度“45”及倒角“0.9”。与刀具相关的参数是刀具序号“2”、刀具种类“钻头”、公称直径“14”、刀具No.“8”、加工孔径“14”、加工孔深度“42.7”、下孔直径“0”、下孔深度“100”、钻孔加工方法“深孔加工”、每1次的进刀深度“7.1”、周速“60”、进给“0.22”及M码“M45”。与加工位置相关的参数是形状图案“圆弧”、起点位置坐标x“202.5”、起点位置坐标y“225”、起点位置坐标z“0”、个数“2”及角度“90”。在提取的参数中还包含对加工程序进行过编辑的作业者名、使用加工程序的机械的种类。

返回至图5的说明。在步骤S33中，加工程序解析部13从提取出的参数中，针对调整对象的每个参数即第1参数，对作为调整对象外的参数的第2参数进行筛选。

在图6所示的例子中，“钻孔加工方法”为第1参数，“钻孔加工方法”的值为“0”至“3”这4个值的任意者。“0”表示钻孔循环，“1”表示高速深孔循环，“2”表示深孔循环，“3”表示超深孔循环。在该情况下，基于第1参数而筛选的第2参数是原材料材质“FC250”、原材料外径“438”、原材料内径“352”、原材料长度“530”、原材料端面“30”、加工种类“攻丝加工”、加工孔径“14”、加工孔深度“42.7”。

表示车削钻头和车削端面的顺序的“车削钻头和车削端面的加工顺序”是第1参数，“车削钻头和车削端面的加工顺序”的值是“0”或者“1”。“0”表示将车削钻头设为先，将车削端面设为后的顺序，“1”表示将车削端面设为先，将车削钻头设为后的顺序。在该情况下，基于第1参数进行筛选的第2参数能够设为原材料材质、原材料外径、原材料内径、原材料长度、原材料端面、加工孔径、加工孔深度。

“加工部位”为第1参数，“加工部位”的值是“0”至“3”这4个值的任意者。“0”表示外径，“1”表示内径，“2”表示正面，“3”表示背面。在该情况下，基于第1参数进行筛选的第2参数能够设为原材料材质、原材料外径、原材料内径、径向加工余量、轴向加工余量。

车削所涉及的加工方法即“车削棒材加工和车削开槽加工”为第1参数，“车削棒材加工和车削开槽加工”的值设为“0”或者“1”。“0”表示车削棒材加工，“1”表示车削开槽加工。在该情况下，基于第1参数进行筛选的第2参数能够设为原材料材质、原材料外径、原材料内径、径向加工余量、轴向加工余量。

此外，对参数进行提取的方法是从通过输入图案得到的参数对针对机器学习有效的特征进行选择的方法，是循环法、超前逐次特征选择法、朝后逐次特征选择法等。另外，作为对参数进行提取的方法，还存在基于对评价函数进行设定而对特征变换参数进行更新的机器学习的方法。通过在评价函数中将参数的L1范数作为正则化项添加后的被称为“Lasso”的方法，能够进行大量参数的值成为零的稀疏的特征变换。并且，还提出将一些参数分组化而进行“Lasso”，由此针对每组将值设为零的被称为“Group Lasso”的方法。另外，还存在基于作业者的经验对参数进行提取的方法。

“加工方法”为第1参数，“加工方法”的值是“0”至“39”这40个的值的任意者。“0”至“11”表示孔加工的加工方法，“12”至“20”表示线加工的加工方法，“21”至“28”表示面加工的加工方法，“29”至“36”表示车削加工的加工方法，“37”至“40”表示孔加工、线加工、面加工及车削加工以外的加工方法。在该情况下，加工程序解析部13能够从加工程序1的起始依次提取“加工方法”的值。

另外，第1参数不仅是“钻孔加工方法”、“车削钻头和车削端面的加工顺序”、“加工部位”、“车削棒材加工和车削开槽加工”、“加工方法”，还是与加工程序的生成相关的项目，只要是调整对象的参数即可。例如，第1参数可以是“车削加工的原材料的转速”、“车削刀具的公称型号”、“进刀－X”、“进刀－Z”、“精加工余量－X”、“精加工余量－Z”、“周速”、“进给”等。不仅是车削加工或者孔加工，线加工、面加工、加工头选择、工件移动等的与加工程序相关的全部项目也可成为第1参数。另外，第1参数不仅是整数值，如果使用线性回归，则也可以是实数值。

返回至图5的说明。在步骤S34中，加工程序解析部13使用第1参数和基于第1参数而筛选出的第2参数，生成包含第1参数及第2参数在内的数据集。加工程序解析部13将生成的数据集输入至机器学习部14。

在步骤S35中，机器学习部14按照从加工程序解析部13输入的数据集进行机器学习处理。机器学习部14通过机器学习处理，针对每个第1参数，生成表示第1参数和第2参数之间的关系的学习模型。在步骤S36中，学习模型存储部15对生成的学习模型进行存储。此外，根据加工程序1而生成学习模型的技术能够使用日本专利第6599069号公报等所示的技术。

接下来，对由加工程序生成装置20进行的加工程序生成处理的详细内容进行说明。图7是表示由图1所示的加工程序生成部23进行的加工程序生成处理的详细内容的流程图。下面，对与一边使刀具旋转、一边使刀具进行移动，由此对加工对象物进行切削的铣削加工相关的加工程序生成处理的例子进行说明。

在步骤S41中，加工程序生成部23读入在加工形状数据存储部22中存储的CAD数据2。CAD数据2是包含加工前的原材料的形状和加工后的加工对象物的形状在内的设计数据。图8是表示基于图1所示的CAD数据2而生成的加工后的加工对象物的形状的斜视图。下面，将加工后的加工对象物的形状称为加工形状。在图8示出具体例所涉及的加工形状SH1。

返回至图7的说明。在步骤S42中，加工程序生成部23基于读入的CAD数据2，生成图8所示的加工形状SH1。加工程序生成部23在程序原点对加工形状SH1进行配置。程序原点是程序坐标系的加工原点。此外，在步骤S42至步骤S45中，形状的生成是指假想空间中的形状的生成。

程序坐标系是X轴、Y轴及Z轴这3轴的正交坐标系。X轴方向在图中为横向。X轴方向的正设为横向之中的右方。Y轴方向在图中为前后方向。Y轴方向的正设为前后方向之中的后方。Z轴方向在图中为上下方向。Z轴方向的正设为上下方向之中的上方。

加工程序生成部23以加工形状SH1之中的X轴坐标成为最小的部位、Y轴坐标成为最小的部位和Z轴坐标成为最大的部位与程序原点一致的方式对加工形状SH1进行配置，由此将加工形状SH1配置于程序原点。

返回至图7的说明。在步骤S43中，加工程序生成部23基于读入的CAD数据2，生成加工前的原材料的形状。下面，将加工前的原材料的形状称为原材料形状。原材料形状具体地说，是包含有在程序原点配置的加工形状SH1的3维的长方体形状。加工程序生成部23将生成的原材料形状与加工形状SH1同样地配置于程序坐标系。

图9是表示基于图1所示的CAD数据2而生成的原材料形状的斜视图。在图9示出具体例所涉及的原材料形状SH2。原材料形状SH2的尺寸能够基于X轴方向、Y轴方向及Z轴方向的各方向的加工形状SH1的坐标的最大值及最小值而求出。

进行对加工形状SH1的上表面实施精加工的上表面加工，因此Z轴方向的原材料形状SH2的尺寸设为比加工形状SH1大2mm至3mm左右的尺寸。加工程序生成部23以+Z轴方向侧的原材料形状SH2的上表面与程序原点一致的方式对原材料形状SH2进行配置。因此，加工程序生成部23从原材料形状SH2的上表面起向－Z轴方向使加工形状SH1平行移动。具体地说，加工程序生成部23向－Z轴方向以2mm至3mm使加工形状SH1平行移动。在这里，原材料形状SH2设为X轴方向的尺寸为80mm、Y轴方向的尺寸为60mm、Z轴方向的尺寸为23mm。原材料材质设为S45C。

返回至图7的说明。在步骤S44中，加工程序生成部23生成从原材料形状SH2被去除的部分的形状。下面，将被去除的部分的形状称为加工去除形状。图10是表示由图1所示的加工程序生成部23生成的加工去除形状的斜视图。在图10示出具体例所涉及的加工去除形状SH3。加工程序生成部23通过从原材料形状SH2的实体模型减去加工形状SH1的实体模型的差运算，能够求出加工去除形状SH3。

返回至图7的说明。在步骤S45中，加工程序生成部23生成针对每个工序的被去除的部分的形状。下面，将针对每个工序的被去除的部分的形状称为工序形状。加工形状SH1通过多个工序从原材料形状SH2被切削出。工序形状是在多个工序各自中被去除的部分的形状。

在这里，对通过对面进行切削的第1及第2面加工、进行开孔的孔加工和形成锪孔的锪孔加工的各工序而形成加工形状SH1的情况下的各工序形状进行说明。将通过第1面加工被去除的部分的形状设为第1工序形状，将通过第2面加工被去除的部分的形状设为第2工序形状，将通过孔加工被去除的部分的形状设为第3工序形状，将通过锪孔加工被去除的部分的形状设为第4工序形状。

图11是表示由图1所示的加工程序生成部23生成的第1工序形状的斜视图。图11所示的工序形状SH4是第1工序形状的具体例。

图12是表示由图1所示的加工程序生成部23生成的第2工序形状的斜视图。图12所示的工序形状SH5是第2工序形状的具体例。图13是表示由图1所示的加工程序生成部23生成的第3工序形状的斜视图。图13所示的工序形状SH6是第3工序形状的具体例。图14是表示由图1所示的加工程序生成部23生成的第4工序形状的斜视图。

图14所示的工序形状SH7是第4工序形状的具体例。加工去除形状SH3是将工序形状SH4、工序形状SH5、工序形状SH6和工序形状SH7组合后的形状。

工序形状SH6包含4个圆柱形状SH61、SH62、SH63、SH64。工序形状SH7包含2个阶梯圆柱形状SH71、SH72。加工程序生成部23从加工去除形状SH3提取小于或等于预先设定的直径的多个圆柱形状，将多个圆柱形状分别分割为圆柱形状SH61、SH62、SH63、SH64和阶梯圆柱形状SH71、SH72。阶梯圆柱形状SH71、SH72是使彼此不同直径的2个圆柱形状在Z轴方向相邻而成的。加工程序生成部23将相邻的圆柱形状作为1个形状进行处理。如上所述，加工程序生成部23生成工序形状SH6和工序形状SH7。

接下来，加工程序生成部23将加工去除形状SH3之中的工序形状SH6、SH7去除，由此对剩余的阶梯形状的部分进行分割。该阶梯形状中的台阶的高度方向是Z轴方向。加工程序生成部23通过与Z轴方向垂直的XY平面将该阶梯形状分割为2个。如上所述，加工程序生成部23生成工序形状SH4和工序形状SH5。此外，第1面加工是上述的上表面加工。第2面加工是将比工序形状SH4靠－Z轴方向侧的部分挖空为矩形的加工。在该矩形中的四角分别带有圆角。

返回至图7的说明。参数选择部24从加工程序或者CAD数据2取得用于对第1参数进行推断的第2参数。参数选择部24指定进行推断的第1参数，将第2参数输入至推断部27。在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。

在这里，参数选择部24指定出进行推断的第1参数即“面加工方法”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

此外，参数选择部24取得在生成原材料形状时所设定的原材料材质而作为第2参数。另外，参数选择部24对工序形状SH4进行解析，由此取得工序形状SH4的坐标和尺寸的值。参数选择部24作为第2参数，可以取得作业者名、机械的种类。

参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。即，参数选择部24取得第1参数的多个值和概率的数据集。

在这里，参数选择部24作为推断结果，关于第1参数即“面加工方法”而取得“0”至“4”这5个值。“0”表示通过端铣刀进行平面加工的端铣刀工序。“1”表示通过立铣刀进行平面加工的立铣刀工序。“2”表示一边将一部分形状保留，一边进行通过立铣刀实施的平面加工的立铣刀山工序。“3”表示通过立铣刀进行口袋加工的口袋铣削工序。“4”表示一边将一部分形状保留，一边进行通过立铣刀实施的口袋加工的口袋山工序。

另外，参数选择部24作为推断结果，关于这各5个值，取得“0”：0.8、“1”：0.15、“2”：0.0、“3”：0.05、“4”：0.0的各概率。“0”：0.8表示在加工程序中使用“0”的概率为80％。“1”：0.15表示在加工程序中使用“1”的概率为15％。“2”：0.0表示在加工程序中使用“2”的概率为0％。“3”：0.05表示在加工程序中使用“3”的概率为5％。“4”：0.0表示在加工程序中使用“4”的概率为0％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA121。推断部27将在学习模型存储部15中存储的学习模型之中的与所指定的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，在步骤S47中，参数选择部24将作为推断结果的第1参数的值和概率一起提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。显示部50能够通过任意的方式对第1参数的各值和概率进行显示。显示部50可以将第1参数的各值和概率按照概率从高到低的顺序排序显示。显示部50可以对第1参数的各值之中的仅概率大于或等于预先设定的值的值进行显示。将第1参数的值和概率一起提示，由此作业者能够容易地选择第1参数的值。

此外，参数选择部24也可以将在多个值各自向加工程序使用的情况下预想的加工时间与作为推断结果的第1参数的多个值一起提示。参数选择部24对工序形状SH4的加工进行仿真，由此能够求出预想的加工时间。将第1参数的值与预想的加工时间一起提示，由此作业者能够容易地选择第1参数的值。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则在步骤S48中，参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，作业者在关于程序生成参数PA121而选择了“端铣刀工序”即“0”的情况下，参数选择部24关于第1参数即“面加工方法”而取得“0”。参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S49中，加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“面加工方法”而取得“0”，由此生成端铣刀工序。

在步骤S50中，加工程序生成部23关于在加工程序中使用的全部第1参数而判断工序的生成是否完成。在工序的生成没有完成的情况下(步骤S50，No)，加工程序生成装置20将顺序返回至步骤S46。

加工程序生成装置20直至关于在加工程序中使用的全部第1参数而工序的生成完成为止，重复步骤S46至步骤S50的处理。即，加工程序生成装置20以在加工程序中使用的第1参数的数，重复步骤S46至步骤S50的处理。

接下来，参数选择部24指定出进行推断的第1参数即“端铣刀工序的精加工余量”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、加工余量－Z“3.0”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”、工序形状SH4的底面粗糙度“1.6”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

此外，参数选择部24取得底面粗糙度与工序形状SH4的下表面相对应的加工形状SH1的面的属性即底面粗糙度信息而作为第2参数。参数选择部24例如取得计算平均粗糙度Ra的值而作为底面粗糙度。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。在这里，参数选择部24作为推断结果，作为第1参数即“精加工余量”而取得“0.3”的值。将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA122。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27将作为推断结果的第1参数的值向参数选择部24输出。推断部27在第1参数为连续值的情况下，进行回归的机器学习，将作为推断结果的数值向参数选择部24输出。

接下来，在步骤S47中，参数选择部24对作为推断结果的第1参数的值进行提示。参数选择部24将第1参数的值经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的值在显示部50进行显示，由此对第1参数的值进行提示。

在作业者将在显示部50显示出的第1参数的值直接决定为设定值的情况下，或者不将在显示部50显示出的第1参数的值，而是将任意的值决定为设定值的情况下，在步骤S48中，参数选择部24经由对话操作处理部30而取得设定值。例如，如果作业者关于程序生成参数PA122而将“0.3”决定为设定值，则参数选择部24取得与“精加工余量”有关的设定值即“0.3”。参数选择部24向加工程序生成部23输入设定值。

在步骤S49中，加工程序生成部23基于第1参数的设定值，生成加工程序的工序。加工程序生成部23取得“精加工余量”的值即“0.3”，由此将端铣刀工序的精加工余量Z值设定为0.3。

接下来，参数选择部24指定出进行推断的第1参数即“端铣刀工序的刀具公称直径”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、加工余量－Z“3.0”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”、刀具用途“粗加工”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。参数选择部24从推断部27取得作为推断结果的第1参数的多个值、和与该多个值各自有关的向加工程序使用的概率。

在这里，参数选择部24作为推断结果，关于第1参数即“端铣刀工序的刀具公称直径”而取得“30”、“40”、“50”、“60”这4个值。各值表示端铣刀工序的刀具公称直径。另外，参数选择部24作为推断结果，关于该各4个值，取得“30”：0.7、“40”：0.1、“50”：0.1、“60”：0.05的各概率。“30”：0.7表示端铣刀工序的刀具公称直径设为30的概率为70％。“40”：0.1表示端铣刀工序的刀具公称直径设为40的概率为10％。“50”：0.1表示端铣刀工序的刀具公称直径设为50的概率为10％。“60”：0.1表示端铣刀工序的刀具公称直径设为60的概率为5％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA123。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，在步骤S47中，参数选择部24将作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

如果作业者从在显示部50显示出的第1参数的多个值中选择了任意的值，则在步骤S48中，参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA123而选择出“30”的情况下，参数选择部24取得作为第1参数的“端铣刀工序的刀具公称直径”的值即“30”。参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S49中，加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“端铣刀工序的刀具公称直径”而取得“30”，由此将端铣刀工序的粗加工中的刀具公称直径设定为“30”。

接下来，参数选择部24指定出进行推断的第1参数即“端铣刀工序的加工方法”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、加工余量－Z“3.0”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”、加工用途“粗加工”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。

在这里，参数选择部24作为推断结果，关于第1参数即“端铣刀工序的加工方法”而取得“0”至“3”这4个值。“0”表示使端铣刀在X轴方向往复的切削。“1”表示使端铣刀在Y轴方向往复的切削。“2”表示使端铣刀向X轴方向的1个方向移动的切削。“3”表示使端铣刀向Y轴方向的1个方向移动的切削。

另外，参数选择部24作为推断结果，关于该各4个值而取得“0”：0.8、“1”：0.1、“2”：0.05、“3”：0.05的各概率。“0”：0.8表示在加工程序中使用“0”的概率为80％。“1”：0.1表示在加工程序中使用“1”的概率为10％。“2”：0.05表示在加工程序中使用“2”的概率为5％。“3”：0.05表示在加工程序中使用“3”的概率为5％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA124。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，在步骤S47中，参数选择部24将作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则在步骤S48中，参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA124而选择出使端铣刀在X轴方向往复的切削即“0”的情况下，参数选择部24取得选择出的值即“0”。参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S49中，加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“端铣刀工序的加工方法”而取得“0”，由此将端铣刀工序的粗加工中的加工方法设定为“X轴方向往复”。

接下来，参数选择部24指定出进行推断的第1参数即“端铣刀工序的刀具公称直径”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、加工余量－Z“3.0”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”、刀具用途“精加工”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。

在这里，参数选择部24作为推断结果，关于第1参数即“端铣刀工序的刀具公称直径”而取得“30”、“40”、“50”、“60”这4个值。各值表示端铣刀的刀具公称直径。另外，参数选择部24作为推断结果，关于该各4个值而取得“30”：0.8、“40”：0.2、“50”：0.0、“60”：0.0的各概率。“30”：0.8表示端铣刀工序的刀具公称直径设为30的概率为80％。“40”：0.2表示端铣刀工序的刀具公称直径设为40的概率为20％。“50”：0.0表示端铣刀工序的刀具公称直径设为50的概率为0％。“60”：0.0表示端铣刀工序的刀具公称直径设为60的概率为0％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA125。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，在步骤S47中，参数选择部24将作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则在步骤S48中，参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA125而选择出“30”的情况下，参数选择部24取得第1参数即“端铣刀工序的刀具公称直径”的值即“30”。参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S49中，加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“端铣刀工序的刀具公称直径”而取得“30”，由此将端铣刀工序的精加工中的刀具公称直径设定为“30”。

在工序的生成没有完成的情况下(步骤S50，No)，接下来，参数选择部24指定出进行推断的第1参数即“端铣刀的加工方法”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、加工余量－Z“3.0”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”、加工用途“精加工”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。

在这里，参数选择部24作为推断结果，关于第1参数即“端铣刀的加工方法”而取得“0”至“3”这4个值。“0”表示使端铣刀在X轴方向往复的切削。“1”表示使端铣刀在Y轴方向往复的切削。“2”表示使端铣刀向X轴方向的1个方向移动的切削。“3”表示使端铣刀向Y轴方向的1个方向移动的切削。

另外，参数选择部24作为推断结果，关于该各4个值而取得“0”：0.9、“1”：0.1、“2”：0.0、“3”：0.0的各概率。“0”：0.9表示在加工程序中使用“0”的概率为90％。“1”：0.1表示在加工程序中使用“1”的概率为10％。“2”：0.0表示在加工程序中使用“2”的概率为0％。“3”：0.0表示在加工程序中使用“3”的概率为0％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA126。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，在步骤S47中，参数选择部24将作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则在步骤S48中，参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA126而选择出“0”的情况下，参数选择部24取得选择出的值即“0”。参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S49中，加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“端铣刀工序的加工方法”而取得“0”，由此将端铣刀工序的精加工中的加工方法设定为“X轴方向往复”。

加工程序生成装置20如果与工序形状SH4有关的工序的生成完成，则与工序形状SH4的情况同样地，关于工序形状SH5也重复步骤S46至步骤S50的处理。由此，加工程序生成装置20关于工序形状SH5，对口袋铣削工序的精加工余量、口袋铣削工序的粗加工中的刀具公称直径、口袋铣削工序的精加工中的加工方法、口袋铣削工序的精加工中的刀具公称直径、口袋铣削工序的精加工中的加工方法进行设定。

如果与工序形状SH4、SH5有关的工序的生成完成，则参数选择部24关于工序形状SH61，指定进行推断的第1参数即“孔加工方法”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH61的上表面的中心坐标“7.0，7.0，－3.0”、工序形状SH61的下表面的中心坐标“7.0，7.0，－23.0”、工序形状SH61的孔径“6.4”、工序形状SH61的孔深度“23.0”、工序形状SH61的锪孔直径“0.0”、工序形状SH61的锪孔深度“0.0”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。

在这里，参数选择部24作为推断结果，关于第1参数即“孔加工方法”而取得“0”至“3”这4个值。“0”表示进行通过钻头实施的孔加工的钻孔工序。“1”表示进行用于形成锪孔的孔加工的锪孔工序。“2”表示进行通过扩孔实施的精加工的扩孔工序。“3”表示进行通过攻丝实施的螺纹切削加工的攻丝工序。

另外，参数选择部24作为推断结果，关于该各4个值而取得“0”：0.6、“1”：0.05、“2”：0.1、“3”：0.25的各概率。“0”：0.6表示在加工程序中使用“0”的概率为60％。“1”：0.05表示在加工程序中使用“1”的概率为5％。“2”：0.1表示在加工程序中使用“2”的概率为10％。“3”：0.25表示在加工程序中使用“3”的概率为25％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA131。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，在步骤S47中，参数选择部24将作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则在步骤S48中，参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA131而选择出钻孔工序即“0”的情况下，参数选择部24取得选择出的值即“0”。参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S49中，加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“孔加工方法”而取得“0”，由此将工序形状SH61的孔加工方法设定为“钻孔工序”。

接下来，参数选择部24指定出进行推断的第1参数即“钻头的公称直径”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH61的孔径“6.4”、工序形状SH61的孔深度“23.0”、工序形状SH61的锪孔直径“0.0”、工序形状SH61的锪孔深度“0.0”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。在这里，参数选择部24作为推断结果，作为第1参数即“钻头的公称直径”而取得“6.0”的值。将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA132。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27将作为推断结果的第1参数的值向参数选择部24输出。推断部27进行回归的机器学习。推断部27可以进行通过分类实施的机器学习。

接下来，在步骤S47中，参数选择部24对作为推断结果的第1参数的值进行提示。参数选择部24将第1参数的值经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的值在显示部50进行显示，由此对第1参数的值进行提示。

在作业者将在显示部50显示出的第1参数的值直接决定为设定值的情况下，或者不将在显示部50显示出的第1参数的值，而是将任意的值决定为设定值的情况下，在步骤S48中，参数选择部24经由对话操作处理部30而取得设定值。例如，如果作业者关于程序生成参数PA132而将“6.0”决定为设定值，则参数选择部24取得与“钻头的公称直径”有关的设定值即“6.0”。参数选择部24向加工程序生成部23输入设定值。

在步骤S49中，加工程序生成部23基于第1参数的设定值，生成加工程序的工序。加工程序生成部23取得“钻头的公称直径”的值即“6.0”，由此将钻孔工序中的钻头的公称直径设定为6.0。

接下来，参数选择部24指定出进行推断的第1参数即“钻孔加工方法”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH61的孔径“6.4”、工序形状SH61的孔深度“23.0”、工序形状SH61的锪孔直径“0.0”、工序形状SH61的锪孔深度“0.0”、工序形状SH61的孔类型“贯通孔”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。

在这里，参数选择部24作为推断结果，关于第1参数即“钻孔加工方法”而取得“0”或者“1”。“0”表示进行1次钻孔加工的钻孔循环。“1”表示进行钻孔加工，如果达到指定出的进刀量，则使钻头上升至预先设定的位置为止而再次进行钻孔加工的深孔循环。

另外，参数选择部24作为推断结果，关于该各2个值而取得“0”：1.0、“1”：0.0的各概率。“0”：1.0表示在加工程序中使用“0”的概率为100％。“1”：0.0表示在加工程序中使用“1”的概率为0％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA133。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，在步骤S47中，参数选择部24将作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则在步骤S48中，参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA133而选择出进行1次钻孔加工的钻孔循环即“0”的情况下，参数选择部24取得选择出的值即“0”。参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S49中，加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“钻孔加工方法”而取得“0”，由此将钻孔加工方法设定为“进行1次钻孔加工的钻孔循环”。

加工程序生成装置20如果与工序形状SH61有关的工序的生成完成，则与工序形状SH61的情况同样地，关于工序形状SH62、SH63、SH64也重复步骤S46至步骤S50的处理。

如果与工序形状SH4、SH5、SH6有关的工序的生成完成，则参数选择部24关于工序形状SH71，指定进行推断的第1参数即“孔加工方法”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH71的上表面的中心坐标“55.0，30.0，－13.0”、工序形状SH71的下表面中心坐标“55.0，30.0，－23.0”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。参数选择部24从推断部27取得作为推断结果的第1参数的多个值、和与该多个值各自有关的向加工程序使用的概率。

在这里，参数选择部24作为推断结果，关于第1参数即“孔加工方法”而取得“0”至“3”这4个值。“0”表示进行通过钻头实施的孔加工的钻孔工序。“1”表示进行用于形成锪孔的孔加工的锪孔工序。“2”表示进行通过扩孔实施的精加工的扩孔工序。“3”表示进行通过攻丝实施的螺纹切削加工的攻丝工序。

另外，参数选择部24作为推断结果，关于该各4个值而取得“0”：0.0、“1”：0.6、“2”：0.1、“3”：0.3的各概率。“0”：0.0表示在加工程序中使用“0”的概率为0％。“1”：0.6表示在加工程序中使用“1”的概率为60％。“2”：0.1表示在加工程序中使用“2”的概率为10％。“3”：0.3表示在加工程序中使用“3”的概率为30％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA134。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，在步骤S47中，参数选择部24将作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则在步骤S48中，参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA134而选择出锪孔工序即“1”的情况下，参数选择部24取得选择出的值即“1”。参数选择部24将选择出的值向加工程序生成部23输入。

在步骤S49中，加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“孔加工方法”而取得“1”，由此将工序形状SH71的孔加工方法设定为“锪孔工序”。

接下来，参数选择部24指定出进行推断的第1参数即“下孔钻头的公称直径”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”、孔加工方法“锪孔”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。在这里，参数选择部24作为推断结果，作为第1参数即“下孔钻头的公称直径”而取得“6.6”的值。将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA135。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27将作为推断结果的第1参数的值向参数选择部24输出。

接下来，在步骤S47中，参数选择部24对作为推断结果的第1参数的值进行提示。参数选择部24将第1参数的值经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的值在显示部50进行显示，由此对第1参数的值进行提示。

在作业者将在显示部50显示出的第1参数的值直接决定为设定值的情况下，或者不将在显示部50显示出的第1参数的值，而是将任意的值决定为设定值的情况下，在步骤S48中，参数选择部24经由对话操作处理部30而取得设定值。例如，如果作业者关于程序生成参数PA135而将“6.6”决定为设定值，则参数选择部24取得与“下孔钻头的公称直径”有关的设定值即“6.6”。参数选择部24向加工程序生成部23输入设定值。

在步骤S49中，加工程序生成部23基于第1参数的设定值，生成加工程序的工序。加工程序生成部23取得“下孔钻头的公称直径”的值即“6.6”，由此将锪孔工序中的下孔钻头的公称直径设定为6.6。

接下来，参数选择部24指定出进行推断的第1参数即“锪孔立铣刀的公称直径”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”、孔加工方法“锪孔”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在步骤S46中，参数选择部24从推断部27取得作为推断结果的第1参数的值。在这里，参数选择部24作为推断结果，作为第1参数即“锪孔立铣刀的公称直径”而取得“8.0”的值。将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA136。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27将作为推断结果的第1参数的值向参数选择部24输出。

接下来，在步骤S47中，参数选择部24对作为推断结果的第1参数的值进行提示。参数选择部24将第1参数的值经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的值在显示部50进行显示，由此对第1参数的值进行提示。

在作业者将在显示部50显示出的第1参数的值直接决定为设定值的情况下，或者不将在显示部50显示出的第1参数的值，而是将任意的值决定为设定值的情况下，在步骤S48中，参数选择部24经由对话操作处理部30而取得设定值。例如，如果作业者关于程序生成参数PA136而将“8.0”决定为设定值，则参数选择部24取得与“锪孔立铣刀的公称直径”有关的设定值即“8.0”。参数选择部24向加工程序生成部23输入设定值。

在步骤S49中，加工程序生成部23基于第1参数的设定值，生成加工程序的工序。加工程序生成部23取得“锪孔立铣刀的公称直径”的值即“8.0”，由此将锪孔工序中的锪孔立铣刀的公称直径设定为8.0。

加工程序生成装置20如果与工序形状SH71有关的工序的生成完成，则与工序形状SH71的情况同样地，关于工序形状SH72也重复步骤S46至步骤S50的处理。

在关于在加工程序中使用的全部第1参数而工序的生成完成的情况下(步骤S50，Yes)，加工程序生成装置20结束图7的顺序所涉及的加工程序生成处理。

加工程序生成部23进行图7的顺序所涉及的加工程序生成处理，由此通过参照程序生成参数PA121－PA126，从而能够生成用于从原材料切削出作业者所期望的加工形状SH1的面加工工序。另外，加工程序生成部23能够高效地生成用于切削出加工形状SH1的彼此不同的多个面加工工序。

加工程序生成部23进行图7的顺序所涉及的加工程序生成处理，由此通过参照程序生成参数PA131－PA136，从而能够生成用于从原材料切削出作业者所期望的加工形状SH1的孔加工工序。另外，加工程序生成部23能够高效地生成用于切削出加工形状SH1的彼此不同的多个孔加工工序。

根据实施方式1，机器学习装置10基于通过作业者的编辑在过去生成的加工程序而生成学习模型。加工程序生成装置20使用该学习模型而决定第1参数。在通过作业者的编辑而生成的加工程序中，累积有作业者的知识及经验。因此，加工程序生成装置20能够高效且容易地生成与作业者通过手动作业生成加工程序的情况相同的加工程序。加工程序生成装置20在生成加工程序时需要调整的参数多种多样的情况下，也能够容易地生成加工程序。

实施方式2.

在实施方式2中，对由加工程序生成装置20进行的编辑操作解析处理和由机器学习装置10进行的追加学习处理的详细内容进行说明。实施方式2所涉及的数控装置100具有与实施方式1所涉及的数控装置100相同的结构。在实施方式2中，数控装置100的动作与实施方式1同样地，包含由机器学习装置10进行的学习模型生成处理和由加工程序生成装置20进行的加工程序生成处理。

图15是表示实施方式2中的编辑操作解析处理和追加学习处理的顺序的流程图。在这里，以图11所示的工序形状SH4为例，对编辑操作解析处理和追加学习处理进行说明。机器学习装置10生成学习模型。关于学习模型生成处理的概要，由于与实施方式1相同，因此在这里省略说明。另外，加工程序生成装置20生成加工程序。关于加工程序生成处理的概要，由于也与实施方式1相同，因此在这里省略说明。

在这里，参数选择部24指定出进行推断的第1参数即“面加工方法”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。即，参数选择部24取得第1参数的多个值和概率的数据集。

在这里，参数选择部24作为推断结果，关于第1参数即“面加工方法”而取得“0”至“5”这6个值。“0”表示通过端铣刀进行平面加工的端铣刀工序。“1”表示通过立铣刀进行平面加工的立铣刀工序。“2”表示一边将一部分形状保留，一边进行通过立铣刀实施的平面加工的立铣刀山工序。“3”表示通过立铣刀进行口袋加工的口袋铣削工序。“4”表示一边将一部分形状保留，一边进行通过立铣刀实施的口袋加工的口袋山工序。“5”表示通过端铣刀或者立铣刀进行轮廓加工的线加工工序。

另外，参数选择部24作为推断结果，关于该各6个值而取得“0”：0.8、“1”：0.15、“2”：0.0、“3”：0.05、“4”：0.0、“5”：0.0的各概率。“0”：0.8表示在加工程序中使用“0”的概率为80％。“1”：0.15表示在加工程序中使用“1”的概率为15％。“2”：0.0表示在加工程序中使用“2”的概率为0％。“3”：0.05表示在加工程序中使用“3”的概率为5％。“4”：0.0表示在加工程序中使用“4”的概率为0％。“5”：0.0表示在加工程序中使用“5”的概率为0％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA141。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，参数选择部24对作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。显示部50能够通过任意的方式对第1参数的各值和概率进行显示。显示部50可以将第1参数的各值和概率以概率从高到低的顺序排序显示。显示部50可以对第1参数的各值之中的仅概率大于或等于预先设定的值的值进行显示。将第1参数的值和概率一起提示，由此作业者能够容易地选择第1参数的值。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA141而选择出“线加工工序”即“5”的情况下，参数选择部24关于第1参数即“面加工方法”而取得“5”。参数选择部24将选择出的值向加工程序生成部23输入。

加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“面加工方法”而取得“5”，由此生成线加工工序。

在这里，加工程序生成部23将指定出的第1参数即“面加工方法”和“面加工方法”的值即“5”向编辑操作解析部26输入。由此，在步骤S51中，编辑操作解析部26从编辑操作取得第1参数的值。

接下来，在步骤S52中，加工程序生成部23从加工程序及工序形状SH4取得第2参数的值。即，加工程序生成部23基于指定出的第1参数对第2参数进行筛选。加工程序生成部23作为对于程序生成参数PA141所需的第2参数，取得原材料材质“S45C”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”的各参数。另外，加工程序生成部23作为第2参数，取得调整完成的参数即面加工方法“线加工”。加工程序生成部23将取得的第2参数向编辑操作解析部26输入。

在步骤S53中，编辑操作解析部26使用第1参数和基于第1参数而筛选出的第2参数，生成包含第1参数及第2参数在内的数据集。编辑操作解析部26将生成的数据集向机器学习部14输入。

机器学习部14从学习模型存储部15读出学习模型。在步骤S54中，机器学习部14按照从编辑操作解析部26输入的数据集，进行学习模型的追加学习处理即机器学习处理。机器学习部14通过追加学习处理对学习模型进行更新。机器学习部14通过追加学习处理，针对每个第1参数，对表示第1参数和第2参数之间的关系的学习模型进行更新。在步骤S55中，学习模型存储部15对通过追加学习更新后的学习模型进行存储。由此，机器学习装置10及加工程序生成装置20结束图15所示的顺序所涉及的编辑操作解析处理及追加学习处理。

接下来，针对进行推断的每个第1参数对图15所示的顺序所涉及的编辑操作解析处理及追加学习处理进行说明。在这里，作为进行推断的第1参数，指定出“线加工工序的刀具公称直径”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、加工余量－Z“3.0”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”、面加工方法“线加工”、刀具用途“粗加工”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

在这里，参数选择部24作为推断结果，关于第1参数即“线加工工序的刀具公称直径”而取得“0”、“1”、“30”、“40”、“50”、“60”这6个值。另外，参数选择部24作为推断结果，关于该各6个值而取得“0”：0.4、“1”：0.6及“30”：0.25、“40”：0.25、“50”：0.25、“60”：0.25的各概率。

“0”表示端铣刀刀具。“1”表示立铣刀刀具。“0”：0.4表示在加工程序中使用“0”的概率，即在线加工工序中使用端铣刀刀具的概率为40％。“1”：0.6表示在加工程序中使用“1”的概率，即在线加工工序使用立铣刀刀具的概率为60％。“30”、“40”、“50”、“60”各自表示刀具公称直径。“30”：0.25表示刀具公称直径设为30的概率为25％。“40”：0.25表示刀具公称直径设为40的概率为25％。“50”：0.25表示刀具公称直径设为50的概率为25％。“60”：0.25表示刀具公称直径设为60的概率为25％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA142。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，参数选择部24对作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA142而选择出“60”的情况下，参数选择部24取得第1参数即“线加工工序的刀具公称直径”的值即“60”。参数选择部24将选择出的值向加工程序生成部23输入。

加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“线加工工序的刀具公称直径”而取得“60”，由此将线加工工序的粗加工中的刀具公称直径设定为“60”。

在这里，加工程序生成部23将指定出的第1参数即“线加工工序的刀具公称直径”和“线加工工序的刀具公称直径”的值即“60”向编辑操作解析部26输入。由此，在步骤S51中，编辑操作解析部26从编辑操作取得第1参数的值。

接下来，在步骤S52中，加工程序生成部23从加工程序及工序形状SH4取得第2参数的值。即，加工程序生成部23基于第1参数对第2参数进行筛选。加工程序生成部23作为对于程序生成参数PA142所需的第2参数，取得原材料材质“S45C”、加工余量－Z“3.0”、工序形状SH4的上表面坐标“80.0，60.0，0.0”、工序形状SH4的下表面坐标“0.0，0.0，－3.0”、工序形状SH4的X轴方向尺寸“80.0”、工序形状SH4的Y轴方向尺寸“60.0”、工序形状SH4的Z轴方向尺寸“3.0”、在水平方向与工序形状SH4相邻的形状“无”、工序形状SH4所包含的山形状“无”、工序形状SH4所包含的谷形状“无”的各参数。另外，加工程序生成部23作为第2参数，取得调整完成的参数即面加工方法“线加工”。加工程序生成部23将取得的第2参数向编辑操作解析部26输入。

在步骤S53中，编辑操作解析部26使用第1参数和基于第1参数的种类而筛选出的第2参数，生成包含第1参数及第2参数在内的数据集。编辑操作解析部26将生成的数据集向机器学习部14输入。

机器学习部14从学习模型存储部15读出学习模型。在步骤S54中，机器学习部14按照从编辑操作解析部26输入的数据集，进行学习模型的追加学习处理即机器学习处理。机器学习部14通过追加学习处理对学习模型进行更新。机器学习部14通过追加学习处理，针对每个第1参数，对表示第1参数和第2参数之间的关系的学习模型进行更新。在步骤S55中，学习模型存储部15对通过追加学习更新后的学习模型进行存储。由此，机器学习装置10及加工程序生成装置20结束图15所示的顺序所涉及的编辑操作解析处理及追加学习处理。

接下来，以图14所示的工序形状SH71为例，对编辑操作解析处理和追加学习处理进行说明。机器学习装置10生成学习模型。关于学习模型生成处理的概要，由于与实施方式1相同，因此在这里省略说明。另外，加工程序生成装置20生成加工程序。关于加工程序生成处理的概要，由于也与实施方式1相同，因此在这里省略说明。

在这里，参数选择部24指定出进行推断的第1参数的种类即“孔加工方法”。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH71的上表面的中心坐标“55.0，30.0，－13.0”、工序形状SH71的下表面的中心坐标“55.0，30.0，－23.0”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。即，参数选择部24取得第1参数的多个值和概率的数据集。

在这里，参数选择部24作为推断结果，关于第1参数即“孔加工方法”而取得“0”至“3”这4个值。“0”表示进行通过钻头实施的孔加工的钻孔工序。“1”表示进行用于形成锪孔的孔加工的锪孔工序。“2”表示进行通过扩孔实施的精加工的扩孔工序。“3”表示进行通过攻丝实施的螺纹切削加工的攻丝工序。

另外，参数选择部24作为推断结果，关于该各4个值而取得“0”：0.0、“1”：0.6、“2”：0.1、“3”：0.3的各概率。“0”：0.0表示在加工程序中使用“0”的概率为0％。“1”：0.6表示在加工程序中使用“1”的概率为60％。“2”：0.1表示在加工程序中使用“2”的概率为10％。“3”：0.3表示在加工程序中使用“3”的概率为30％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA143。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，参数选择部24对作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA143而选择出“攻丝工序”即“3”的情况下，参数选择部24关于第1参数即“孔加工方法”而取得“3”。参数选择部24将选择出的值向加工程序生成部23输入。

加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“孔加工方法”而取得“3”，由此生成攻丝工序。

在这里，加工程序生成部23将指定出的第1参数的种类即“孔加工方法”和“孔加工方法”的值即“3”向编辑操作解析部26输入。由此，在步骤S51中，编辑操作解析部26从编辑操作取得第1参数的值。

接下来，在步骤S52中，加工程序生成部23从加工程序及工序形状SH4取得第2参数的值。即，加工程序生成部23基于第1参数的种类对第2参数进行筛选。加工程序生成部23作为对于程序生成参数PA143所需的第2参数，取得原材料材质“S45C”、工序形状SH71的上表面的中心坐标“55.0，30.0，－13.0”、工序形状SH71的下表面的中心坐标“55.0，30.0，－23.0”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”。加工程序生成部23将取得的第2参数向编辑操作解析部26输入。

在步骤S53中，编辑操作解析部26使用第1参数和基于第1参数而筛选出的第2参数，生成包含第1参数及第2参数在内的数据集。编辑操作解析部26将生成的数据集向机器学习部14输入。

机器学习部14从学习模型存储部15读出学习模型。在步骤S54中，机器学习部14按照从编辑操作解析部26输入的数据集，进行学习模型的追加学习处理即机器学习处理。机器学习部14通过追加学习处理对学习模型进行更新。机器学习部14通过追加学习处理，针对每个第1参数，对表示第1参数和第2参数之间的关系的学习模型进行更新。在步骤S55中，学习模型存储部15对通过追加学习更新后的学习模型进行存储。由此，机器学习装置10及加工程序生成装置20结束图15所示的顺序所涉及的编辑操作解析处理及追加学习处理。

接下来，对作为进行推断的第1参数的种类而指定出“下孔钻头的公称直径”的情况进行说明。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

参数选择部24从推断部27取得作为推断结果的第1参数的值。在这里，参数选择部24作为推断结果，作为第1参数即“下孔钻头的公称直径”而取得“6.0”的值。将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA144。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27将作为推断结果的第1参数的值向参数选择部24输出。推断部27在第1参数为连续值的情况下，进行回归的机器学习，将作为推断结果的数值向参数选择部24输出。推断部27可以使用多个钻头公称直径，进行通过分类实施的机器学习。

接下来，参数选择部24对作为推断结果的第1参数的值进行提示。参数选择部24将第1参数的值经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的值在显示部50进行显示，由此对第1参数的值进行提示。

在作业者将在显示部50显示出的第1参数的值直接决定为设定值的情况下，或者不将在显示部50显示出的第1参数的值，而是将任意的值决定为设定值的情况下，参数选择部24经由对话操作处理部30而取得设定值。例如，如果作业者关于程序生成参数PA144而将“6.5”决定为设定值，则参数选择部24取得与“下孔钻头的公称直径”有关的设定值即“6.5”。参数选择部24向加工程序生成部23输入设定值。

加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“下孔钻头的公称直径”而取得“6.5”，由此将攻丝工序中的下孔钻头的公称直径设定为“6.5”。

在这里，加工程序生成部23将指定出的第1参数即“孔加工方法”和“下孔钻头的公称直径”的值即“6.5”向编辑操作解析部26输入。由此，在步骤S51中，编辑操作解析部26从编辑操作取得第1参数的值。

接下来，在步骤S52中，加工程序生成部23从加工程序及工序形状SH71取得第2参数的值。即，加工程序生成部23基于指定出的第1参数对第2参数进行筛选。加工程序生成部23作为对于程序生成参数PA144所需的第2参数，取得原材料材质“S45C”、工序形状SH71的上表面的中心坐标“55.0，30.0，－13.0”、工序形状SH71的下表面的中心坐标“55.0，30.0，－23.0”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”。另外，加工程序生成部23作为第2参数，取得调整完成的参数即孔加工方法“攻丝”。加工程序生成部23将取得的第2参数向编辑操作解析部26输入。

在步骤S53中，编辑操作解析部26使用第1参数和基于第1参数而筛选出的第2参数，生成包含第1参数及第2参数在内的数据集。编辑操作解析部26将生成的数据集向机器学习部14输入。

机器学习部14从学习模型存储部15读出学习模型。在步骤S54中，机器学习部14按照从编辑操作解析部26输入的数据集，进行学习模型的追加学习处理即机器学习处理。机器学习部14通过追加学习处理对学习模型进行更新。机器学习部14通过追加学习处理，针对每个第1参数，对表示第1参数和第2参数之间的关系的学习模型进行更新。在步骤S55中，学习模型存储部15对通过追加学习更新后的学习模型进行存储。由此，机器学习装置10及加工程序生成装置20结束图15所示的顺序所涉及的编辑操作解析处理及追加学习处理。

接下来，对由参数选择部24指定出进行推断的第1参数的种类即“锪孔立铣刀的公称直径”的情况进行说明。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

参数选择部24从推断部27取得作为推断结果的第1参数的值。在这里，参数选择部24作为推断结果，作为第1参数即“锪孔立铣刀的公称直径”而取得“8.0”的值。将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA145。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27将作为推断结果的第1参数的值向参数选择部24输出。

接下来，参数选择部24对作为推断结果的第1参数的值进行提示。参数选择部24将第1参数的值经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的值在显示部50进行显示，由此对第1参数的值进行提示。

在作业者将在显示部50显示出的第1参数的值直接决定为设定值的情况下，或者不将在显示部50显示出的第1参数的值，而是将任意的值决定为设定值的情况下，参数选择部24经由对话操作处理部30而取得设定值。例如，如果作业者关于程序生成参数PA145而将“10.0”决定为设定值，则参数选择部24取得与“锪孔立铣刀的公称直径”有关的设定值即“10.0”。参数选择部24向加工程序生成部23输入设定值。

加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“锪孔立铣刀的公称直径”而取得“10.0”，由此将攻丝工序中的锪孔立铣刀的公称直径设定为“10.0”。

在这里，加工程序生成部23将指定出的第1参数即“孔加工方法”和“锪孔立铣刀的公称直径”的值即“10.0”向编辑操作解析部26输入。由此，在步骤S51中，编辑操作解析部26从编辑操作取得第1参数的值。

接下来，在步骤S52中，加工程序生成部23从加工程序及工序形状SH71取得第2参数的值。即，加工程序生成部23基于指定出的第1参数对第2参数进行筛选。加工程序生成部23作为对于程序生成参数PA145所需的第2参数，取得原材料材质“S45C”、工序形状SH71的上表面的中心坐标“55.0，30.0，－13.0”、工序形状SH71的下表面的中心坐标“55.0，30.0，－23.0”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”。另外，加工程序生成部23作为第2参数，取得调整完成的参数即孔加工方法“攻丝”。加工程序生成部23将取得的第2参数向编辑操作解析部26输入。

在步骤S53中，编辑操作解析部26使用第1参数和基于第1参数而筛选出的第2参数，生成包含第1参数及第2参数在内的数据集。编辑操作解析部26将生成的数据集向机器学习部14输入。

机器学习部14从学习模型存储部15读出学习模型。在步骤S54中，机器学习部14按照从编辑操作解析部26输入的数据集，进行学习模型的追加学习处理即机器学习处理。机器学习部14通过追加学习处理对学习模型进行更新。机器学习部14通过追加学习处理，针对每个第1参数，对表示第1参数和第2参数之间的关系的学习模型进行更新。在步骤S55中，学习模型存储部15对通过追加学习更新后的学习模型进行存储。由此，机器学习装置10及加工程序生成装置20结束图15所示的顺序所涉及的编辑操作解析处理及追加学习处理。

接下来，对由参数选择部24指定出进行推断的第1参数即“攻丝的公称直径”的情况进行说明。参数选择部24作为用于对第1参数进行推断的第2参数，取得原材料材质“S45C”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”的各参数。参数选择部24将包含这些第2参数的输入数据向推断部27输入。

参数选择部24从推断部27取得作为推断结果的第1参数的多个值和与该多个值各自有关的向加工程序使用的概率。即，参数选择部24取得第1参数的多个值和概率的数据集。

在这里，参数选择部24作为推断结果，关于第1参数即“攻丝的公称直径”而取得“0”至“2”这3个值。“0”表示“M7×1”即关于米制螺纹而表示公称型号“7”及间距“1”。“1”表示“M7×0.75”即关于米制螺纹而表示公称型号“7”及间距“0.75”。“2”表示“M7×0.5”即关于米制螺纹而表示公称型号“7”及间距“0.5”。

另外，参数选择部24作为推断结果，关于该各3个值而取得“0”：0.1、“1”：0.1、“2”：0.8的各概率。“0”：0.1表示在加工程序中使用“0”的概率为10％。“1”：0.1表示在加工程序中使用“1”的概率为10％。“2”：0.8表示在加工程序中使用“2”的概率为80％。

在这里，将输入至推断部27的多个第2参数和作为推断结果的第1参数组合而称为程序生成参数PA146。推断部27将在学习模型存储部15中存储的学习模型之中的与指定出的第1参数相对应的学习模型读出。推断部27使用读出的学习模型和作为输入数据的第2参数，求出针对第1参数的每个值的概率。推断部27将第1参数的各值和概率的数据集即推断结果向参数选择部24输出。

接下来，参数选择部24对作为推断结果的第1参数的值和概率一起进行提示。参数选择部24将第1参数的各值和概率经由对话操作处理部30向显示部50发送。参数选择部24使第1参数的各值和概率的一览在显示部50进行显示，由此对第1参数的值和概率进行提示。

作业者如果从在显示部50显示出的第1参数的多个值中选择了任意的值，则参数选择部24取得选择出的第1参数的值。参数选择部24经由对话操作处理部30而取得选择出的第1参数的值。例如，在作业者关于程序生成参数PA146而选择出作为“M7×1”的“0”的情况下，参数选择部24关于第1参数即“攻丝的公称直径”而取得“0”。参数选择部24将选择出的值向加工程序生成部23输入。

加工程序生成部23基于选择出的第1参数的值，生成加工程序的工序。加工程序生成部23关于“攻丝的公称直径”而取得“0”，由此将攻丝工序中的攻丝的公称直径设定为“M7×1”。

在这里，加工程序生成部23将指定出的第1参数即“面加工方法”和“攻丝的公称直径”的值即“0”向编辑操作解析部26输入。由此，在步骤S51中，编辑操作解析部26从编辑操作取得第1参数的值。

接下来，在步骤S52中，加工程序生成部23从加工程序及工序形状SH71取得第2参数的值。即，加工程序生成部23基于指定出的第1参数对第2参数进行筛选。加工程序生成部23作为对于程序生成参数PA146所需的第2参数，取得原材料材质“S45C”、工序形状SH71的上表面的中心坐标“55.0，30.0，－13.0”、工序形状SH71的下表面的中心坐标“55.0，30.0，－23.0”、工序形状SH71的孔径“6.6”、工序形状SH71的孔深度“10.0”、工序形状SH71的锪孔直径“11.6”、工序形状SH71的锪孔深度“4.3”。另外，加工程序生成部23作为第2参数，取得调整完成的参数即孔加工方法“攻丝”。加工程序生成部23将取得的第2参数向编辑操作解析部26输入。

在步骤S53中，编辑操作解析部26使用第1参数和基于第1参数的种类而筛选出的第2参数，生成包含第1参数及第2参数在内的数据集。编辑操作解析部26将生成的数据集向机器学习部14输入。

机器学习部14从学习模型存储部15读出学习模型。在步骤S54中，机器学习部14按照从编辑操作解析部26输入的数据集，进行学习模型的追加学习处理即机器学习处理。机器学习部14通过追加学习处理对学习模型进行更新。机器学习部14通过追加学习处理，针对每个第1参数，对表示第1参数和第2参数之间的关系的学习模型进行更新。在步骤S55中，学习模型存储部15对通过追加学习更新后的学习模型进行存储。由此，机器学习装置10及加工程序生成装置20结束图15所示的顺序所涉及的编辑操作解析处理及追加学习处理。

接下来，对机器学习装置10及加工程序生成装置20的硬件结构进行说明。图16是表示图1所示的机器学习装置10及加工程序生成装置20的硬件结构的图。图1所示的各功能部具有：处理器61；存储器62，其由处理器61用作工作区域；存储装置63，其对记述有数控装置100的各功能的计算机程序进行存储；输入装置64，其是与作业者之间的输入接口；显示装置65，其是对作业者显示信息的输出装置；以及通信装置66，其具有与被控制设备或者其他数控装置等的通信功能。处理器61、存储器62、存储装置63、输入装置64、显示装置65及通信装置66通过数据总线67彼此连接。

处理器61是处理装置、运算装置、微处理器、微型计算机、CPU(CentralProcessing Unit)或者DSP(Digital Signal Processor)等。存储器62是RAM(RandomAccess Memory)、ROM(Read Only Memory)、闪存、EPROM(Erasable Programmable ROM)或者EEPROM(注册商标)(Electrically EPROM)等非易失性或者易失性的半导体存储器、磁盘、软盘、光盘、压缩盘、迷你盘或者DVD(Digital Versatile Disc)等。

加工程序解析部13及机器学习部14，例如能够通过由处理器61读出并执行在存储器62中存储的计算机程序而实现。另外，也可以是多个处理器61及多个存储器62协同而实现上述功能。另外，也可以将机器学习部14的功能内的一部分作为电子电路进行安装，将其他部分使用处理器61及存储器62而实现上述的功能。加工程序输入部11的功能通过通信装置66而实现。加工程序存储部12及学习模型存储部15的功能通过存储装置63而实现。

加工形状数据存储部22、加工程序生成部23、参数选择部24、编辑操作解析部26及推断部27是能够由处理器61读出并执行在存储器62中存储的计算机程序而实现的。另外，也可以是多个处理器61及多个存储器62协同而实现上述的功能。也可以将加工形状数据输入部21、加工形状数据存储部22、加工程序生成部23、参数选择部24、编辑操作解析部26及推断部27的功能之中的一部分作为电子电路进行安装，将其他部分使用处理器61及存储器62而实现。用于实现加工形状数据输入部21、加工形状数据存储部22、加工程序生成部23、参数选择部24、编辑操作解析部26及推断部27的功能的处理器61及存储器62，可以与用于实现机器学习部14的处理器61及存储器62相同，也可以使用与用于实现机器学习部14的处理器61及存储器62不同的处理器61及存储器62。加工形状数据输入部21的功能是通过通信装置66实现的。加工形状数据存储部22及加工程序存储部25的功能是通过存储装置63实现的。

如以上说明所述，实施方式1及2所涉及的机器学习装置10基于加工程序1，取得能够机器学习的第1参数。机器学习装置10针对所取得的每个第1参数，对第1参数的推断所使用的第2参数进行提取，能够自动地生成学习模型。该学习模型是基于在过去创建的加工程序而生成的，因此机器学习装置10能够生成包含有在加工程序内累积的过去的知识及经验的内容在内的学习模型。

另外，实施方式1及2所涉及的加工程序生成装置20使用由机器学习装置10生成的学习模型，进行第1参数的推断。作业者使用推断结果，能够容易地设定多个第1参数的值。加工程序生成装置20使用由作业者在过去创建出的加工程序内累积的多个知识及经验，能够生成加工程序。由此，加工程序生成装置20能够容易地生成作业者所期望的高品质的加工程序。

另外，实施方式1及2所涉及的加工程序生成装置20作为推断结果，将第1参数的多个值进行输出。作业者从第1参数的多个值中对值进行选择，由此能够容易地调整第1参数的值。由此，加工程序生成装置20能够减少加工程序的生成所需的工作量和时间。

另外，实施方式2所涉及的机器学习装置10及加工程序生成装置20对作业者针对第1参数的编辑作业进行解析，基于由作业者选择出的第1参数的值进行追加学习。由此，能够提高机器学习装置10所涉及的学习模型的精度。

在实施方式1及2中，示出了机器学习装置10及加工程序生成装置20装入至同一数控装置100内的例子，但并不限定于该例。机器学习装置10及加工程序生成装置20也可以独立地设置于数控装置100的外部。在实施方式1及2中，以被数控的工作机械为加工中心的情况下的加工程序为例进行了说明，但被数控的工作机械并不限定于加工中心，也可以是其他工作机械。

以上的各实施方式所示的结构示出本发明的内容的一个例子。各实施方式的结构能够与其他的公知技术进行组合。也可以将各实施方式的结构彼此适当组合。在不脱离本发明的主旨的范围能够将各实施方式的结构的一部分省略或者变更。

标号的说明

1加工程序，2 CAD数据，10机器学习装置，11加工程序输入部，12加工程序存储部，13加工程序解析部，14机器学习部，15学习模型存储部，20加工程序生成装置，21加工形状数据输入部，22加工形状数据存储部，23加工程序生成部，24参数选择部，25加工程序存储部，26编辑操作解析部，27推断部，30对话操作处理部，40指示输入部，50显示部，61处理器，62存储器，63存储装置，64输入装置，65显示装置，66通信装置，67数据总线，100数控装置。

Claims (8)

1.一种机器学习装置，其特征在于，具有：

加工程序存储部，其将用于对工作机械进行数控的加工程序与编辑过所述加工程序的作业者相关联地存储；

加工程序解析部，其对与所述作业者相关联的所述加工程序进行解析，由此从所述加工程序对所述加工程序的编辑中的作为调整对象的第1参数、以及所述加工程序的编辑中的调整对象外的参数且在所述第1参数的调整中使用的第2参数进行提取；以及

机器学习部，其通过使用包含提取出的所述第1参数及所述第2参数在内的数据集进行的学习，生成用于根据由所述作业者编辑的加工程序的所述第2参数对所述第1参数的值进行推断的学习模型。

2.一种加工程序生成装置，其使用由权利要求1所记载的机器学习装置生成的学习模型，生成加工程序，

该加工程序生成装置的特征在于，具有：

推断部，其被输入所述加工程序的编辑中的作为调整对象外的参数的第2参数的值，使用所述学习模型，根据所述第2参数对所述加工程序的编辑中的作为调整对象的第1参数的值进行推断；以及

加工程序生成部，其基于推断出的所述第1参数的值而生成所述加工程序。

3.根据权利要求2所述的加工程序生成装置，其特征在于，

所述推断部作为推断结果将所述第1参数的多个值进行输出，

所述加工程序生成部基于从所述多个值中选择出的值而生成所述加工程序。

4.根据权利要求3所述的加工程序生成装置，其特征在于，

具有参数选择部，该参数选择部对所述多个值进行提示，由此对来自所述多个值的值的选择进行接收。

5.根据权利要求4所述的加工程序生成装置，其特征在于，

具有编辑操作解析部，该编辑操作解析部对所述加工程序的编辑操作进行解析，

所述编辑操作解析部取得从所述第1参数的所述多个值选择出的值，且从所述加工程序提取与所述第1参数相对应的所述第2参数，由此生成包含所述第1参数和所述第2参数，且用于生成或者更新所述学习模型的数据集。

6.根据权利要求4或5所述的加工程序生成装置，其特征在于，

所述参数选择部将与所述多个值各自有关的向所述加工程序使用的概率与所述多个值一起进行提示。

7.根据权利要求4或5所述的加工程序生成装置，其特征在于，

所述参数选择部将在所述多个值各自向所述加工程序使用的情况下预想的加工时间与所述多个值一起进行提示。

8.一种机器学习方法，其特征在于，包含下述步骤：

机器学习装置对加工程序进行解析，由此从所述加工程序对所述加工程序的编辑中的作为调整对象的第1参数、以及所述加工程序的编辑中的调整对象外的参数且在所述第1参数的调整中使用的第2参数进行提取，所述加工程序用于对工作机械进行数控，且与编辑过所述加工程序的作业者相关联；以及

所述机器学习装置通过使用包含提取出的所述第1参数及所述第2参数在内的数据集进行的学习，生成用于根据由所述作业者编辑的加工程序的所述第2参数对所述第1参数的值进行推断的学习模型。