DE102017009428A1 - Maschinenlernvorrichtung, die einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine lernt, und Bearbeitungssystem - Google Patents

Maschinenlernvorrichtung, die einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine lernt, und Bearbeitungssystem Download PDF

Info

Publication number
DE102017009428A1
DE102017009428A1 DE102017009428.4A DE102017009428A DE102017009428A1 DE 102017009428 A1 DE102017009428 A1 DE 102017009428A1 DE 102017009428 A DE102017009428 A DE 102017009428A DE 102017009428 A1 DE102017009428 A1 DE 102017009428A1
Authority
DE
Germany
Prior art keywords
machine
machine learning
machine tool
impeller
machining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE102017009428.4A
Other languages
English (en)
Other versions
DE102017009428B4 (de
Inventor
Kenichi Ogawa
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 DE102017009428A1 publication Critical patent/DE102017009428A1/de
Application granted granted Critical
Publication of DE102017009428B4 publication Critical patent/DE102017009428B4/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical 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
    • G05B19/4155Numerical 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 programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23QDETAILS, 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
    • B23Q15/00Automatic control or regulation of feed movement, cutting velocity or position of tool or work
    • B23Q15/007Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
    • B23Q15/013Control or regulation of feed movement
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23QDETAILS, 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
    • B23Q15/00Automatic control or regulation of feed movement, cutting velocity or position of tool or work
    • B23Q15/007Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
    • B23Q15/12Adaptive control, i.e. adjusting itself to have a performance which is optimum according to a preassigned criterion
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23QDETAILS, 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
    • B23Q15/00Automatic control or regulation of feed movement, cutting velocity or position of tool or work
    • B23Q15/007Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
    • B23Q15/18Compensation of tool-deflection due to temperature or force
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical 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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods

Landscapes

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

Abstract

Eine Maschinenlernvorrichtung lernt einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine, die dazu eingerichtet ist, ein Laufrad zu bearbeiten. Die Maschinenlernvorrichtung umfasst eine Zustandsüberwachungseinheit, die dazu eingerichtet ist, den Wärmeverschiebungsbetrag während eines Bearbeitungszeitraums eines Werkstücks als Zustandsgröße zu erhalten, und eine Bestimmungsdatenerfassungseinheit, die dazu eingerichtet ist, den Unwuchtbetrag des Laufrads nach der Bearbeitung als Bestimmungsdaten zu empfangen. Die Maschinenlernvorrichtung umfasst eine Lerneinheit, die dazu eingerichtet ist, den Einstellwert des Bearbeitungsprogramms basierend auf einem Ausgang der Zustandsüberwachungseinheit und einem Ausgang der Bestimmungsdatenerfassungseinheit zu lernen.

Description

  • Hintergrund der Erfindung
  • Gebiet der Erfindung
  • Die vorliegende Erfindung betrifft eine Maschinenlernvorrichtung und ein Bearbeitungssystem, das die Maschinenlernvorrichtung umfasst.
  • Beschreibung des zugehörigen Standes der Technik
  • Beim zugehörigen Stand der Technik wird ein Laufrad, das einen Luftstrom erzeugt oder einen Luftstrom in Drehkraft umsetzt, in verschiedenen Einrichtungen verwendet. Das Laufrad hat einen Aufbau, bei dem Flügelteile an einem Basisteil befestigt sind, das eine Drehwelle umfasst. Das Laufrad wird durch verschiedene Verfahren hergestellt.
  • Die ungeprüfte japanische Patentveröffentlichung Nr. 2010-169030 A offenbart ein Verfahren zum Herstellen eines Propellerflügels. Dieses offenbarte Herstellungsverfahren umfasst das Formen eines flachen Propellerflügels durch Befestigen einer Mehrzahl Flügel an einem Drehkreuz durch Laserschweißen und das Formen eines stereoskopischen Propellerflügels durch Biegen des Propellerflügels.
  • Seit kurzem ist eine Technik bekannt, bei der bei der Herstellung eines vorgegebenen Produkts maschinelles Lernen durchgeführt wird, um das Herstellungsverfahren zu optimieren.
  • Die japanische Übersetzung der internationalen PCT-Anmeldung Nr. 2013-518449 T offenbart ein Lernsystem zum Optimieren der Leistung eines Halbleiterherstellungswerkzeugs durch Selbstlernen des Herstellungswerkzeugs.
  • Die ungeprüfte japanische Patentveröffentlichung Nr. 7-164199 A offenbart eine Qualitätskontrolleinrichtung, bei der ein Druckverbindungssignal eines Drucksensors einer Pressmaschine in einen Computer eingegeben wird, der eine neuronale Netzeinrichtung umfasst, und der Computer die Qualität eines Werkstücks anzeigt.
  • Dieses Dokument offenbart außerdem, dass die Pressmaschine durch eine mit dem Computer verbundene Steuereinrichtung betrieben und gesteuert wird.
  • Zusammenfassung der Erfindung
  • Eine Werkzeugmaschine kann ein Werkstück durch Zerspanen des Werkstücks in eine gewünschte Form bearbeiten und dabei ein Werkzeug relativ zum Werkstück bewegen. Es ist ein Verfahren zum Herstellen eines Laufrads bekannt, bei dem eine Werkzeugmaschine ein einzelnes Grundmaterial zerspant, um ein Laufrad herzustellen. In diesem Fall werden ein Basisteil und Flügelteile durch Zerspanen eines einzelnen Teils erzeugt.
  • Ein Laufrad, das eine Unwucht aufweist, vibriert oder bricht während der Drehung. Insbesondere ein Laufrad, das für einen Lader eines Verbrennungsmotors eines Fahrzeugs oder dergleichen verwendet wird, dreht mit hoher Drehzahl. Der zulässige Unwuchtwert des Laufrads, das mit hoher Drehzahl dreht, beträgt mehrere mg, was sehr klein ist. Daher wird die Bearbeitungsgenauigkeit durch einen Montagefehler der Werkzeugmaschine oder eine Wärmeverschiebung der Werkzeugmaschine erheblich beeinträchtigt.
  • Der Unwuchtbetrag eines Produkts kann durch Messen eines mechanischen Fehlers und des Wärmeverschiebungsbetrags der Werkzeugmaschine und Einstellen eines in einem Bearbeitungsprogramm enthaltenen Einstellwerts verringert werden. Unglücklicherweise ist es schwierig, das Bearbeitungsprogramm zu konfigurieren und der Unwuchtbetrag eines Produkts kann den zulässigen Wert übersteigen.
  • Eine Maschinenlernvorrichtung der vorliegenden Erfindung lernt einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine, die dazu eingerichtet ist, ein Laufrad zu bearbeiten. Die Maschinenlernvorrichtung umfasst eine Zustandsüberwachungseinheit, die dazu eingerichtet ist, einen Wärmeverschiebungsbetrag während eines Bearbeitungszeitraums eines Werkstücks als Zustandsgröße zu erhalten. Die Maschinenlernvorrichtung umfasst eine Bestimmungsdatenerfassungseinheit, die dazu eingerichtet ist, einen Unwuchtbetrag des Laufrads nach der Bearbeitung als Bestimmungsdaten zu empfangen. Die Maschinenlernvorrichtung umfasst eine Lerneinheit, die dazu eingerichtet ist, den Einstellwert des Bearbeitungsprogramms basierend auf einem Ausgang der Zustandsüberwachungseinheit und einem Ausgang der Bestimmungsdatenerfassungseinheit zu lernen.
  • Bei der vorstehend beschriebenen Erfindung kann der Einstellwert des Bearbeitungsprogramms eine Position eines Ursprungs eines Werkstückkoordinatensystems und/oder einen Schnittversatzvektor für zwei Drehachsen umfassen.
  • Bei der vorstehend beschriebenen Erfindung kann die Zustandsüberwachungseinheit eine Umgebungstemperatur in der Nähe der Werkzeugmaschine als Zustandsgröße erhalten.
  • Bei der vorstehend beschriebenen Erfindung kann ein Temperaturfühler an einem vorgegebenen Bauteil der Werkzeugmaschine angebracht sein. Die Zustandsüberwachungseinheit kann einen Wärmeverschiebungsbetrag erhalten, der basierend auf einem Ausgang des Temperaturfühlers geschätzt wird.
  • Bei der vorstehend beschriebenen Erfindung kann die Maschinenlernvorrichtung mit einer Mehrzahl Werkzeugmaschinen verbunden sein. Die Lerneinheit kann dazu eingerichtet sein, den Einstellwert des Bearbeitungsprogramms für jede Werkzeugmaschine zu lernen und die durch Lernen der Bearbeitungsprogramme der Mehrzahl Werkzeugmaschinen erhaltenen Informationen gemeinsam nutzen.
  • Ein Bearbeitungssystem der vorliegenden Erfindung umfasst die vorstehend beschriebene Maschinenlernvorrichtung, eine Werkzeugmaschine, die dazu eingerichtet ist, ein Werkstück zu bearbeiten, um ein Laufrad zu erzeugen, und eine Unwuchtmessmaschine, die dazu eingerichtet ist, einen Unwuchtbetrag des Laufrads zu messen.
  • Figurenliste
    • 1 ist eine schematische Ansicht einer Maschinenlernvorrichtung einer Ausführungsform.
    • 2 ist eine perspektivische Ansicht eines gemäß der Ausführungsform herzustellenden Laufrads.
    • 3 ist eine perspektivische Ansicht eines Hauptabschnitts einer Werkzeugmaschine der Ausführungsform.
    • 4 ist eine Draufsicht des Hauptabschnitts der Werkzeugmaschine der Ausführungsform.
    • 5 ist eine Seitenansicht des Hauptabschnitts der Werkzeugmaschine der Ausführungsform.
    • 6 ist ein Blockdiagramm eines Bearbeitungssystems der Ausführungsform.
    • 7 ist eine Darstellung, die schematisch ein Neuronenmodell zeigt.
    • 8 ist eine Darstellung, die schematisch ein dreischichtiges neuronales Netz zeigt, das durch eine Kombination einzelner Neuronen gebildet wird.
    • 9 ist ein Flussdiagramm einer Steuerung der Maschinenlernvorrichtung der Ausführungsform.
  • Genaue Beschreibung
  • Nun werden unter Bezugnahme auf die 1 bis 9 eine Maschinenlernvorrichtung einer Ausführungsform und ein die Maschinenlernvorrichtung umfassendes Bearbeitungssystem beschrieben. Die Maschinenlernvorrichtung der vorliegenden Ausführungsform lernt einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine. Durch Verwenden des durch die Maschinenlernvorrichtung aktualisierten Einstellwerts kann die Werkzeugmaschine ein Werkstück formen, bei dem der Unwuchtbetrag klein ist.
  • 1 ist ein Blockdiagramm, das schematisch eine Ausführungsform der Maschinenlernvorrichtung der vorliegenden Ausführungsform zeigt. Die Maschinenlernvorrichtung 2 lernt das Bearbeitungsprogramm der Werkzeugmaschine beispielsweise durch bestärkendes Lernen und gibt ein modifiziertes Bearbeitungsprogramm aus. Die Maschinenlernvorrichtung 2 umfasst eine künstliche Intelligenzeinheit 20. Die Maschinenlernvorrichtung 2 kann beispielsweise in einer Steuereinrichtung jeder Werkzeugmaschine (Edge) bereitgestellt sein oder ein Fog-Server oder dergleichen kann für jede Anlage (Bearbeitungssystem) mit einer Mehrzahl Werkzeugmaschinen vorgesehen sein. Alternativ kann die Maschinenlernvorrichtung 2 in einem Cloud-Server bereitgestellt sein, der über Kommunikationsleitungen, wie etwa das Internet, mit einer Mehrzahl Anlagen verbunden ist.
  • Wenn die Maschinenlernvorrichtungen für jede Werkzeugmaschine einzeln bereitgestellt sind, können beispielsweise eine Maschinenlernvorrichtung und die andere Maschinenlernvorrichtung miteinander verbunden sein. Die eine Maschinenlernvorrichtung kann direkt mit der anderen Maschinenlernvorrichtung verbunden sein. Die eine Maschinenlernvorrichtung und die andere Maschinenlernvorrichtung können durch maschinelles Lernen erworbene Informationen miteinander austauschen oder gemeinsam nutzen.
  • Die KI- (künstliche Intelligenz) Einheit 20 kann beispielsweise durch ein neuronales Netz mit einer mehrschichtigen Struktur oder dergleichen gebildet werden, das später beschrieben ist. Die KI-Einheit 20 erhält den Unwuchtbetrag eines hergestellten Werkstücks, den Wärmeverschiebungsbetrag der Werkzeugmaschine während des Bearbeitungszeitraums des Werkstücks, eine Umgebungstemperatur der Werkzeugmaschine und dergleichen. Die KI-Einheit 20 führt basierend auf den erhaltenen externen Daten ein Lernen (bestärkendes Lernen) durch. Die KI-Einheit 20 bestimmt einen vorgegebenen Einstellwert des Bearbeitungsprogramms. Die KI-Einheit 20 gibt ein modifiziertes (gelerntes) Bearbeitungsprogramm aus. Die Werkzeugmaschine wird gemäß dem gelernten Bearbeitungsprogramm betrieben und kann daher beispielsweise ein Laufrad herstellen, bei dem der Unwuchtbetrag klein ist.
  • 2 zeigt eine perspektivische Ansicht eines Laufrads, das gemäß der vorliegenden Ausführungsform hergestellt wird. Das Laufrad 4 der vorliegenden Ausführungsform ist eine Komponente eines in einem Verbrennungsmotor eines Fahrzeugs angeordneten Laders. Das Laufrad 4 der vorliegenden Ausführungsform wird in einem Kompressor angeordnet, der sich in einem Ansaugweg befindet. Das Laufrad 4 umfasst Flügelteile 41, die eine gekrümmte Form haben, und ein Basisteil 42, das die Flügelteile 41 trägt. Das Laufrad 4 der vorliegenden Ausführungsform dreht während des Betriebs mit hoher Drehzahl. Das Laufrad 4 dreht beispielsweise mit Drehzahlen von einschließlich 10.000 U/min bis 200.000 U/min. Bei der vorliegenden Ausführungsform zerspant die Werkzeugmaschine ein einzelnes Grundmaterial, um das Laufrad 4 herzustellen.
  • 3 zeigt eine perspektivische Ansicht eines Hauptabschnitts der Werkzeugmaschine der vorliegenden Ausführungsform. 4 zeigt eine Draufsicht einer Drehbasis der Werkzeugmaschine der vorliegenden Ausführungsform. 5 zeigt eine Seitenansicht der Drehbasis der Werkzeugmaschine der vorliegenden Ausführungsform. Bezugnehmend auf die 3 bis 5 umfasst die Werkzeugmaschine 1 einen Tisch 11 und die Drehbasis 12, die am Tisch 11 befestigt ist. Die Drehbasis 12 fungiert als Einspanneinrichtung, die ein Werkstück fixiert.
  • Die Drehbasis 12 umfasst einen Drehtisch 17, an dem das Werkstück fixiert wird, und ein Kippelement 16, das den Drehtisch 17 trägt. Die Drehbasis 12 umfasst ein Tragelement 15, das das Kippelement 16 trägt. Das Tragelement 15 hat, von der Seite gesehen, eine U-Form. Das Tragelement 15 umfasst ein Paar Säulen, wobei die Säulen beide Enden des Kippelements 16 tragen. Das Tragelement 15 trägt das Kippelement 16 schwenkbar.
  • Die Werkzeugmaschine 1 umfasst einen Spindelkopf 14, der ein Werkzeug 13 trägt. Der Spindelkopf 14 ist so geformt, dass sich das Werkzeug 13 um die Mittelachse des Werkzeugs dreht. Der Spindelkopf 14 trägt das Werkzeug 13 unten, so dass die Spitze des Werkzeugs 13 dem Drehtisch 17 zugewandt ist.
  • Eine x-Achse, eine y-Achse und eine z-Achse, die orthogonal zueinander sind, werden für die Werkzeugmaschine 1 festgelegt. Ferner wird eine A-Achse um eine Achsenlinie 61, die sich parallel zur x-Achse erstreckt, für die Werkzeugmaschine 1 festgelegt. Eine C-Achse um eine Achsenlinie 62, die sich parallel zur z-Achse erstreckt, wird für die Werkzeugmaschine 1 festgelegt.
  • Die Werkzeugmaschine 1 umfasst eine Antriebseinrichtung, die das Werkzeug längs jeder der Vorschubachsen relativ zum Werkstück bewegt. Die Antriebseinrichtung umfasst einen Servomotor, der für jede der Vorschubachsen ein entsprechendes Bauteil bewegt. Bei der Werkzeugmaschine 1 der vorliegenden Ausführungsform bewegt die Antriebseinrichtung den Tisch 11 in x-Achsenrichtung und y-Achsenrichtung. Die Antriebseinrichtung bewegt den Spindelkopf 14 in z-Achsenrichtung. Die Antriebseinrichtung umfasst Kugelumlaufspindelmechanismen zum Bewegen vorgegebener Bauteile in x-Achsen-, y-Achsen- und z-Achsenrichtung. Die Kugelumlaufspindelmechanismen umfassen jeweils eine Schneckenwelle, die an einer Außenumfangsfläche ein Gewinde aufweist, und eine Mutter, die mit der Schneckenwelle in Eingriff steht. Die Schneckenwelle dreht um ihre Mittelachse, wodurch sich die Mutter längs der Schneckenwelle bewegt.
  • Die Antriebseinrichtung umfasst einen Motor, der den Drehtisch 17 in C-Achsenrichtung dreht. Der Antriebsmotor des Drehtisches 17 der vorliegenden Ausführungsform ist im Kippelement 16 angeordnet. Die Antriebseinrichtung umfasst einen Motor, der das Kippelement 16 in Bezug auf das Tragelement 15 in A-Achsenrichtung schwenkt. Der Motor, der das Kippelement 16 antreibt, ist im Tragelement 15 angeordnet. Der Drehtisch 17 bewegt sich zusammen mit dem Kippelement 16.
  • Die Werkzeugmaschine 1 der vorliegenden Ausführungsform umfasst die drei Linearbewegungsachsen, die orthogonal zueinander sind, und die Drehvorschubachsen, die um die Achsenlinie der A-Achse und die Achsenlinie der C-Achse drehen. Die Werkzeugmaschine ist nicht auf diese Konfiguration beschränkt und es kann eine beliebige Werkzeugmaschine verwendet werden, die eine Linearbewegungsachse und eine Drehvorschubachse umfasst. Beispielsweise kann der Spindelkopf 14 schwenkbar ausgeführt werden, während der Drehtisch 17, an dem das Werkstück fixiert wird, nicht schwenkt.
  • Die Werkzeugmaschine 1 der vorliegenden Ausführungsform kann das Werkstück in die Form der Flügelteile 41 des Laufrads 4 zerspanen und dabei die Neigung des Werkzeugs 13 in Bezug auf das Werkstück längs der Drehvorschubachse ändern. Die Werkzeugmaschine 1 führt die Bearbeitung gemäß dem Bearbeitungsprogramm (NC-Programm) durch, das in eine Steuereinrichtung 18 eingegeben wird.
  • 6 zeigt ein Blockdiagramm des Bearbeitungssystems der vorliegenden Ausführungsform. Das Bearbeitungssystem 8 umfasst die Werkzeugmaschine 1 und die Maschinenlernvorrichtung 2. Die Maschinenlernvorrichtung 2 der vorliegenden Ausführungsform besteht aus einem Arithmetik-Prozessor, der eine Zentraleinheit (CPU), einen Direktzugriffsspeicher (RAM), einen Festwertspeicher (ROM) und dergleichen umfasst, die über einen Bus miteinander verbunden sind. Die Maschinenlernvorrichtung 2 der vorliegenden Ausführungsform besteht aus dem Computer, der eine Verarbeitung zum Lernen ausführt. Die Maschinenlernvorrichtung 2 ist nicht auf diese Konfiguration beschränkt. Beispielsweise kann die Steuereinrichtung 18 der Werkzeugmaschine 1 eine Lernfunktion aufweisen. Das bedeutet, die Steuereinrichtung 18, die den Betrieb der Werkzeugmaschine 1 steuert, kann die Funktion der Maschinenlernvorrichtung 2 haben. Alternativ kann, wenn eine Steuereinrichtung einer anderen Einrichtung bereitgestellt ist, die Steuereinrichtung der anderen Einrichtung die Funktion der Maschinenlernvorrichtung umfassen.
  • Die Maschinenlernvorrichtung 2 der vorliegenden Ausführungsform ist über eine Kommunikationseinrichtung mit der Steuereinrichtung 18 der Werkzeugmaschine 1 verbunden. Die Steuereinrichtung 18 besteht aus einem Arithmetik-Prozessor, der eine CPU, ein RAM und dergleichen umfasst. Die Maschinenlernvorrichtung 2 kann Bearbeitungsinformationen empfangen und Bearbeitungsinformationen, wie etwa das Bearbeitungsprogramm, an die Werkzeugmaschine 1 senden.
  • Bei der vorliegenden Ausführungsform zerspant die Werkzeugmaschine ein Werkstück, um das Laufrad herzustellen. Das Laufrad der vorliegenden Ausführungsform dreht mit hoher Drehzahl und der zulässige Wert des Unwuchtbetrags des Laufrads wird daher genau festgelegt. Die Maschinenlernvorrichtung lernt den im Bearbeitungsprogramm enthaltenen Einstellwert, um den Unwuchtbetrag zu verringern. Die Maschinenlernvorrichtung kann das Lernen fortsetzen, um einen Einstellwert zu bestimmen, der eine Verringerung des Unwuchtbetrags bewirkt.
  • Der zu lernende Einstellwert des Bearbeitungsprogramms umfasst bei der vorliegenden Ausführungsform eine Position eines Ursprungs eines Werkstückkoordinatensystems. Bezug nehmend auf die 4 und 5 wird der Ursprung 65 des Maschinenkoordinatensystems für die Werkzeugmaschine 1 festgelegt. Der Ursprung 65 des Maschinenkoordinatensystems ist ein Punkt, der sich selbst dann nicht bewegt, wenn sich der Spindelkopf 14, der Tisch 11 und der Drehtisch 17 bewegen. Für die Werkzeugmaschine 1 der vorliegenden Ausführungsform wird ein Ursprung 66 des Werkstückkoordinatensystems an der Oberfläche des Drehtisches 17, an dem das Werkstück fixiert wird, und im Drehzentrum des Drehtisches 17 festgelegt. Der Ursprung 66 des Werkstückkoordinatensystems bewegt und dreht sich zusammen mit dem Werkstück. Die Position des Ursprungs 66 des Werkstückkoordinatensystems in Bezug auf den Ursprung 65 des Maschinenkoordinatensystems ist vorgegeben. Wenn sich die Werkzeugmaschine beispielsweise in einem vorgegebenen Grundzustand befindet, wird der Ursprung 66 unter einem Abstand Dx in x-Achsenrichtung, einem Abstand Dy in y-Achsenrichtung und einem Abstand Dz in z-Achsenrichtung vom Ursprung 65 entfernt festgelegt. Die Position des Ursprungs 66 des Werkstückkoordinatensystems im Maschinenkoordinatensystem wird im Bearbeitungsprogramm festgelegt. Die Position des Ursprungs 66 des Werkstückkoordinatensystems verlagert sich aufgrund eines Fehlers bei der Montage der Werkzeugmaschine 1 und einer Wärmeverschiebung während eines Bearbeitungszeitraums von einer vorgegebenen Position. Die Maschinenlernvorrichtung ändert den Einstellwert der Position des Ursprungs des Werkstückkoordinatensystems im Bearbeitungsprogramm.
  • Der Einstellwert des Bearbeitungsprogramms der vorliegenden Ausführungsform umfasst außerdem einen Schnittversatzvektor für zwei Drehachsen. Bezug nehmend auf die 3 und 4 umfasst die Werkzeugmaschine 1 der vorliegenden Ausführungsform die Achsenlinie 61 der A-Achse und die Achsenlinie 62 der C-Achse als die zwei Drehachsen. Bei der Bauart der Werkzeugmaschine überschneiden sich die Achsenlinie 61 und die Achsenlinie 62. Die Achsenlinie 61 und die Achsenlinie 62 können sich jedoch aufgrund eines Fehlers bei der Montage der Werkzeugmaschine 1 und einer Wärmeverschiebung während des Bearbeitungszeitraums nicht überschneiden. Bei der vorliegenden Ausführungsform wird ein Vektor von einem vorgegebenen Punkt auf der Achsenlinie 61 zu einem vorgegebenen Punkt auf der Achsenlinie 62 als Schnittversatzvektor bezeichnet. Das bedeutet, der Schnittversatzvektor gibt den Verlagerungsbetrag und die Verlagerungsrichtung der zwei Drehachsen an. Die Maschinenlernvorrichtung 2 ändert den Einstellwert des Schnittversatzvektors im Bearbeitungsprogramm.
  • Bezug nehmend auf 6 umfasst die Maschinenlernvorrichtung 2 der vorliegenden Ausführungsform eine Zustandsüberwachungseinheit 21, eine Bestimmungsdatenerfassungseinheit 22, eine Lerneinheit 23 und eine Entscheidungseinheit 24. Die Maschinenlernvorrichtung 2 umfasst eine Speichereinheit 25, die gewünschte Lerninformationen speichert. Die Lerneinheit 23 umfasst eine Belohnungsberechnungseinheit 29 und eine Wertfunktionsaktualisierungseinheit 30.
  • Die Zustandsüberwachungseinheit 21 erhält den Wärmeverschiebungsbetrag der Werkzeugmaschine 1 während des Bearbeitungszeitraums des Werkstücks als Zustandsgröße. Die Zustandsüberwachungseinheit 21 erhält den Wärmeverschiebungsbetrag eines vorgegebenen Bauteils. Bei der vorliegenden Ausführungsform erhält die Zustandsüberwachungseinheit 21 den Wärmeverschiebungsbetrag der Spindel, die das Werkzeug hält, und den Wärmeverschiebungsbetrag der Kugelumlaufspindel, die an jeder Antriebswelle angeordnet ist.
  • Ein Temperaturfühler 19 ist an jedem der Bauteile angebracht, deren Wärmeverschiebungsbetrag geschätzt wird. Der Temperaturfühler 19 ist am Spindelkopf der Werkzeugmaschine angebracht und erfasst die Temperatur der Spindel. Der Temperaturfühler 19 ist am Kugelumlaufspindelmechanismus jeder Antriebsachse der Werkzeugmaschine angebracht und erfasst die Temperatur der Schneckenwelle. Die durch die Temperaturfühler 19 erfassten Temperaturen werden in die Steuereinrichtung 18 eingegeben.
  • Die Maschinenlernvorrichtung 2 umfasst eine Wärmeverschiebungsbetragsschätzeinheit 27, die den Wärmeverschiebungsbetrag berechnet. Die Wärmeverschiebungsbetragsschätzeinheit 27 empfängt Informationen über die durch die Temperaturfühler 19 erfasste Temperatur von der Steuereinrichtung 18. Die Wärmeverschiebungsbetragsschätzeinheit 27 berechnet basierend auf der durch den entsprechenden Temperaturfühler 19 erfassten Temperatur den Wärmeverschiebungsbetrag jedes der Bauteile in einer vorgegebenen Richtung.
  • Beispielsweise dehnt sich die Spindel abhängig von der Temperatur geringfügig aus oder zieht sich zusammen. Die Wärmeverschiebungsbetragsschätzeinheit 27 kann den Wärmeverschiebungsbetrag der Spindel in der Richtung (z-Richtung), in der sich die Spindel erstreckt, basierend auf der Temperatur der Spindel schätzen. Alternativ kann die Wärmeverschiebungsbetragsschätzeinheit 27 den Wärmeverschiebungsbetrag in der Richtung, in der sich die Schneckenwelle erstreckt, basierend auf der Temperatur der Schneckenwelle im Kugelumlaufspindelmechanismus schätzen. Die Zustandsüberwachungseinheit 21 empfängt den Wärmeverschiebungsbetrag, der durch die Wärmeverschiebungsbetragsschätzeinheit 27 berechnet wird.
  • Das Verfahren zum Schätzen des Wärmeverschiebungsbetrags ist nicht auf das vorstehend beschriebene Verfahren beschränkt. Wenn beispielsweise eine lineare Skala in der Werkzeugmaschine angeordnet ist, kann der Wärmeverschiebungsbetrag basierend auf einem Ausgang der linearen Skala während des Bearbeitungszeitraums erhalten werden. Alternativ kann die Wärmeverschiebungsbetragsschätzeinheit den Wärmeverschiebungsbetrag basierend auf einem Zustand der Antriebseinrichtung schätzen, wie etwa der Drehzahl des Antriebsmotors. Wenn beispielsweise ein dem Antriebsmotor zugeführter elektrischer Strom größer ist, steigt die Temperatur der Einrichtung für eine vorgegebene Antriebsachse. Zu diesem Zeitpunkt kann die Wärmeverschiebungsbetragsschätzeinheit einen größeren Wärmeverschiebungsbetrag schätzen. Alternativ kann die Wärmeverschiebungsbetragsschätzeinheit den Wärmeverschiebungsbetrag basierend auf dem Bewegungsbetrag jeder Antriebsachse schätzen. Wenn beispielsweise der Bewegungsbetrag einer vorgegebenen Achse größer ist, schätzt die Wärmeverschiebungsbetragsschätzeinheit einen größeren Wärmeverschiebungsbetrag.
  • Die Zustandsüberwachungseinheit 21 der vorliegenden Ausführungsform kann auch die Umgebungstemperatur in der Nähe der Werkzeugmaschine 1 als Zustandsgröße überwachen. Ein Umgebungstemperaturfühler 35 ist in der Nähe der Werkzeugmaschine 1 angeordnet. Ein Ausgang des Umgebungstemperaturfühlers 35 wird in die Steuereinrichtung 18 eingegeben. Die Zustandsüberwachungseinheit 21 erhält die Umgebungstemperatur in der Nähe der Werkzeugmaschine 1 von der Steuereinrichtung 18.
  • Die Bestimmungsdatenerfassungseinheit 22 empfängt den Unwuchtbetrag des Laufrads nach der Bearbeitung als Bestimmungsdaten. Die Lerneinheit 23 lernt einen Einstellwert des Bearbeitungsprogramms der Werkzeugmaschine 1 basierend auf einem Ausgang der Zustandsüberwachungseinheit 21 und einem Ausgang der Bestimmungsdatenerfassungseinheit 22. Der Einstellwert des Bearbeitungsprogramms der vorliegenden Ausführungsform umfasst die Position des Ursprungs des Werkstückkoordinatensystems und/oder den Schnittversatzvektor für die zwei Drehachsen.
  • Die Lerneinheit 23 umfasst die Belohnungsberechnungseinheit 29 und die Wertfunktionsaktualisierungseinheit 30. Die Belohnungsberechnungseinheit 29 berechnet eine Belohnung basierend auf dem Ausgang der Bestimmungsdatenerfassungseinheit 22. Alternativ kann die Belohnungsberechnungseinheit 29 basierend auf dem Ausgang der Zustandsüberwachungseinheit 21 eine Belohnung berechnen. Die Wertfunktionsaktualisierungseinheit 30 aktualisiert eine Wertfunktion, die den Wert des Einstellwerts des Bearbeitungsprogramms definiert, basierend auf dem Ausgang der Zustandsüberwachungseinheit 21, dem Ausgang der Bestimmungsdatenerfassungseinheit 22 und dem Ausgang der Belohnungsberechnungseinheit 29. Die Entscheidungseinheit 24 bestimmt den Einstellwert des Bearbeitungsprogramms zum Bearbeiten eines nachfolgenden Werkstücks basierend auf der durch die Wertfunktionsaktualisierungseinheit 30 aktualisierten Wertfunktion.
  • Die Maschinenlernvorrichtung 2 umfasst eine Bearbeitungsprogrammerzeugungseinheit 28, die das Bearbeitungsprogramm der Werkzeugmaschine erzeugt. Die Bearbeitungsprogrammerzeugungseinheit 28 aktualisiert das Bearbeitungsprogramm basierend auf dem durch die Entscheidungseinheit 24 festgelegten Einstellwert. Das aktualisierte Bearbeitungsprogramm wird an die Steuereinrichtung 18 der Werkzeugmaschine 1 gesendet. Die Werkzeugmaschine 1 führt eine Bearbeitung des nachfolgenden Werkstücks gemäß dem aktualisierten Bearbeitungsprogramm durch.
  • Das Bearbeitungssystem 8 der vorliegenden Ausführungsform umfasst eine Unwuchtmessmaschine 3, die als dynamische Wuchtprüfmaschine dient. Die Unwuchtmessmaschine 3 kann den Unwuchtbetrag des Laufrads messen. Die Unwuchtmessmaschine 3 der vorliegenden Ausführungsform ist eine vertikale dynamische Wuchtprüfmaschine mit zwei Ebenen. Der Abstand vom Drehzentrum des Laufrads zum Schwerpunkt und die Phase des Schwerpunkts können als Unwuchtbetrag verwendet werden.
  • Die Unwuchtmessmaschine 3 der vorliegenden Ausführungsform umfasst einen Fixierstift, der das Laufrad 4 hält. Der Fixierstift wird in das Laufrad 4 eingesetzt, wodurch das Laufrad 4 drehbar gehalten wird. Von unterhalb des Laufrads 4 wird Luft zugeführt, wodurch das Laufrad 4 in Umlauf gesetzt wird. In dem Zustand, in dem sich das Laufrad 4 in Umlauf befindet, wird Luft zu den Flügelteilen 41 des Laufrads 4 geblasen, um das Laufrad 4 zu drehen. Eine Markierung, die als Referenz für die Phase dient, wird an der Rückseite des Laufrads 4 angebracht. Die Drehzahl des Laufrads kann durch einen Lasersensor gemessen werden, der die Markierung erfasst. Ferner wird die durch den Lasersensor gemessene Drehzahl zurückgeführt, um die Luftmenge einzustellen, die auf die Flügelteile aufprallen soll. Während der Messung des Unwuchtbetrags wird die Drehzahl des Laufrads konstant gehalten.
  • Ein Bediener stellt ein Bezugslaufrad bereit, um den Unwuchtbetrag zu messen. Das Bezugslaufrad ist so ausgeführt, dass sein Unwuchtbetrag sehr klein ist. Ein Gewicht, das ein vorgegebenes Gewicht aufweist, wird an einer vorgegebenen radialen Position in Bezug auf das Drehzentrum des Bezugslaufrads angebracht. Als Nächstes wird das Bezugslaufrad in der Unwuchtmessmaschine platziert. Die Unwuchtmessmaschine erhält eine Schwingungswellenform des Bezugslaufrads während das Bezugslaufrad dreht. Diese Schwingungswellenform ist eine Bezugsschwingungswellenform. Die Unwuchtmessmaschine speichert die Bezugsschwingungswellenform.
  • Zum Messen des Unwuchtbetrags des hergestellten Laufrads misst die Unwuchtmessmaschine die Schwingungswellenform des hergestellten Laufrads. Die Unwuchtmessmaschine kann einen tatsächlichen Unwuchtbetrag des hergestellten Laufrads basierend auf der Bezugsschwingungswellenform und der Schwingungswellenform des hergestellten Laufrads berechnen.
  • Es wird darauf hingewiesen, dass die Unwuchtmessmaschine nicht auf die vorstehend beschriebene Konfiguration beschränkt ist und eine beliebige Messmaschine verwendet werden kann, die den Unwuchtbetrag eines Werkstücks messen kann.
  • Die Maschinenlernvorrichtung hat die Funktion, durch Analyse nützliche Regeln, Wissensdarstellungen, Kriterien und dergleichen aus dem in die Vorrichtung eingegebenen Datenverbund zu extrahieren, die Ergebnisse der Bestimmung auszugeben und Wissen zu erlernen (maschinelles Lernen). Es gibt verschiedene Techniken des maschinellen Lernens, die sich grob beispielsweise in „überwachtes Lernen“, „unüberwachtes Lernen“ und „bestärkendes Lernen“ einteilen lassen. Des Weiteren gibt es zum Ausführen dieser Techniken eine Technik, die als „tiefes Lernen (deep learning)“ bezeichnet wird, bei der eine Extraktion einer Merkmalsgröße an sich gelernt wird.
  • Es wird darauf hingewiesen, dass auf die in 6 gezeigte Maschinenlernvorrichtung 2 „bestärkendes Lernen (Q-Lernen)“ angewandt wird. Für die Maschinenlernvorrichtung 2 kann einen Universalcomputer oder -prozessor verwendet werden. Alternativ kann die Verarbeitung mit hoher Geschwindigkeit durchgeführt werden, wenn beispielsweise eine Universalberechnung in Grafikverarbeitungseinheiten (GPGPU /General-Purpose computing on Graphics Processing Units) oder ein großer PC-Cluster oder dergleichen auf die Maschinenlernvorrichtung angewandt wird. Nun wird eine kurze Übersicht über das maschinelle Lernen gegeben.
  • Zunächst ist das überwachte Lernen eine Technik, bei der einer Maschinenlernvorrichtung eine große Menge überwachter Daten zugeführt wird, d.h. Datenpaare, bei denen jedes Paar aus Eingangs- und Ergebnis- (Label-) Daten besteht, die dann die in diesen Datensätzen enthaltene Merkmale lernt und ein Modell zum Schätzen eines Ergebnisses anhand eines Eingangs (Fehlermodell), d.h. deren Beziehung, induktiv erwirbt. Diese Technik lässt sich beispielsweise mit einem Algorithmus ausführen, wie etwa einem neuronalen Netz, das später beschrieben ist.
  • Unüberwachtes Lernen ist eine Technik, bei der einer Maschinenlernvorrichtung eine große Menge von ausschließlich Eingangsdaten zugeführt wird, die dann lernt, wie die Eingangsdaten verteilt sind, und ein Verfahren zum Komprimieren, Klassifizieren, Formatieren und dergleichen der Eingangsdaten selbst dann lernt, wenn die entsprechenden überwachten Ausgangsdaten nicht bereitgestellt werden. Beispielsweise kann die Maschinenlernvorrichtung Merkmale in den Datensätzen zu Gruppen ähnlicher Art zusammenfassen. Die Maschinenlernvorrichtung verwendet das Ergebnis dazu, einen Standard festzulegen und ordnet einen Ausgang so zu, dass der Standard optimiert wird, wodurch eine Ausgangsvorhersage durchgeführt werden kann.
  • Außerdem gibt es eine als halbüberwachtes Lernen bezeichnete Technik, die eine zwischen unüberwachtem Lernen und überwachtem Lernen gelagerte Problemlösungstechnik darstellt. Diese Technik entspricht einem Fall, in dem beispielsweise einige Eingangs- und Ausgangsdatenpaare und ansonsten nur Eingangsdaten vorhanden sind.
  • Als Nächstes wird bestärkendes Lernen beschrieben. Zunächst wird eine Problemstellung zum bestärkenden Lernen wie folgt berücksichtigt:
    • - Ein Bearbeitungssystem (das beispielsweise eine Steuereinrichtung einer Werkzeugmaschine und eine Maschinenlernvorrichtung umfasst) überwacht einen Umgebungszustand und bestimmt eine Aktion.
    • - Die Umgebung ändert sich gemäß einer Regel, wobei ferner eine eigene Aktion die Umgebung ändern kann.
    • - Bei jeder Aktion wird ein Belohnungssignal zurückgeführt.
    • - Die zu maximierende Größe ist die gesamte (diskontierte) in Zukunft erhaltene Belohnung.
    • - Das Lernen beginnt in einem Zustand, in dem ein durch eine Aktion verursachtes Ergebnis völlig unbekannt oder unvollständig bekannt ist. Das bedeutet, die Maschinenlernvorrichtung führt zunächst tatsächlich eine Aktion durch und kann dann das Ergebnis der Aktion als Daten erhalten. Dies zeigt, dass es notwendig ist, eine optimale Aktion wird durch Versuch und Irrtum zu ermitteln.
    • - Das Lernen kann an einem guten Ausgangspunkt in einem Anfangszustand begonnen werden, in dem ein vorausgehendes Lernen (Techniken, wie etwa das vorstehend genannte überwachte Lernen oder inverses bestärkendes Lernen) durchgeführt wurde, um menschliche Tätigkeiten (Aktionen) nachzuahmen.
  • Hierbei ist bestärkendes Lernen (Q-Lernen) eine Technik, bei der Aktionen sowie eine Bestimmung und Klassifizierung gelernt werden, um unter Berücksichtigung einer durch eine Aktion an der Umgebung bereitgestellten Interaktion eine geeignete Aktion zu lernen, d.h. die Technik, bei der das Verfahren zum Maximieren der in Zukunft erhaltenen Belohnung gelernt wird. Q-Lernen ist in der folgenden Beschreibung beispielhaft erläutert, wobei die Erfindung jedoch nicht auf den Fall beschränkt ist, in dem das Q-Lernen angewandt wird.
  • Das Q-Lernen ist ein Verfahren zum Lernen eines Werts Q(s, a) zum Auswählen einer Aktion a in einem gegebenen Umgebungszustand s. Das heißt, die Aktion a, die den höchsten Wert Q(s, a) aufweist, wird in dem gegebenen Zustand s als optimale Aktion ausgewählt. Anfangs ist ein korrekter Wert des Werts Q(s, a) für eine Kombination des Zustands s und der Aktion a jedoch völlig unbekannt. Daher wählt ein Agent (ein Aktionssubjekt) verschiedene Aktionen a in dem gegebenen Zustand s aus, wobei für jede der ausgewählten Aktionen a eine Belohnung vergeben wird. Auf diese Weise lernt der Agent, eine bessere Aktion auszuwählen, d.h. den korrekten Wert Q(s, a).
  • Ferner besteht zum Maximieren der Summe der Belohnungen, die als Ergebnis von Aktionen in Zukunft erhalten werden, das Endziel darin, die Gleichung Q(s, a) = E [Σ (γt) rt] zu erfüllen. Hierbei wird ein Erwartungswert erhalten, wenn sich ein Zustand in Antwort auf eine optimale Aktion ändert. Der Erwartungswert, der unbekannt ist, wird durch eine Suche gelernt. Die Aktualisierungsgleichung des Werts Q(s, a) wird beispielsweise durch die folgende Gleichung (1) dargestellt: Q ( s t ,a t ) Q ( s t ,a t ) + α ( r t + 1 + γ maxQ ( s t + 1 ,a ) Q ( s t ,a t ) )
    Figure DE102017009428A1_0001
  • In der Gleichung (1) stellt st den Zustand der Umgebung zu einem Zeitpunkt t und at die Aktion zum Zeitpunkt t dar. Durch die Aktion at ändert sich der Zustand in St+1. Die Belohnung, die durch die Änderung des Zustands erhalten wird, ist durch rt+1 dargestellt. Der max umfassende Term ist ein Q-Wert, der mit y multipliziert wird, wenn die Aktion a, die den höchsten bekannten Q-Wert aufweist, im Zustand st+1 ausgewählt wird. Hierbei ist y ein Parameter von 0 < γ ≤ 1, der als Diskontierungsfaktor bezeichnet wird. Das Symbol α ist ein Lernkoeffizient in dem Bereich 0 < α ≤ 1.
  • Die vorstehend beschriebene Gleichung (1) stellt ein Verfahren zum Aktualisieren des Bewertungswerts Q(st, at) der Aktion at im Zustand st basierend auf der als Ergebnis der Aktion at zurückgeführten Belohnung rt+1 dar. Das heißt, dies zeigt, dass, wenn die Summe der Belohnung rt+1 und eines Bewertungswerts Q(st+1, max at+1) der besten Aktion max a in einem durch die Aktion a verursachten nachfolgenden Zustand größer als der Bewertungswert Q(st, at) der Aktion a im Zustand s ist, Q(st, at) erhöht wird. Im Gegensatz dazu wird Q(st, at) verringert, wenn die Summe kleiner als der Bewertungswert Q(st, at) ist. Mit anderen Worten, der Wert einer gegebenen Aktion in einem gegebenen Zustand wird näher an eine unverzüglich als Ergebnis zurückgeführte Belohnung und den Wert der besten Aktion in einem durch die gegebene Aktion verursachten nachfolgenden Zustand herangebracht.
  • Hierbei wird Q(s, a) durch ein Verfahren auf einem Computer dargestellt, bei dem die Werte aller Zustands-/Aktionspaare (s, a) in einer Tabelle gespeichert werden, oder durch ein Verfahren, bei dem eine Funktion zum Annähern von Q(s, a) erstellt wird. Bei dem letzteren Verfahren kann die vorstehend beschriebene Gleichung (1) durch Einstellen eines Parameters einer Näherungsfunktion durch eine Technik, wie etwa dem stochastischen Gradientenabstieg, erhalten werden. Ein neuronales Netz, das später beschrieben ist, kann für die Näherungsfunktion verwendet werden.
  • Beim bestärkenden Lernen kann das neuronale Netz für einen Näherungsalgorithmus der Wertfunktion verwendet werden. 7 ist eine Darstellung, die schematisch ein Neuronenmodell zeigt, und 8 ist eine Darstellung, die schematisch ein dreischichtiges neuronales Netz zeigt, das durch eine Kombination von in 7 gezeigten Neuronen gebildet wird. Das heißt, das neuronale Netz wird beispielsweise durch eine Recheneinrichtung, einen Speicher und dergleichen gebildet, die ein in 7 gezeigtes Neuronenmodell simulieren.
  • Wie in 7 gezeigt, gibt das Neuronen für eine Mehrzahl Eingänge x (in 7 beispielsweise die Eingänge x1 bis x3) einen Ausgang (Ergebnis) y aus. Jeder der Eingänge x (x1, x2, x3) wird mit einem den Eingängen x entsprechenden jeweiligen Gewicht w (w1, w2, w3) multipliziert. Durch Anwenden dieses Verfahrens gibt das Neuron das durch die nachstehende Gleichung (2) dargestellte Ergebnis y aus. Es wird darauf hingewiesen, dass die Eingänge x, das Ergebnis y und die Gewichte w allesamt Vektoren sind. In der folgenden Gleichung (2) ist θ eine systematische Messabweichung und fk eine Aktivierungsfunktion. y = f k ( i = 1 n x i w i θ )
    Figure DE102017009428A1_0002
  • Bezug nehmend auf 8 wird nun das dreischichtige neuronale Netz beschrieben, das durch eine Kombination der in 7 gezeigten Neuronen gebildet wird. Wie in 8 gezeigt, wird eine Mehrzahl Eingänge x (hier beispielsweise die Eingänge x1 bis x3) auf der linken Seite des neuronalen Netzes eingegeben und Ergebnisse y (hier beispielsweise die Ergebnisse y1 bis y3) werden auf der rechten Seite ausgegeben. Genauer gesagt werden die Eingänge x1, x2, x3 mit den jeweiligen Gewichten multipliziert und dann jeweils in drei Neuronen N11 bis N13 eingegeben. Die zum Multiplizieren dieser Eingänge verwendeten Gewichte sind insgesamt durch W1 dargestellt.
  • Die Neuronen N11 bis N13 geben jeweils z11 bis z13 aus. In 8 sind z11 bis z13 insgesamt durch einen Merkmalsvektor Z1 dargestellt, der als Vektor angesehen werden kann, der aus einer Extraktion der Größe der Merkmale der Eingangsvektoren resultiert. Dieser Merkmalsvektor Z1 ist ein Merkmalsvektor zwischen dem Gewicht W1 und dem Gewicht W2. z11 bis z13 werden mit den jeweiligen Gewichten multipliziert und dann in zwei Neuronen N21 und N22 eingegeben. Die Gewichte zum Multiplizieren dieser Merkmalsvektoren sind insgesamt durch W2 dargestellt.
  • Die Neuronen N21, N22 geben jeweils z21, z22 aus. In 8 sind z21, z22 insgesamt durch einen Merkmalsvektor Z2 dargestellt. Dieser Merkmalsvektor Z2 ist ein Merkmalsvektor zwischen dem Gewicht W2 und einem Gewicht W3. z21, z22 werden mit den jeweiligen Gewichten multipliziert und dann jeweils in drei Neuronen N31 bis N33 eingegeben. Die Gewichte zum Multiplizieren dieser Merkmalsvektoren sind insgesamt durch W3 dargestellt.
  • Schließlich geben die Neuronen N31 bis N33 jeweils die Ergebnisse y1 bis y3 aus. Das neuronale Netz arbeitet in einem Lernmodus und einem Wertvorhersagemodus. Beispielsweise wird im Lernmodus das Gewicht W mit einem Lerndatensatz gelernt und im Vorhersagemodus mit dem Parameter eine Aktion der Steuereinrichtung bestimmt. Der Begriff „Vorhersage“ wird der Einfachheit halber verwendet, es wird jedoch darauf hingewiesen, dass verschiedene Aufgaben, wie etwa Erfassung, Klassifizierung und Inferenz, ausgeführt werden können.
  • Hierbei können im Vorhersagemodus durch einen tatsächlichen Betrieb der Steuereinrichtung der Werkzeugmaschine erhaltene Daten unverzüglich gelernt und in einer nachfolgenden Aktion reflektiert werden (Online-Lernen). Alternativ wird das Lernen mit sämtlichen vorab gesammelten Datengruppen durchgeführt, wobei von da an mit dem Parameter ein Erfassungsmodus ausgeführt werden kann (Batch-Lernen). Alternativ kann der Lernmodus immer dann zwischengeschaltet werden, wenn sich eine bestimmte Datenmenge angesammelt hat, was eine zwischen den obigen beiden Techniken gelagerte Technik darstellt.
  • Die Gewichte W1 bis W3 können durch das Backpropagation-Verfahren (Rückwärtspropagierungsverfahren) gelernt werden. Fehlerinformationen werden von rechts eingegeben und nach links überführt. Das Backpropagation-Verfahren ist eine Technik, bei der das Gewicht für jedes der Neuronen eingestellt (gelernt) wird, um eine Differenz zwischen einem Ausgang y bei Eingabe des Eingangs x und einem tatsächlichen Ausgang y (Lehrer) zu verringern. Die Anzahl der Schichten eines solchen neuronalen Netzes kann auf drei oder mehr erhöht werden (als tiefes Lernen bezeichnet). Eine Recheneinrichtung, die Eingangsmerkmale schrittweise extrahiert und Ergebnisse zurückführt, kann ausschließlich mit überwachten Daten automatisch erhalten werden.
  • Bezug nehmend auf 6 umfasst die Maschinenlernvorrichtung 2 der vorliegenden Ausführungsform die Zustandsüberwachungseinheit 21, die Bestimmungsdatenerfassungseinheit 22, die Lerneinheit 23 und die Entscheidungseinheit 24, um das bestärkende Lernen durchzuführen. Eine Bearbeitung eines Werkstücks mit einem Einstellwert des Bearbeitungsprogramms entspricht einer Aktion. Es wird darauf hingewiesen, dass das auf die vorliegende Erfindung angewandte Maschinenlernverfahren nicht auf bestärkendes Lernen beschränkt ist. Die Maschinenlernvorrichtung 2 kann, wie vorstehend beschrieben, beispielsweise durch Verwenden von GPGPU, eines großen PC-Clusters oder dergleichen erhalten werden.
  • 9 zeigt ein Beispiel für ein Flussdiagramm zur Steuerung der Maschinenlernvorrichtung der vorliegenden Ausführungsform. Die in 9 dargestellte Steuerung wird beispielsweise immer dann ausgeführt, wenn ein Werkstück bearbeitet wird. Die Maschinenlernvorrichtung führt das Lernen basierend auf einem Bearbeitungsergebnis des vorherigen Werkstücks durch. Die Maschinenlernvorrichtung kann ein Bearbeitungsprogramm für eine aktuelle Bearbeitung erzeugen und die aktuelle Bearbeitung durchführen.
  • Unter Bezugnahme auf die 6 und 9 wird in Schritt 81 ein Werkstück unter Verwendung eines durch die Maschinenlernvorrichtung 2 erzeugten Bearbeitungsprogramms durch die Werkzeugmaschine bearbeitet. Für die erste Bearbeitung kann das Bearbeitungsprogramm verwendet werden, das einen vorgegebenen Einstellwert enthält. In Schritt 81 erhält die Zustandsüberwachungseinheit 21 die Zustandsgröße während des Bearbeitungszeitraums des Werkstücks. Die Zustandsüberwachungseinheit 21 der vorliegenden Ausführungsform erhält den Wärmeverschiebungsbetrag eines vorgegebenen Abschnitts der Werkzeugmaschine.
  • Der Wärmeverschiebungsbetrag kann während des Bearbeitungszeitraums kontinuierlich erhalten werden. Der Wärmeverschiebungsbetrag kann sich während des Bearbeitungszeitraums ändern. Bei der vorliegenden Ausführungsform wird der Mittelwert des Wärmeverschiebungsbetrags während des Bearbeitungszeitraums verwendet. Der zu verwendende Wärmeverschiebungsbetrag ist nicht auf diesen Wert beschränkt und es kann ein beliebiger Wärmeverschiebungsbetrag verwendet werden. Beispielsweise kann der Maximalwert des Bearbeitungszeitraums als Wärmeverschiebungsbetrag verwendet werden.
  • In Schritt 82 misst die Unwuchtmessmaschine 3 den Unwuchtbetrag des hergestellten Werkstücks nach der Bearbeitung. Die Bestimmungsdatenerfassungseinheit 22 erhält den Unwuchtbetrag von der Unwuchtmessmaschine 3.
  • In Schritt 83 bestimmt die Belohnungsberechnungseinheit 29 der Lerneinheit 23, ob der Unwuchtbetrag des Werkstücks kleiner als ein vorgegebener Bestimmungswert ist. Wenn der Unwuchtbetrag des Werkstücks kleiner als der Bestimmungswert ist, fährt die Steuerung mit Schritt 84 fort. In Schritt 84 legt die Belohnungsberechnungseinheit 29 eine positive Belohnung fest.
  • Wenn der Unwuchtbetrag des Werkstücks in Schritt 83 gleich oder größer als der Bestimmungswert ist, fährt die Steuerung mit Schritt 85 fort. In Schritt 85 legt die Belohnungsberechnungseinheit 29 eine negative Belohnung fest. Es wird darauf hingewiesen, dass die Belohnungsberechnungseinheit 29 eine beliebige Steuerung ausführen kann, so dass, wenn der Unwuchtbetrag kleiner ist, der Wert der Belohnung auf einen größeren Wert festgelegt wird. Beispielsweise kann die Belohnungsberechnungseinheit eine Belohnung mit einem Wert von null oder eine Belohnung mit einem positiven Wert festlegen. Alternativ kann die Belohnungsberechnungseinheit 29 die Steuerung so ausführten, dass der Wert einer Belohnung allmählich erhöht wird, wenn der Unwuchtbetrag kleiner ist.
  • Als Nächstes aktualisiert die Wertfunktionsaktualisierungseinheit 30 der Lerneinheit 23 in Schritt 86 die Wertfunktion mit der festgelegten Belohnung. In Schritt 87 bestimmt die Entscheidungseinheit 24 einen Einstellwert des Bearbeitungsprogramms basierend auf der aktualisierten Wertfunktion. Als Nächstes aktualisiert die Bearbeitungsprogrammerzeugungseinheit 28 in Schritt 88 das Bearbeitungsprogramm basierend auf dem neu bestimmten Einstellwert. Die Maschinenlernvorrichtung 2 sendet das aktualisierte Bearbeitungsprogramm an die Steuereinrichtung 18 der Werkzeugmaschine 1. Danach kehrt die Steuerung zu Schritt 81 zurück und ein neues Werkstück wird mit dem aktualisierten Bearbeitungsprogramm bearbeitet.
  • Auf diese Weise kann die Maschinenlernvorrichtung 2 den Einstellwert des Bearbeitungsprogramms der Werkzeugmaschine 1 bestimmen. Das Bearbeitungsprogramm wird jedes Mal aktualisiert, wenn ein Werkstück bearbeitet wird.
  • Bei der vorliegenden Ausführungsform ist eine Maschinensteuereinrichtung mit einer Werkzeugmaschine verbunden, die Erfindung ist jedoch nicht auf diese Konfiguration beschränkt. Die Maschinenlernvorrichtung kann auch mit einer Mehrzahl Werkzeugmaschinen verbunden sein. Die Maschinenlernvorrichtung kann dazu eingerichtet sein, den Einstellwert des Bearbeitungsprogramms für jede der Werkzeugmaschinen zu lernen. Das bedeutet, die Maschinenlernvorrichtung kann den Einstellwert des Bearbeitungsprogramms für jede der Werkzeugmaschinen festlegen. Die Maschinenlernvorrichtung kann durch Lernen des Bearbeitungsprogramms für eine Werkzeugmaschine erhaltene Informationen und durch Lernen des Bearbeitungsprogramms für eine andere Werkzeugmaschine erhaltene Informationen gemeinsam nutzen.
  • Beispielsweise kann die Lerneinheit die Wertfunktion unter den Werkzeugmaschinen gemeinsam nutzen. Die Entscheidungseinheit kann den Einstellwert des Bearbeitungsprogramms auswählen, bei dem der Unwuchtbetrag in einem vorgegebenen Zeitraum am kleinsten ist. Der Einstellwert kann im Bearbeitungsprogramm für die Werkzeugmaschine verwendet werden. Diese Steuerung kann den Unwuchtbetrag durch Verwenden von Informationen über die Werkzeugmaschinen wirksam verringern.
  • Bei der vorliegenden Ausführungsform wird die Herstellung eines Laufrads beispielhaft erläutert, das in einem Kompressor eines Laders in einem Verbrennungsmotor angeordnet wird, die Erfindung ist jedoch nicht auf diese Ausführungsform beschränkt. Ein beliebiges Laufrad, das mit hoher Drehzahl dreht, kann als durch die Werkzeugmaschine hergestelltes Werkstück verwendet werden. Es kann beispielsweise ein Laufrad verwendet werden, das in einer Turbine im Abgasbereich eines Laders eines Verbrennungsmotors angeordnet wird. Alternativ kann ein Laufrad verwendet werden, das in einem Lader eines Verbrennungsmotors eines Schiffs oder eines Flugzeugs angeordnet wird. Alternativ wird ein mit hoher Drehzahl drehendes Laufrad an einem Staubsauger angebracht, in dem Zentrifugation eingesetzt wird. Die vorliegende Erfindung lässt sich auch auf die Herstellung eines Laufrads anwenden, das an einem solchen Staubsauger angebracht wird.
  • Die vorliegende Erfindung kann die Maschinenlernvorrichtung, die einen Einstellwert des Bearbeitungsprogramms für die Werkzeugmaschine lernt, um den Unwuchtbetrag des Laufrads zu verringern, und das die Maschinenlernvorrichtung umfassende Bearbeitungssystem bereitstellen.
  • Die vorstehend beschriebenen Ausführungsformen lassen sich geeignet kombinieren. Gleiche oder entsprechende Komponenten weisen in den vorstehend genannten Zeichnungen die gleichen Bezugszeichen auf. Die vorstehend beschriebenen Ausführungsformen stellen Beispiele dar und schränken die Erfindung nicht ein. Die Ausführungsformen umfassen Modifikationen der Ausführungsformen, die in den anfügten Ansprüchen angegeben sind.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • JP 2013518449 T [0005]
    • JP 7164199 A [0006]

Claims (6)

  1. Maschinenlernvorrichtung (2), die dazu eingerichtet ist, einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine (1) zu lernen, die dazu eingerichtet ist, ein Laufrad (4) zu bearbeiten, wobei die Maschinenlernvorrichtung umfasst: - eine Zustandsüberwachungseinheit (21), die dazu eingerichtet ist, einen Wärmeverschiebungsbetrag während eines Bearbeitungszeitraums eines Werkstücks als Zustandsgröße zu erhalten, - eine Bestimmungsdatenerfassungseinheit (22), die dazu eingerichtet ist, einen Unwuchtbetrag des Laufrads nach der Bearbeitung als Bestimmungsdaten zu empfangen, und - eine Lerneinheit (23), die dazu eingerichtet ist, den Einstellwert des Bearbeitungsprogramms basierend auf einem Ausgang der Zustandsüberwachungseinheit und einem Ausgang der Bestimmungsdatenerfassungseinheit zu lernen.
  2. Maschinenlernvorrichtung nach Anspruch 1, wobei der Einstellwert des Bearbeitungsprogramms eine Position eines Ursprungs eines Werkstückkoordinatensystems und/oder einen Schnittversatzvektor für zwei Drehachsen umfasst.
  3. Maschinenlernvorrichtung nach Anspruch 1 oder 2, wobei die Zustandsüberwachungseinheit eine Umgebungstemperatur in der Nähe der Werkzeugmaschine als Zustandsgröße erhält.
  4. Maschinenlernvorrichtung nach einem der Ansprüche 1 bis 3, wobei - ein Temperaturfühler (19) an einem vorgegebenen Bauteil der Werkzeugmaschine angebracht ist und - die Zustandsüberwachungseinheit den Wärmeverschiebungsbetrag erhält, der basierend auf einem Ausgang des Temperaturfühlers geschätzt wird.
  5. Maschinenlernvorrichtung nach einem der Ansprüche 1 bis 4, wobei die Maschinenlernvorrichtung mit einer Mehrzahl Werkzeugmaschinen verbunden ist und wobei - die Lerneinheit dazu eingerichtet ist, den Einstellwert des Bearbeitungsprogramms für jede Werkzeugmaschine zu lernen und die durch Lernen der Bearbeitungsprogramme der Mehrzahl Werkzeugmaschinen erhaltenen Informationen gemeinsam nutzt.
  6. Bearbeitungssystem, das umfasst: - die Maschinenlernvorrichtung nach Anspruch 1, - eine Werkzeugmaschine, die dazu eingerichtet ist, ein Werkstück zu bearbeiten, um ein Laufrad zu erzeugen, und - eine Unwuchtmessmaschine (3), die dazu eingerichtet ist, den Unwuchtbetrag des Laufrads zu messen.
DE102017009428.4A 2016-10-18 2017-10-11 Maschinenlernvorrichtung, die einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine lernt, und Bearbeitungssystem Active DE102017009428B4 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-204538 2016-10-18
JP2016204538A JP6450724B2 (ja) 2016-10-18 2016-10-18 工作機械の加工プログラムの設定値を学習する機械学習装置および加工システム

Publications (2)

Publication Number Publication Date
DE102017009428A1 true DE102017009428A1 (de) 2018-04-19
DE102017009428B4 DE102017009428B4 (de) 2020-09-10

Family

ID=61764993

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017009428.4A Active DE102017009428B4 (de) 2016-10-18 2017-10-11 Maschinenlernvorrichtung, die einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine lernt, und Bearbeitungssystem

Country Status (4)

Country Link
US (1) US10606233B2 (de)
JP (1) JP6450724B2 (de)
CN (1) CN107953144B (de)
DE (1) DE102017009428B4 (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020114739A1 (de) * 2018-12-05 2020-06-11 Robert Bosch Gmbh Steuereinrichtung zur steuerung einer fertigungsanlage sowie fertigungsanlage und verfahren

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3041719B1 (fr) * 2015-09-25 2017-10-20 Schneider Electric Ind Sas Dispositif de surveillance de la temperature et du serrage d'une vis
JP6895399B2 (ja) * 2018-02-06 2021-06-30 株式会社日立製作所 機械制御装置
JP7353019B2 (ja) * 2018-05-08 2023-09-29 三菱電機株式会社 加工制御装置、加工制御方法及びプログラム
JP6923484B2 (ja) 2018-05-15 2021-08-18 ファナック株式会社 加工条件調整装置及び機械学習装置
JP6753893B2 (ja) * 2018-05-16 2020-09-09 ファナック株式会社 熱変位補正装置
JP7235446B2 (ja) 2018-05-31 2023-03-08 株式会社トプコン 測量装置および測量システム
CN112384867B (zh) * 2018-07-11 2021-10-29 三菱电机株式会社 机器学习装置、数控加工程序生成装置及机器学习方法
CN110895315B (zh) * 2018-09-12 2022-08-05 泰科电子(上海)有限公司 端子插入质量监控系统
JP6940474B2 (ja) * 2018-12-05 2021-09-29 ファナック株式会社 工作機械
JP7330749B2 (ja) 2019-05-08 2023-08-22 Dgshape株式会社 切削加工機および原点の設定方法
KR20220024752A (ko) * 2019-06-20 2022-03-03 케이엘에이 코포레이션 다중 도구 파라미터 캘리브레이션 및 오정렬 측정 시스템 및 방법
CN114341752B (zh) * 2019-09-02 2023-06-13 山崎马扎克公司 控制装置、机床、修正系数算出方法和存储介质
JP7464383B2 (ja) * 2019-12-10 2024-04-09 ファナック株式会社 ワークモデルの修正量を学習する機械学習装置、制御装置、加工システム、及び機械学習方法
KR20230119360A (ko) * 2022-02-07 2023-08-16 주식회사 디엔솔루션즈 공작기계의 열변위 보정 장치 및 보정 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0864199A (ja) 1994-08-17 1996-03-08 A T Battery:Kk 電 池
JP2013518449A (ja) 2010-01-29 2013-05-20 東京エレクトロン株式会社 半導体製造ツールを自己学習及び自己改善するための方法及びシステム

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6138537U (ja) * 1984-08-13 1986-03-11 三菱重工業株式会社 釣り合い変化量測定装置
JPH03208540A (ja) * 1990-01-12 1991-09-11 Murata Mach Ltd 自動制御加工装置
US5282261A (en) * 1990-08-03 1994-01-25 E. I. Du Pont De Nemours And Co., Inc. Neural network process measurement and control
JPH0775937A (ja) * 1993-09-07 1995-03-20 Sodick Co Ltd 工作機械及びその制御方法
JPH07164199A (ja) 1993-12-10 1995-06-27 Japan Automat Mach Co Ltd プレス加工機の品質管理方法及びその装置
JP2004148422A (ja) * 2002-10-29 2004-05-27 Mitsubishi Heavy Ind Ltd 多軸加工装置、多軸加工装置での加工方法、プログラム
JP4358705B2 (ja) 2004-08-17 2009-11-04 中村留精密工業株式会社 工作機械の熱変形誤差の補正方法
US7845257B2 (en) * 2008-09-04 2010-12-07 Mori Seiki Co., Ltd. Ultra-precision machine tool
JP5100671B2 (ja) * 2009-01-23 2012-12-19 三菱電機株式会社 プロペラ羽根の製造方法、プロペラ羽根及び送風機
JP4787347B2 (ja) * 2009-05-22 2011-10-05 ファナック株式会社 インペラ加工機
JP5622177B2 (ja) * 2010-10-15 2014-11-12 株式会社Ihi 影響係数取得方法
CN102455682A (zh) 2010-11-02 2012-05-16 张文龙 一种基于vb程序对机床几何误差进行补偿的方法
JP5789114B2 (ja) * 2011-04-04 2015-10-07 オークマ株式会社 工作機械の補正値演算方法及びプログラム
CN102736557B (zh) 2011-04-07 2016-07-20 杨建国 基于虚拟仪器的数控机床误差实时补偿系统
CN103576610A (zh) 2012-08-03 2014-02-12 德马吉森精机株式会社 机床、加工方法、程序和nc数据生成装置
JP5734392B2 (ja) * 2013-11-01 2015-06-17 ファナック株式会社 インペラ、インペラ切削用治具、及びインペラの加工方法
JP2016121535A (ja) 2014-12-24 2016-07-07 富士重工業株式会社 エンジン制御装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0864199A (ja) 1994-08-17 1996-03-08 A T Battery:Kk 電 池
JP2013518449A (ja) 2010-01-29 2013-05-20 東京エレクトロン株式会社 半導体製造ツールを自己学習及び自己改善するための方法及びシステム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020114739A1 (de) * 2018-12-05 2020-06-11 Robert Bosch Gmbh Steuereinrichtung zur steuerung einer fertigungsanlage sowie fertigungsanlage und verfahren

Also Published As

Publication number Publication date
CN107953144A (zh) 2018-04-24
CN107953144B (zh) 2020-03-13
DE102017009428B4 (de) 2020-09-10
US10606233B2 (en) 2020-03-31
JP2018065211A (ja) 2018-04-26
JP6450724B2 (ja) 2019-01-09
US20180107947A1 (en) 2018-04-19

Similar Documents

Publication Publication Date Title
DE102017009428B4 (de) Maschinenlernvorrichtung, die einen Einstellwert eines Bearbeitungsprogramms einer Werkzeugmaschine lernt, und Bearbeitungssystem
DE102016015866B3 (de) Maschinelle Lernvorrichtung, Robotercontroller, Robotersystem und maschinelles Lernverfahren zum Lernen des Handlungsmusters einer Person
DE102017000955B4 (de) Produktionssteuersystem und integriertes Produktionssteuersystem
DE102017010799B4 (de) Maschinenlernvorrichtung zum Lernen einer Bearbeitungsreihenfolge eines Robotersystems mit einer Mehrzahl von Laserbearbeitungsrobotern, dazugehöriges Robotersystem sowie Maschinenlernverfahren zum Lernen einer Bearbeitungsreihenfolge des Robotersystems mit einer Mehrzahl von Laserbearbeitungsrobotern
DE102016117560B4 (de) Werkzeugmaschine zum erzeugen einer geschwindigkeitsverteilung
DE102017006703A1 (de) Maschinenlerneinrichtung, die einen Strombefehl für einen Motor lernt, Motorsteuereinrichtung und Maschinenlernverfahren
DE102018109628A1 (de) Fehlererfassungsvorrichtung für einen Spindelkopf eines Maschinenwerkzeugs, die mehrere Sensoren aufweist
DE102016011402A1 (de) Maschinelles Lernverfahren und maschinelle Lernvorrichtung zum Einlernen von Betriebsbefehlen für einen Elektromotor und Werkzeugmaschine mit maschineller Lernvorrichtung
DE102017011544A1 (de) Steuerung und maschinelle Lernvorrichtung
DE102018108778B4 (de) Beschleunigungs- und verzögerungssteuereinheit, maschinenlernvorrichtung und maschinenlernverfahren
DE68920517T2 (de) Künstliche Intelligenz für die adaptive Bearbeitungssteuerung für Oberflächen-Endbearbeitung.
DE102018010054A1 (de) Steuerung und maschinelle Lernvorrichtung
DE102017011463B4 (de) Maschinenlerneinrichtung zum Lernen eines Verfahrens zum Justieren eines optischen Teils einer Lichtquelleneinheit und Lichtquelleneinheitsherstellungsvorrichtung
DE102018004048B4 (de) Steuerung und Maschinenlernvorrichtung
DE102017011754A1 (de) Maschinenlerneinrichtung zum Lernen eines Montagevorgangs und Komponentenmontagesystem
DE102018205015A1 (de) Einstellvorrichtung und Einstellverfahren
DE102017131221A1 (de) Analysevorrichtung und analysesystem
DE102018001028B4 (de) Numerische Steuerung
DE102018200794A1 (de) Aktionsinformationslernvorrichtung, aktionsinformationsoptimierungssystem und aktionsinformationslernprogramm
DE102020204854A1 (de) Vorrichtung für maschinelles Lernen, numerisches Steuersystem undVerfahren für maschinelles Lernen
DE102018003769A1 (de) Vorrichtung für maschinelles Lernen, Servosteuersystem und Verfahren zum maschinellen Lernen
DE102020132093A1 (de) Vorrichtung für maschinelles Lernen, Steuervorrichtung, Bearbeitungssystem und Verfahren für maschinelles Lernen zum Lernen eines Korrekturbetrags eines Werkstückmodells
DE102019112211A1 (de) Simulationsvorrichtung
DE102020122373A1 (de) Vorrichtung für maschinelles Lernen, Servosteuervorrichtung, Servosteuersystem und Verfahren für maschinelles Lernen
DE102019104922A1 (de) Kollisionspositionsschätzvorrichtung und maschinenlernvorrichtung

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R016 Response to examination communication
R018 Grant decision by examination section/examining division
R020 Patent grant now final