DE102017011350A1 - Maschinenlernvorrichtung, lebensdauerprognosevorrichtung, numerische steuereinrichtung, produktionssystem und maschinenlernverfahren zum prognostizieren einer lebensdauer eines nand-flash-speichers - Google Patents

Maschinenlernvorrichtung, lebensdauerprognosevorrichtung, numerische steuereinrichtung, produktionssystem und maschinenlernverfahren zum prognostizieren einer lebensdauer eines nand-flash-speichers Download PDF

Info

Publication number
DE102017011350A1
DE102017011350A1 DE102017011350.5A DE102017011350A DE102017011350A1 DE 102017011350 A1 DE102017011350 A1 DE 102017011350A1 DE 102017011350 A DE102017011350 A DE 102017011350A DE 102017011350 A1 DE102017011350 A1 DE 102017011350A1
Authority
DE
Germany
Prior art keywords
nand flash
flash memory
machine learning
learning
information
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.)
Withdrawn
Application number
DE102017011350.5A
Other languages
English (en)
Inventor
Kazuya Kikuchi
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 DE102017011350A1 publication Critical patent/DE102017011350A1/de
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11C—STATIC STORES
    • G11C16/00—Erasable programmable read-only memories
    • G11C16/02—Erasable programmable read-only memories electrically programmable
    • G11C16/06—Auxiliary circuits, e.g. for writing into memory
    • G11C16/34—Determination of programming status, e.g. threshold voltage, overprogramming or underprogramming, retention
    • G11C16/349—Arrangements for evaluating degradation, retention or wearout, e.g. by counting erase cycles
    • G11C16/3495—Circuits or methods to detect or delay wearout of nonvolatile EPROM or EEPROM memory devices, e.g. by counting numbers of erase or reprogram cycles, by using multiple memory areas serially or cyclically
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/008—Reliability or availability analysis
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4063—Monitoring general control system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/08—Error detection or correction by redundancy in data representation, e.g. by using checking codes
    • G06F11/10—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's
    • G06F11/1008—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's in individual solid state devices
    • G06F11/1068—Adding special bits or symbols to the coded information, e.g. parity check, casting out 9's or 11's in individual solid state devices in sector programmable memories, e.g. flash disk
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
    • G06F3/0601—Interfaces specially adapted for storage systems
    • G06F3/0668—Interfaces specially adapted for storage systems adopting a particular infrastructure
    • G06F3/0671—In-line storage system
    • G06F3/0673—Single storage device
    • G06F3/0679—Non-volatile semiconductor memory device, e.g. flash memory, one time programmable memory [OTP]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11C—STATIC STORES
    • G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
    • G11C29/02—Detection or location of defective auxiliary circuits, e.g. defective refresh counters
    • G11C29/028—Detection or location of defective auxiliary circuits, e.g. defective refresh counters with adaption or trimming of parameters
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/34—Director, elements to supervisory
    • G05B2219/34477—Fault prediction, analyzing signal trends
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/36—Nc in input of data, input key till input tape
    • G05B2219/36109—Flash memory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11C—STATIC STORES
    • G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
    • G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
    • G11C2029/0411—Online error correction
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11C—STATIC STORES
    • G11C29/00—Checking stores for correct operation ; Subsequent repair; Testing stores during standby or offline operation
    • G11C29/04—Detection or location of defective memory elements, e.g. cell constructio details, timing of test signals
    • G11C29/50—Marginal testing, e.g. race, voltage or current testing
    • G11C29/50016—Marginal testing, e.g. race, voltage or current testing of retention

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Techniques For Improving Reliability Of Storages (AREA)
  • General Factory Administration (AREA)
  • Debugging And Monitoring (AREA)
  • Memory System (AREA)

Abstract

Eine Maschinenlernvorrichtung 1, die die prognostizierte Lebensdauer eines NAND-Flash-Speichers lernt, der in einer numerischen Steuereinrichtung bereitgestellt ist, umfasst eine Statusbeobachtungseinheit 11, die Statusvariablen beobachtet, die erhalten werden auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für den NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt, und eine Lerneinheit 12, die die prognostizierte Lebensdauer des NAND-Flash-Speichers auf Basis von Lehrerdaten und Trainingsdaten lernt, die anhand der Ausgabe der Statusbeobachtungseinheit 11 und von Daten, die mit der Lebensdauer des NAND-Flash-Speichers assoziiert sind, generiert werden.

Description

  • HINTERGRUND DER ERFINDUNG
  • Gebiet der Erfindung
  • Die vorliegende Erfindung bezieht sich auf eine Maschinenlernvorrichtung, eine Lebensdauerprognosevorrichtung, eine numerische Steuereinrichtung und ein Produktionssystem zum Prognostizieren der Lebensdauer eines NAND-Flash-Speichers.
  • Beschreibung des verwandten Standes der Technik
  • Eine NC (numerische Steuerungs)-Einrichtung für eine Werkzeugmaschine umfasst NAND-Flash-Speicher zum Speichern diverser Daten und Verarbeitungsprogramme. In dieser Schrift umfasst die NC-Einrichtung (numerische Steuereinrichtung) auch eine CNC-Einrichtung (computergestützte numerische Steuereinrichtung).
  • Im NAND-Flash-Speicher nimmt bei steigender Anzahl von Überschreibungsvorgängen, die das Löschen und Schreiben einer Information umfassen, auch die Rate des Auftretens von Bit-Fehlern, bei denen gespeicherte Daten invertiert werden, zu. Die aufgetretenen Bit-Fehler können durch eine ECC-(Fehlerkorrekturcodierungs- oder Fehlerprüfung und -korrektur, englisch: Error Correction Coding oder Error Check and Correct)-Verarbeitung in einem gewissen Grad korrigiert werden. Die ECC-Verarbeitung wird für den NAND-Flash-Speicher durch eine Steuerung durchgeführt, die mit dem NAND-Flash-Speicher verbunden ist. Die Steuerung, die eine ECC-Verarbeitung durchführt, wird in der vorliegenden Offenbarung als „Speichersteuerung“ bezeichnet, um sie von einer Zellsteuerung (später beschrieben) zu unterscheiden. Die Korrekturverarbeitungskapazität einer ECC-Verarbeitung durch die Speichersteuerung ist begrenzt und das Ende der Lebensdauer wird schließlich erreicht. Die Lebensdauer wird nicht nur durch die Überschreibungsanzahl (englisch: rewrite count) und das Überschreibungsintervall des NAND-Flash-Speichers beeinflusst, sondern auch durch die Leseanzahl (englisch: read count) oder die Temperatur in der Anwendungsumgebung des NAND-Flash-Speichers. Die Lebensdauer variiert auch bei jedem einzelnen Hersteller oder jeder einzelnen Herstellungscharge für den NAND-Flash-Speicher. Die Korrekturkapazität einer ECC-Verarbeitung beeinflusst auch die Lebensdauer des NAND-Flash-Speichers. Die Lebensdauer des NAND-Flash-Speichers variiert sogar je nach Kombination eines NAND-Flash-Speichers und einer Steuerung, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt.
  • Wie z. B. in der ungeprüften japanischen Patentveröffentlichung Nr. 2009-003843 (Kokai) offenbart, ist eine Datenverwaltungsvorrichtung für einen Flash-ROM bekannt, die im Flash-ROM gespeicherte Daten verwaltet, der als Datenspeichereinrichtung für eine integrierte elektronische Einrichtung verwendet wird, und die ein Zeitdauerprognosemittel zum Prognostizieren der Zeitdauer, für die die im ROM gespeicherten Daten speicherbar sind, auf Basis der Eigenschaften der Einrichtung und/oder der Benutzungsbedingungen des Flash-ROMs und ein Überschreibungsmittel zum Überschreiben der im Flash-ROM gespeicherten Datenbevor die Zeitdauer, für die die Daten speicherbar sind, verstrichen ist, umfasst.
  • Außerdem ist eine Technik bekannt, mit der Wartungspersonal ausdrücklich über das Ersetzen eines Flash-Speichers benachrichtigt wird, wie z. B. in der ungeprüften japanischen Patentveröffentlichung Nr. 2009-230660 (Kokai) offenbart.
  • Eine weitere Technik ist bekannt, mit der die Fehlerrate eines Flash-Speichers prognostiziert und die Fehlerprognose an einen Fehlerkorrekturalgorithmus bereitgestellt wird, wie z. B. in der ungeprüften japanischen Patentveröffentlichung Nr. 2014-517970 (Kokai) offenbart.
  • KURZFASSUNG DER ERFINDUNG
  • Die Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, variiert z. B. je nach Überschreibungsanzahl, Überschreibungsintervall, Leseanzahl, Temperatur in der Anwendungsumgebung, Hersteller, Herstellungscharge und Korrekturkapazität einer ECC und ist daher schwer genau zu prognostizieren. Wenn die Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung bereitgestellt ist, nicht genau prognostiziert werden kann, kann ein geeigneter Zeitpunkt zum Ersetzen des NAND-Flash-Speichers ggf. verpasst werden. Wenn z. B. ein NAND-Flash-Speicher, der das Ende seiner Lebensdauer erreicht hat (oder aufgrund des Endes seiner Lebensdauer fehlerhaft ist), weiterhin wie immer verwendet wird, können eine Werkzeugmaschine und eine Produktionsstraße, die diese Maschine umfasst, ggf. gestoppt werden, kann es bei einem mit der Werkzeugmaschine hergestellten Produkt zu einem Defekt kommen oder kann ein schwerwiegender Unfall auftreten. Wenn z. B. die prognostizierte Lebensdauer eines NAND-Flash-Speichers kürzer (früher) als seine tatsächliche Lebensdauer ist, wird ferner der NAND-Flash-Speicher, dessen Lebensdauerende noch nicht erreicht wurde, verschwenderisch frühzeitig ersetzt, und dies ist nicht wirtschaftlich. Daher ist es wünschenswert, die Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, genau festzustellen und entsprechend einfach zu ermitteln, ob das Ende der Lebensdauer erreicht wurde.
  • Unter einem Aspekt der vorliegenden Offenbarung umfasst eine Maschinenlernvorrichtung, die eine prognostizierte Lebensdauer eines NAND-Flash-Speichers lernt, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, eine Statusbeobachtungseinheit, die eine Statusvariable beobachtet, die erhalten wird auf Basis zumindest eines einer Überschreibungsanzahl, eines Überschreibungsintervalls, einer Leseanzahl, einer Temperatur in einer Anwendungsumgebung, einer Fehlerrate, einer Information zu einem Hersteller und einer Information zu einer Herstellungscharge für den NAND-Flash-Speicher und einer Information zu einer ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zu einem Hersteller und einer Information zu einer Herstellungscharge für eine Speichersteuerung, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt, und eine Lerneinheit, die die prognostizierte Lebensdauer des NAND-Flash-Speichers auf Basis von Lehrerdaten und Trainingsdaten lernt, die anhand einer Ausgabe der Statusbeobachtungseinheit und von Daten, die mit einer Lebensdauer des NAND-Flash-Speichers assoziiert sind, generiert werden.
  • Unter einem weiteren Aspekt der vorliegenden Offenbarung umfasst ein Maschinenlernverfahren zum Lernen einer prognostizierten Lebensdauer eines NAND-Flash-Speichers in einer numerischen Steuereinrichtung für eine Werkzeugmaschine die Schritte des Beobachtens einer Statusvariable, die erhalten wird auf Basis zumindest eines einer Überschreibungsanzahl, eines Überschreibungsintervalls, einer Leseanzahl, einer Temperatur in einer Anwendungsumgebung, einer Fehlerrate, einer Information zu einem Hersteller und einer Information zu einer Herstellungscharge für den NAND-Flash-Speicher und einer Information zu einer ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zu einem Hersteller und einer Information zu einer Herstellungscharge für eine Speichersteuerung, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt, und des Lernens einer prognostizierten Lebensdauer des NAND-Flash-Speichers auf Basis von Lehrerdaten und Trainingsdaten lernt, die anhand der Statusvariable und von Daten, die mit einer Lebensdauer des NAND-Flash-Speichers assoziiert sind, generiert werden.
  • Figurenliste
  • Die vorliegende Erfindung ist unter Bezugnahme auf die folgenden beiliegenden Zeichnungen deutlicher zu verstehen:
    • 1 ist ein Blockschaubild, das eine beispielhafte numerische Steuervorrichtung schematisch veranschaulicht, die eine Werkzeugmaschine steuert;
    • 2 ist ein Blockschaubild, das eine Maschinenlernvorrichtung gemäß einer Ausführungsform veranschaulicht;
    • 3 ist ein Ablaufplan, der die Betriebsabfolge eines Maschinenlernverfahrens gemäß einer Ausführungsform veranschaulicht;
    • 4 ist ein Blockschaubild, das die Maschinenlernvorrichtung unter Verwendung von überwachtem Lernen gemäß einer Ausführungsform veranschaulicht;
    • 5 ist ein Ablaufplan, der die Betriebsabfolge eines Maschinenlernverfahrens unter Verwendung von überwachtem Lernen gemäß einer Ausführungsform veranschaulicht;
    • 6 ist ein schematisches Schaubild, das ein Modell eines Neurons veranschaulicht;
    • 7 ist ein schematisches Schaubild, das ein Modell eines neuronalen Netzes mit den Gewichten von drei Schichten D1 bis D3 veranschaulicht;
    • 8 ist Schaubild, das einen beispielhaften Lernmodus in der Maschinenlernvorrichtung unter Verwendung von überwachtem Lernen gemäß einer Ausführungsform erläutert;
    • 9 ist Schaubild, das einen beispielhaften Prognosemodus in der Maschinenlernvorrichtung unter Verwendung von überwachtem Lernen gemäß einer Ausführungsform erläutert;
    • 10 ist ein Blockschaubild, das eine Maschinenlernvorrichtung veranschaulicht, die auf Basis von Trainingsdaten lernt, die für NAND-Flash-Speicher und/oder Speichersteuerungen erfasst werden;
    • 11 ist ein Blockschaubild, das eine Lebensdauerprognosevorrichtung gemäß einer Ausführungsform veranschaulicht;
    • 12 ist ein Blockschaubild, das die Lebensdauerprognosevorrichtung, die mit einem Kommunikationsnetzwerk verbunden ist, gemäß einer Ausführungsform veranschaulicht;
    • 13 ist ein Blockschaubild, das eine numerische Steuereinrichtung, die die Lebensdauerprognosevorrichtung umfasst, gemäß einer Ausführungsform veranschaulicht;
    • 14 ist ein Blockschaubild, das eine erste Ausführungsform eines Produktionssystems, das die Lebensdauerprognosevorrichtung umfasst, veranschaulicht;
    • 15 ist ein Blockschaubild, das eine zweite Ausführungsform eines Produktionssystems, das die Lebensdauerprognosevorrichtung umfasst, veranschaulicht; und
    • 16 ist ein Blockschaubild, das eine dritte Ausführungsform eines Produktionssystems, das die Lebensdauerprognosevorrichtung umfasst, veranschaulicht.
  • AUSFÜHRLICHE BESCHREIBUNG
  • Eine Maschinenlernvorrichtung, eine Lebensdauerprognosevorrichtung, eine numerische Steuereinrichtung, ein Produktionssystem und ein Maschinenlernverfahren werden nachstehend unter Bezugnahme auf die Zeichnungen beschrieben. In den Zeichnungen bezeichnen gleiche Bezugszeichen gleiche Elemente. Die gleichen Bezugszeichen in unterschiedlichen Zeichnungen bezeichnen Komponenten mit den gleichen Funktionen. Um das Verständnis zu erleichtern, werden in diesen Zeichnungen je nach Bedarf unterschiedliche Maßstäbe verwendet.
  • 1 ist ein Blockschaubild, das eine beispielhafte numerische Steuereinrichtung schematisch veranschaulicht, die eine Werkzeugmaschine steuert.
  • Eine numerische Steuereinrichtung 40 umfasst z. B. eine CPU (zentrale Verarbeitungseinheit) 1001, einen ROM (Nur-Lese-Speicher) 1002, einen RAM (Direktzugriffsspeicher) 1003, eine E/A (Eingabe/Ausgabe) 1004, einen NAND-Flash-Speicher 1005, eine Achsensteuerung 1006, eine PMC (programmierbare Maschinensteuerung) 1007 und eine Anzeigeeinrichtung/ein MDI-Feld (manuelles Dateneingabefeld) 1008, die über einen Bus 1009 miteinander verbunden sind, wie in 1 veranschaulicht. Die CPU 1001 steuert die gesamte numerische Steuereinrichtung 40 gemäß einem Systemprogramm, das im ROM 1002 gespeichert ist. In Reaktion auf einen Bewegungsbefehl für jede Achse von der CPU 1001 gibt die Achsensteuerung 1006 einen Achsenbefehl an einen Servoverstärker 152 aus, der einen Servomotor 151 antreibt, der in einer Werkzeugmaschine 50 bereitgestellt ist, auf Basis des Bewegungsbefehls von der Achsensteuerung 1006.
  • Diverse Programme, diverse Daten und diverse Eingabe- und Ausgabesignale werden im NAND-Flash-Speicher 1005 gespeichert, der in der numerischen Steuereinrichtung 40 bereitgestellt ist, die die Werkzeugmaschine 50 steuert. Nachstehend ist ein Beispiel angeführt.
  • Ein Bearbeitungsprogramm zum Steuern der Werkzeugmaschine 50 beispielsweise ist im NAND-Flash-Speicher 1005 gespeichert. Beispielsweise setzt der Benutzer einen USB-Speicher, eine CF-Karte („Compact Flash®“-Karte) oder dergleichen, auf dem bzw. der das Bearbeitungsprogramm gespeichert ist, in ein Verbindungselement ein, das in der Anzeigeeinrichtung/dem MDI-Feld 1008 bereitgestellt ist, und lädt das Bearbeitungsprogramm in den NAND-Flash-Speicher 1005. Der Benutzer setzt beispielsweise auch einen USB-Speicher oder eine CF-Karte in ein Verbindungselement ein, das in der Anzeigeeinrichtung/dem MDI-Feld 1008 bereitgestellt ist, und liest ein im NAND-Flash-Speicher 1005 gespeichertes Bearbeitungsprogramm in den USB-Speicher oder die CF-Karte. Das Bearbeitungsprogramm ist eine Information, die erhalten wird, indem eine Befehlsverarbeitung so programmiert wird, dass die Werkzeugmaschine 50 eine vorgeschriebene Aufgabe ausführen darf. Das Bearbeitungsprogramm umfasst z. B. eine Information wie z. B. einen Befehl zum Senden eines willkürlichen Signals nach außerhalb und einen Befehl zum Lesen des Status eines willkürlichen Signals. Das Bearbeitungsprogramm umfasst ferner z. B. die Information der Aufgabenpositionen und der Anzahl von Signalen, die es zu manipulieren gilt. Selbstverständlich können sämtliche Befehle verwendet werden, solange sie im Programm registriert werden können.
  • Der NAND-Flash-Speicher 1005 speichert z. B. Programme, die mit einem BS (Betriebssystem) assoziiert sind, und diverse Anwendungen, die vom Werkzeugmaschinenhersteller (MTB (Werkzeugmaschinenbauer)) bereitgestellt werden, und Protokolldaten, die z. B. mit den Betriebsverläufen oder Fehlerverläufen für die Werkzeugmaschine 50 und die numerische Steuereinrichtung 40 assoziiert sind. Der NAND-Flash-Speicher 1005 wird außerdem z. B. als Speicher zum vorübergehenden Speichern von Daten, die mit den Bearbeitungsdetails der Werkzeugmaschine 50 assoziiert sind, beim Rückführen dieser Bearbeitungsdetails zum Bearbeitungsprogramm verwendet. Der NAND-Flash-Speicher 1005 wird sogar z. B. als Speicher zum Sichern von Einstellungsparametern, diversen Daten oder dergleichen, die im ROM 1002 oder im RAM 1003 gespeichert sind, innerhalb der numerischen Steuereinrichtung 40, verwendet.
  • Eine Maschinenlernvorrichtung gemäß einer Ausführungsform ist so konfiguriert, dass sie die prognostizierte Lebensdauer eines NAND-Flash-Speichers lernt, der in einer NC-Einrichtung (numerischen Steuereinrichtung) für eine Werkzeugmaschine bereitgestellt ist. Die NC-Einrichtung umfasst außerdem eine CNC-Einrichtung (computergestützte numerische Steuereinrichtung). Beispiele für die Werkzeugmaschine umfassen diverse Formen wie z. B. eine Drehbank, eine Bohrungsmaschine, eine Bohrmaschine, eine Fräsmaschine, eine Schleifmaschine, eine Zahnradfräsmaschine und eine Zahnradendbearbeitungsmaschine, ein Bearbeitungszentrum, eine EDM-Maschine, eine Stanzpressenmaschine, eine Lasermaschine, eine Trägermaschine und eine Kunststoffspritzgussmaschine, die Werkzeugmaschine kann jedoch andere Formen als die oben erwähnten Beispiele umfassen.
  • 2 ist ein Blockschaubild, das eine Maschinenlernvorrichtung gemäß einer Ausführungsform veranschaulicht. Eine Maschinenlernvorrichtung 1 umfasst eine Statusbeobachtungseinheit 11 und eine Lerneinheit 12. Die Maschinenlernvorrichtung 1 weist Funktionen des analytischen Extrahierens einer nützlichen Regel, einer Wissensdarstellung, eines Beurteilungskriteriums oder dergleichen aus einem Satz von in die Vorrichtung eingegebenen Daten, des Ausgebens des Ergebnisses der Beurteilung und des Durchführens eines Wissenlernens auf. Bei einer Ausführungsform der vorliegenden Offenbarung verwendet die Maschinenlernvorrichtung 1 überwachtes Lernen und lernt die prognostizierte Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist. Beim überwachten Lernen wird eine große Anzahl von Lehrerdatensätzen, d. h. Daten gewisser Eingaben und Ergebnisse (Labels), in die Maschinenlernvorrichtung 1 gespeist, um in diesen Datensätzen enthaltene Merkmale zu lernen und induktiv ein Modell (Lernmodell) zum Schätzen des Ergebnisses anhand der Eingabe, z. B. deren Beziehung, zu erfassen.
  • Bei einer Ausführungsform der vorliegenden Offenbarung beobachtet die Maschinenlernvorrichtung 1 Statusvariablen, die erhalten werden auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt, und lernt die prognostizierte Lebensdauer des NAND-Flash-Speichers unter Verwendung dieser Statusvariablen. Die Statusvariablen werden beobachtet und die prognostizierte Lebensdauer eines NAND-Flash-Speichers wird gelernt, da die Lebensdauer des NAND-Flash-Speichers von der Überschreibungsanzahl des NAND-Flash-Speichers, dem Überschreibungsintervall des NAND-Flash-Speichers, der Leseanzahl des NAND-Flash-Speichers, der Temperatur in der Anwendungsumgebung des NAND-Flash-Speichers, der Fehlerrate des NAND-Flash-Speichers, einer Information zum Hersteller des NAND-Flash-Speichers, einer Information zur Herstellungscharge des NAND-Flash-Speichers, einer Information zur ECC-Leistung einer Speichersteuerung, einer Information zum Hersteller der Speichersteuerung, einer Information zur Herstellungscharge der Speichersteuerung und der Kombination eines NAND-Flash-Speichers und einer Speichersteuerung, die die ECC-Verarbeitung durchführt, abhängt.
  • Die Statusbeobachtungseinheit 11 beobachtet die Statusvariablen, die auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung erhalten werden, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt.
  • Eine Überschreibungsverarbeitung in einen NAND-Flash-Speicher umfasst das Löschen und Schreiben einer Information. Die Statusbeobachtungseinheit 11 beobachtet eine Überschreibungsverarbeitung in einen NAND-Flash-Speicher in einer numerischen Steuereinrichtung stets, um Daten zu erfassen, die mit der Überschreibungsanzahl und dem Überschreibungsintervall assoziiert sind. Die Statusbeobachtungseinheit 11 beobachtet gleichermaßen eine Leseverarbeitung in einen NAND-Flash-Speicher in der numerischen Steuereinrichtung stets, um Daten zu erfassen, die mit der Leseanzahl assoziiert sind. Ein Temperatursensor ist in der Nähe des NAND-Flash-Speichers in der numerischen Steuereinrichtung platziert und die Statusbeobachtungseinheit 11 erfasst Daten, die mit der Temperatur in der Anwendungsumgebung des NAND-Flash-Speichers assoziiert sind, vom Temperatursensor. Auf diese Weise werden jeweilige Daten bezüglich der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl und der Temperatur in der Anwendungsumgebung des NAND-Flash-Speichers von der Statusbeobachtungseinheit aus der numerischen Steuereinrichtung 11 erfasst, jeweilige Daten bezüglich der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl und der Temperatur in der Anwendungsumgebung des NAND-Flash-Speichers können hingegen so programmiert werden, dass sie im Rahmen des Betriebs der numerischen Steuereinrichtung an die Statusbeobachtungseinheit 11 gesendet werden.
  • Die Fehlerrate des NAND-Flash-Speichers steigt bekannterweise mit einer Erhöhung der Anzahl von Überschreibungsvorgängen. Wenn eine Information zur Fehlerrate vom Hersteller des NAND-Flash-Speichers erhältlich ist, kann diese Information in die Statusbeobachtungseinheit 11 eingegeben werden. Wenn die Fehlerrate des NAND-Flash-Speichers experimentell ermittelt werden kann, kann alternativ dieses Ergebnis in die Statusbeobachtungseinheit 11 eingegeben werden. Oder wiederum, wenn die Fehlerrate des NAND-Flash-Speichers unbekannt ist, kann eine steigende Funktion, die beschreibt, wie die Fehlerrate sich mit der Zeit erhöht, entsprechend definiert und in die Statusbeobachtungseinheit 11 eingegeben werden.
  • Eine Information zum Hersteller und eine Information zur Herstellungscharge für einen NAND-Flash-Speicher sind für den NAND-Flash-Speicher vordefiniert und werden daher in die Statusbeobachtungseinheit 11 eingegeben, z. B. indem der Benutzer selbst eine Eingabeeinrichtung bedienen darf.
  • Eine ECC-(Fehlerkorrekturcodierungs)-Verarbeitung wird von einer Speichersteuerung für einen NAND-Flash-Speicher durchgeführt. Die Steuerung, die eine ECC-Verarbeitung durchführt, wird in der vorliegenden Offenbarung als „Speichersteuerung“ bezeichnet, um sie von einer Zellsteuerung (später beschrieben) zu unterscheiden. Eine Information zur ECC-Leistung, eine Information zum Hersteller und eine Information zur Herstellungscharge für eine Speichersteuerung, die eine ECC-Verarbeitung für einen NAND-Flash-Speicher durchführt, sind für die Speichersteuerung, die die ECC-Verarbeitung durchführt, vordefiniert und werden daher in die Statusbeobachtungseinheit 11 eingegeben, z. B. indem der Benutzer selbst eine Eingabeeinrichtung bedienen darf.
  • Die Statusvariablen, die von der Statusbeobachtungseinheit 11 beobachtet werden, können vorzugsweise zumindest eines von der Überschreibungsanzahl eines NAND-Flash-Speichers, dem Überschreibungsintervall des NAND-Flash-Speichers, der Leseanzahl des NAND-Flash-Speichers, der Temperatur in der Anwendungsumgebung des NAND-Flash-Speichers, der Fehlerrate des NAND-Flash-Speichers, einer Information zum Hersteller des NAND-Flash-Speichers, einer Information zur Herstellungscharge des NAND-Flash-Speichers, einer Information der ECC-Leistung einer Speichersteuerung, einer Information zum Hersteller der Speichersteuerung und einer Information zur Herstellungscharge der Speichersteuerung umfassen. Eine zu beobachtende Statusvariable (oder eine Kombination von Statusvariablen) kann vorzugsweise gemäß den jeweiligen Umständen entsprechend eingestellt werden. Beispielsweise können solche Statusvariablen gemäß der Betriebsumgebung der numerischen Steuereinrichtung eingestellt werden, können so eingestellt werden, dass sie zu einer von der numerischen Steuereinrichtung gesteuerten Werkzeugmaschine passen, oder können gemäß dem Betriebszeitraum (z. B. dem Unterschied der Spitzenzeit, Nicht-Spitzenzeit oder dergleichen) der numerischen Steuereinrichtung (oder der Werkzeugmaschine) eingestellt werden.
  • Die Lerneinheit 12 lernt die prognostizierte Lebensdauer eines NAND-Flash-Speichers auf Basis von Lehrerdaten und Trainingsdaten, die anhand der Ausgabe der Statusbeobachtungseinheit 11 und Daten, die mit der Lebensdauer des NAND-Flash-Speichers assoziiert sind, generiert werden. Ein überwachtes Lernen wird als Lernalgorithmus für die Lerneinheit 12 verwendet. Lehrerdaten, die für das überwachte Lernen verwendet werden, sind Daten, die mit einer tatsächlichen gemessenen Lebensdauer assoziiert sind, die durch tatsächliches Messen der Lebensdauer des NAND-Flash-Speichers erhalten wird. Beispielsweise ist der tatsächliche Zeitraum (in Bezug auf Jahr, Monat, Tag oder Stunde) von der neuen Bedingung bis zum Ende der Lebensdauer für einen NAND-Flash-Speicher, der das Ende seiner Lebensdauer bereits erreicht hat (d. h. der bereits versagt hat), mit Daten assoziiert, die zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung umfassen, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt. Das überwachte Lernen wird später ausführlicher beschrieben.
  • Die Maschinenlernvorrichtung 1 kann z. B. in einer numerischen Steuereinrichtung bereitgestellt sein. Die Maschinenlernvorrichtung 1 kann z. B. auch über ein Kommunikationsnetzwerk auf einem Cloud-Server bereitgestellt sein, auf einer Zellsteuerung bereitgestellt sein, die numerische Steuereinrichtungen steuert, oder auf einer Produktionsverwaltungsvorrichtung bereitgestellt sein, die der Zellsteuerung übergeordnet ist.
  • 3 ist ein Ablaufplan, der die Betriebsabfolge eines Maschinenlernverfahrens gemäß einer Ausführungsform veranschaulicht. Ein Maschinenlernverfahren zum Lernen der prognostizierten Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, umfasst vorwiegend die folgenden zwei Schritte.
  • Zunächst beobachtet die Statusbeobachtungseinheit 11 in Schritt S101 die Statusvariablen, die auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung erhalten werden, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt.
  • Danach wird die prognostizierte Lebensdauer des NAND-Flash-Speichers in Schritt S102 auf Basis von Lehrerdaten und Trainingsdaten gelernt, die anhand der von der Statusbeobachtungseinheit 11 beobachteten Statusvariablen und Daten, die mit der Lebensdauer des NAND-Flash-Speichers assoziiert sind, generiert werden. Lehrerdaten bedeuten hierin Daten, die mit einer tatsächlichen gemessenen Lebensdauer assoziiert sind, die durch tatsächliches Messen der Lebensdauer des NAND-Flash-Speichers erhalten wird.
  • 4 ist ein Blockschaubild, das die Maschinenlernvorrichtung unter Verwendung von überwachtem Lernen gemäß einer Ausführungsform veranschaulicht. Die Lerneinheit 12 umfasst eine Fehlerberechnungseinheit 21, die den Fehler zwischen den Trainingsdaten und den Lehrerdaten berechnet, und eine Lernmodellaktualisierungseinheit 22, die ein Lernmodell zum Lernen der prognostizierten Lebensdauer des NAND-Flash-Speichers auf Basis der Ausgabe der Statusbeobachtungseinheit 11 und der Ausgabe der Fehlerberechnungseinheit 21 aktualisiert. Da Komponenten, bei denen es sich nicht um die Fehlerberechnungseinheit 21 und die Lernmodellaktualisierungseinheit 22 handelt, den in 1 veranschaulichten ähneln, bezeichnen die gleichen Bezugszeichen die gleichen Komponenten und wird auf eine ausführliche Beschreibung dieser verzichtet.
  • Die Fehlerberechnungseinheit 21 empfängt Lehrerdaten (Daten mit Label), die aus einer Ergebnis-(Label)-Bereitstellungseinheit 23 eingegeben werden. Die Ergebnis-(Label)-Bereitstellungseinheit 23 stellt Lehrerdaten an die Fehlerberechnungseinheit 21 der Lerneinheit 12 bereit (gibt sie in diese ein). Die Fehlerberechnungseinheit 21 berechnet einen Fehler unter Verwendung der Trainingsdaten aus der Statusbeobachtungseinheit 11 und der Lehrerdaten aus der Ergebnis-(Label)-Bereitstellungseinheit 23. Die Lernmodellaktualisierungseinheit 22 aktualisiert ein Lernmodell zum Lernen der prognostizierten Lebensdauer des NAND-Flash-Speichers auf Basis der Ausgabe der Statusbeobachtungseinheit 11 und der Ausgabe der Fehlerberechnungseinheit 21. Wenn z. B. die gleiche Verarbeitung von der numerischen Steuereinrichtung durchgeführt wird, kann die Ergebnis-(Label)-Bereitstellungseinheit 23 z. B. Lehrerdaten speichern, die bis zum Tag vor einem vorgeschriebenen Tag, an dem die numerische Steuereinrichtung aktiviert wird, erhalten werden, und die in der Ergebnis-(Label)-Bereitstellungseinheit 23 gespeicherten Lehrerdaten am vorgeschriebenen Tag an die Fehlerberechnungseinheit 21 bereitstellen.
  • Alternativ können Lehrerdaten, die z. B. durch eine außerhalb der numerischen Steuereinrichtung durchgeführte Simulation erhalten werden, oder Lehrerdaten für eine andere numerische Steuereinrichtung über eine Speicherkarte oder eine Kommunikationsleitung an die Fehlerberechnungseinheit 21 bereitgestellt werden. Die Ergebnis-(Label)-Bereitstellungseinheit 23 kann sogar in die Lerneinheit 12 integriert werden, so dass in der Ergebnis-(Label)-Bereitstellungseinheit 23 gespeicherte Lehrerdaten in der Lerneinheit 12 direkt verwendet werden können.
  • 5 ist ein Ablaufplan, der die Betriebsabfolge eines Maschinenlernverfahrens unter Verwendung von überwachtem Lernen gemäß einer Ausführungsform veranschaulicht.
  • Zunächst beobachtet die Statusbeobachtungseinheit 11 in Schritt S101 die Statusvariablen, die auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung erhalten werden, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt.
  • Danach berechnet die Fehlerberechnungseinheit 21 in Schritt S102-1 den Fehler zwischen Lehrerdaten, die aus der Ergebnis-(Label)-Bereitstellungseinheit 23 eingegeben werden, und Trainingsdaten, die anhand der von der Statusbeobachtungseinheit 11 beobachteten Statusvariablen und Daten, die mit der Lebensdauer des NAND-Flash-Speichers assoziiert sind, generiert werden.
  • Die Lernmodellaktualisierungseinheit 22 aktualisiert in Schritt S102-2 ein Lernmodell zum Lernen der prognostizierten Lebensdauer des NAND-Flash-Speichers auf Basis der von der Statusbeobachtungseinheit 11 beobachteten Statusvariablen und des von der Fehlerberechnungseinheit 21 berechneten Fehlers.
  • Die Maschinenlernvorrichtung 1, die überwachtes Lernen verwendet, wird unter Verwendung eines Algorithmus wie z. B. eines neuronalen Netzes, einer SVM (Support Vector Machine), eines Entscheidungsbaums oder einer logistischen Regression umgesetzt. Die Maschinenlernvorrichtung 1, die überwachtes Lernen verwendet, erzielt eine schnellere Verarbeitung unter Verwendung z. B. von GPGPUs (Allgemeinzweck-Berechnung auf Grafikverarbeitungseinheiten, englisch: General-Purpose computing on Graphics Processing Units) oder großskaligen PC-Clustern.
  • Im Folgenden wird ein neuronales Netz beschrieben. Das neuronale Netz umfasst z. B. eine arithmetische Einheit und einen Speicher, der ein neuronales Netz umsetzt, das ein Modell eines Neurons nachahmt, wie z. B. in 6 veranschaulicht. 6 ist ein schematisches Schaubild, das ein Modell eines Neurons veranschaulicht.
  • Wie in 6 veranschaulicht, gibt das Neuron eine Ausgabe y für eine Mehrzahl von Eingaben x aus (6 veranschaulicht Eingaben x1 bis x3 als Beispiel). Jede der Eingaben x1 bis x3 wird mit einem Gewicht w (w1 bis w3) multipliziert, das der Eingabe x entspricht. Somit gibt das Neuron die Ausgabe y wie folgt aus: wobei θ die Abweichung ist und fk die Aktivierungsfunktion ist.
  • Die Eingabe x, die Ausgabe y und das Gewicht w sind allesamt Vektoren y = f k ( ∑ i = 1 n x i w i − θ )
    Figure DE102017011350A1_0001
    wobei θ die Abweichung ist und fk die Aktivierungsfunktion ist.
  • Die Eingabe x, die Ausgabe y und das Gewicht w sind allesamt Vektoren.
  • Ein neuronales Netz unter Verwendung der Gewichte von drei Schichten, wobei es sich um eine Kombination von oben erwähnten Neuronen handelt, wird nachstehend unter Bezugnahme auf 7 beschrieben. 7 ist ein schematisches Schaubild, das ein Modell eines neuronalen Netzes mit den Gewichten von drei Schichten D1 bis D3 veranschaulicht.
  • Wie in 7 veranschaulicht, wird eine Mehrzahl von Eingaben x (hier z. B. Eingaben x1 bis x3) von der linken Seite des neuronalen Netzes eingegeben und wird ein Ergebnis y (hier z. B. Ergebnisse y1 bis y3) von der rechten Seite davon ausgegeben.
  • Insbesondere werden die Eingaben x1 bis x3 mit einem entsprechenden Gewicht multipliziert und in jedes der drei Neuronen N11 bis N13 eingegeben. Die auf diese Eingaben angewandten Gewichte werden gesammelt als w1 angezeigt.
  • Die Neuronen N11 bis N13 geben z11 bis z13 aus. In 7 sind z11 bis z13 gesammelt als Merkmalsvektor z1 dargestellt und können als Vektor angesehen werden, aus dem der Merkmalswert des Eingabevektors extrahiert wird. Der Merkmalsvektor z1 ist ein Merkmalsvektor zwischen den Gewichten w1 und w2. z11 bis z13 werden mit einem entsprechenden Gewicht multipliziert und in jedes von zwei Neuronen N21 und N22 eingegeben. Die Gewichte, die auf diese Merkmalsvektoren angewandt werden, sind gesammelt als w2 dargestellt.
  • Die Neuronen N21 und N22 geben z21 bzw. z22 aus. In 7 sind z21 und z22 gesammelt als Merkmalsvektor z2 dargestellt. Der Merkmalsvektor z2 ist ein Merkmalsvektor zwischen den Gewichten w2 und w3. Die Merkmalsvektoren z21 und z22 werden mit einem entsprechenden Gewicht multipliziert und in jedes von drei Neuronen N31 bis N33 eingegeben. Die Gewichte, die auf diese Merkmalsvektoren angewandt werden, sind gesammelt als w3 dargestellt.
  • Schließlich geben die Neuronen N31 bis N33 Ergebnisse y1 bis y3 aus.
  • Der Betrieb des neuronalen Netzes umfasst einen Lernmodus und einen Prognosemodus. Beispielsweise wird das Gewicht w unter Verwendung von Trainingsdaten und Lehrerdaten im Lernmodus gelernt und wird die Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung bereitgestellt ist, im Prognosemodus unter Verwendung der Parameter prognostiziert.
  • Es ist möglich, dass die numerische Steuereinrichtung tatsächlich im Prognosemodus betrieben werden kann, um sofort zu lernen und zu bewirken, dass die erhaltenen Daten in der darauffolgenden Aktion widergespiegelt werden (On-Line-Lernen), und auch, dass eine Gruppe von vorab gesammelten Daten verwendet werden kann, um ein Sammellernen durchzuführen und einen Erkennungsmodus umzusetzen, mit dem Parameter danach für eine Weile (stückweises Lernen). Ein Zwischenfall ist alternativ ebenfalls möglich, bei dem ein Lernmodus jedes Mal dann eingeführt wird, wenn Daten in einem gewissen Grad gesammelt wurden.
  • Die Gewichte w1 bis w3 können durch ein Fehlerrückpropagierungsverfahren lernbar sein. Die Fehlerinformation tritt von der rechten Seite ein und fließen auf die linke Seite. Das Fehlerrückpropagierungsverfahren ist eine Technik zum Anpassen (Lernen) jedes Gewichts, um den Unterschied zwischen einer Ausgabe y, wenn eine Eingabe x eingegeben wird, und einer wahren Ausgabe y (Lehrer) für jedes Neuron zu minimieren.
  • Ein solches neuronales Netz kann mehr als drei Schichten aufweisen (auch „tiefes Lernen“ genannt). Es ist möglich, Merkmale der Eingabe schrittweise zu extrahieren und eine arithmetische Einheit automatisch zu erfassen, die die Ergebnisse regrediert, anhand der Lehrerdaten allein.
  • 8 ist Schaubild, das einen beispielhaften Lernmodus in der Maschinenlernvorrichtung unter Verwendung von überwachtem Lernen gemäß einer Ausführungsform erläutert, und 9 ist Schaubild, das einen beispielhaften Prognosemodus in der Maschinenlernvorrichtung unter Verwendung von überwachtem Lernen gemäß einer Ausführungsform erläutert. Ein Beispiel, bei dem die prognostizierte Lebensdauer (ihr Lernmodell) eines NAND-Flash-Speichers im Lernmodus gelernt wird und das Lernergebnis in einem tatsächlichen Prognosemodus verwendet wird, um die Lebensdauer des NAND-Flash-Speichers zu prognostizieren, wird unter Bezugnahme auf die 8 und 9 beschrieben. Unter Bezugnahme auf die 8 und 9 weist ein neuronales Netz 300 der Einfachheit halber drei Schichten auf, es kann aber weitaus mehr Schichten aufweisen.
  • Wie in 8 veranschaulicht, werden im Lernmodus zunächst Statusvariablen eingegeben, die zumindest eines von der Überschreibungsanzahl eines NAND-Flash-Speichers, dem Überschreibungsintervall des NAND-Flash-Speichers, der Leseanzahl des NAND-Flash-Speichers, der Temperatur in der Anwendungsumgebung des NAND-Flash-Speichers, der Fehlerrate des NAND-Flash-Speichers, einer Information zum Hersteller des NAND-Flash-Speichers, einer Information zur Herstellungscharge des NAND-Flash-Speichers, einer Information der ECC-Leistung einer Speichersteuerung, einer Information zum Hersteller der Speichersteuerung und einer Information zur Herstellungscharge der Speichersteuerung umfassen. Die in das neuronale Netz 300 gespeisten Statusvariablen sind nicht auf die oben beschriebenen Beispiele beschränkt und können andere Daten umfassen, die z. B. mit Werkzeugmaschinen oder Werkstücken assoziiert sind. Bei einem Beispiel, das in 8 veranschaulicht ist, werden sechs dieser Statusvariablen als Eingaben X1 bis X6 verwendet. Beispielsweise werden solche Statusvariablen innerhalb eines Zeitraums von mehreren Sekunden bis mehrere Minuten in die Maschinenlernvorrichtung 1 gespeist, die das neuronale Netz 300 umfasst.
  • Als die in das neuronale Netz 300 gespeisten Statusvariablen werden ggf. nicht alle von X1 bis X6 gespeist und kann vorzugsweise zumindest einer dieser gespeist werden. Die in das neuronale Netz 300 gespeisten Statusvariablen sind ferner nicht auf X1 bis X6 beschränkt und können andere Daten umfassen, die z. B. mit Werkzeugmaschinen oder Werkstücken (Produkten) assoziiert sind.
  • Im Lernmodus lernt die Maschinenlernvorrichtung 1, so dass Trainingsdaten, die mit der prognostizierten Lebensdauer eines NAND-Flash-Speichers assoziiert sind, zu Lehrerdaten D passen, bei denen es sich um Daten handelt, die mit einer tatsächlichen gemessenen Lebensdauer assoziiert sind, die durch tatsächliches Messen der Lebensdauer des NAND-Flash-Speichers erhalten werden. Anders ausgedrückt wird nach Definieren einer Verlustfunktion als y(Xn, W), D, eine Verarbeitung in Lernmodus durchgeführt, bis die Verlustfunktion sich auf einen gewissen Wert angleicht.
  • Wie in 5 veranschaulicht, werden z. B. Eingaben X1 bis X6 im Prognosemodus als Eingaben an das neuronale Netz 300 gespeist, wie im oben erwähnten Lernmodus. Das neuronale Netz 300 wird bereits für das Lernen im Lernmodus verwendet und eine prognostizierte Lebensdauer W‘ des NAND-Flash-Speichers, die den Eingaben X1 bis X6 entspricht, wird vom neuronalen Netz 300 ausgegeben.
  • In der vorstehenden Beschreibung ist das Lernen der prognostizierten Lebensdauer eines NAND-Flash-Speichers im Lernmodus selbstverständlich sogar im Prognosemodus realisierbar. Die in die Maschinenlernvorrichtung 1 gespeisten Lehrerdaten können z. B. eine tatsächliche gemessene Lebensdauer selbst sein, die durch tatsächliches Messen der Lebensdauer des NAND-Flash-Speichers erhalten wird, Daten der tatsächlichen gemessenen Lebensdauer des NAND-Flash-Speichers, die z. B. durch eine außerhalb der numerischen Steuervorrichtung durchgeführte Simulation für die Eingaben X1 bis X6 erhalten werden, oder Lehrerdaten z. B. für eine andere numerische Steuereinrichtung können ebenfalls verwendet werden.
  • Bei der oben erwähnten Maschinenlernvorrichtung 1 und dem oben erwähnten Maschinenlernverfahren gemäß einer Ausführungsform ist es möglich, die Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, genau festzustellen und entsprechend einfach zu ermitteln, ob das Ende der Lebensdauer erreicht wurde.
  • Die Lerneinheit 12 in der Maschinenlernvorrichtung 1 kann so konfiguriert sein, dass sie die prognostizierte Lebensdauer eines NAND-Flash-Speichers gemäß Trainingsdaten lernt, die für NAND-Flash-Speicher und/oder Speichersteuerungen erfasst werden. 10 ist ein Blockschaubild, das eine Maschinenlernvorrichtung veranschaulicht, die auf Basis von Trainingsdaten lernt, die für NAND-Flash-Speicher und/oder Speichersteuerungen erfasst werden. Bei dieser Ausführungsform erfasst die Statusbeobachtungseinheit 11 Statusvariablen für die NAND-Flash-Speicher und/oder Speichersteuerungen. Die „NAND-Flash-Speicher und/oder Speichersteuerungen“ hierin umfassen sowohl NAND-Flash-Speicher und/oder Speichersteuerungen in der gleichen numerischen Steuereinrichtung als auch NAND-Flash-Speicher und/oder Speichersteuerungen in unterschiedlichen numerischen Steuereinrichtungen. Je höher die Anzahl von NAND-Flash-Speichern und Speichersteuerungen, die von der Statusbeobachtungseinheit 11 zu beobachten sind, in der Maschinenlernvorrichtung 1 ist, desto besser ist der Lerneffekt der Maschinenlernvorrichtung 1.
  • Die Maschinenlernvorrichtung 1 ist mit zumindest einer verschiedenen Maschinenlernvorrichtung verbindbar und kann die Ergebnisse eines Maschinenlernens mit der zumindest einen verschiedenen Maschinenlernvorrichtung austauschen oder gemeinsam nutzen. Eine Ausführungsform einer Verbindung mehrerer Maschinenlernvorrichtungen 1 wird nachstehend ausführlicher beschrieben.
  • Die Maschinenlernvorrichtung 1 kann verwendet werden, um eine Lebensdauerprognosevorrichtung zu konfigurieren, die die prognostizierte Lebensdauer eines NAND-Flash-Speichers berechnet. 11 ist ein Blockschaubild, das eine Lebensdauerprognosevorrichtung gemäß einer Ausführungsform veranschaulicht.
  • Eine Lebensdauerprognosevorrichtung 30 gemäß einer Ausführungsform umfasst eine Maschinenlernvorrichtung 1, eine Entscheidungseinheit 13, eine Ausgabeeinheit 14 und eine Ergebnis-(Label)-Bereitstellungseinheit 23.
  • Die Statusbeobachtungseinheit 11 beobachtet die Statusvariablen, die auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung erhalten werden, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt.
  • Die Ergebnis-(Label)-Bereitstellungseinheit 23 stellt Lehrerdaten an die Fehlerberechnungseinheit 21 in der Lerneinheit 12 bereit (gibt sie in diese ein).
  • Die Fehlerberechnungseinheit 21 in der Lerneinheit 12 berechnet den Fehler zwischen den Trainingsdaten aus der Statusbeobachtungseinheit 11 und den Lehrerdaten aus der Ergebnis-(Label)-Bereitstellungseinheit 23.
  • Die Lernmodellaktualisierungseinheit 22 in der Lerneinheit 12 aktualisiert ein Lernmodell zum Lernen der prognostizierten Lebensdauer des NAND-Flash-Speichers auf Basis der Ausgabe der Statusbeobachtungseinheit 11 und der Ausgabe der Fehlerberechnungseinheit 21.
  • Die Entscheidungseinheit 13 berechnet die prognostizierte Lebensdauer des NAND-Flash-Speichers in Reaktion auf eine Eingabe einer aktuellen Statusvariable auf Basis des von der Lerneinheit 12 erhaltenen Lernergebnisses.
  • Die Ausgabeeinheit 14 gibt Daten aus, die mit der prognostizierten Lebensdauer des NAND-Flash-Speichers assoziiert sind, die von der Entscheidungseinheit 13 berechnet wird. Auf Basis der Daten, die mit der prognostizierten Lebensdauer des NAND-Flash-Speichers assoziiert sind, wie von der Ausgabeeinheit 14 ausgegeben, kann der Benutzer über diese prognostizierte Lebensdauer benachrichtigt werden oder kann über eine Aufforderung zum Ersetzen des NAND-Flash-Speichers benachrichtigt werden. Eine Benachrichtigungseinheit (nicht veranschaulicht), die zu diesem Zweck verwendet wird, kann mit der Ausgabeeinheit 14 verbunden sein. Beispiele für die Benachrichtigungseinheit umfassen eine Anzeige für einen Personal Computer, ein tragbares Endgerät, ein berührungsempfindliches Feld oder dergleichen und eine Anzeige (die Anzeigeeinrichtung/das MDI-Feld 1008, die in 1 veranschaulicht sind), das der numerischen Steuereinrichtung untergeordnet ist, und beispielsweise kann die prognostizierte Lebensdauer in Text- oder Bildform auf einer solchen Anzeige angezeigt werden. Alternativ kann die Benachrichtigungseinheit z. B. als akustische Einrichtung umgesetzt sein, die einen Ton ausgibt, wie z. B. ein Lautsprecher, ein Summer oder eine Glocke. Oder wiederum kann eine Benachrichtigungseinheit die Form des Ausdruckens und Anzeigens auf z. B. einer Blattoberfläche unter Verwendung eines Druckers annehmen. Die Benachrichtigungseinheit kann sogar durch entsprechendes Kombinieren der oben erwähnten Beispiele miteinander umgesetzt werden. Daten, die mit der prognostizierten Lebensdauer des NAND-Flash-Speichers assoziiert sind, wie von der Ausgabeeinheit 14 ausgegeben, können in einer Speichereinrichtung gespeichert und für einen beliebigen Zweck verwendet werden.
  • Da der Benutzer dank der Lebensdauerprognosevorrichtung 30 die prognostizierte Lebensdauer eines NAND-Flash-Speichers kennt, kann der NAND-Flash-Speicher ersetzt werden, bevor er funktionsunfähig wird. Der Bestand an NAND-Flash-Speichern kann sogar verringert werden, da die NAND-Flash-Speicher während entsprechender Zeiträume ersetzt werden können. Alternativ kann eine Benachrichtigung über einen Betriebsstatus, der die Lebensdauer des NAND-Flash-Speichers beträchtlich beeinflusst, wie bei Berechnung einer prognostizierten Lebensdauer erhalten, gemeinsam als Details einer Benachrichtigung durch die Benachrichtigungseinheit gesendet werden. Somit kann der Benutzer eine Maßnahme ergreifen, um den Betriebsstatus zu ändern, der die Lebensdauer des NAND-Flash-Speicher beeinflusst. Der Benutzer kann z. B. eine Maßnahme ergreifen, um die Umgebung anzupassen, die die numerische Steuereinrichtung umgibt, so dass geeignete Temperaturen erhalten werden, die die Lebensdauer des NAND-Flash-Speichers verlängern, oder eine Maßnahme ergreifen, um die Betriebsbedingungen der Werkzeugmaschine zu ändern.
  • Die Statusbeobachtungseinheit 11, die Lerneinheit 12, die die Fehlerberechnungseinheit 21 und die Lernmodellaktualisierungseinheit 22 umfasst, und die Entscheidungseinheit 13 können z. B. in Form eines Softwareprogramms konstruiert werden oder können in einer Kombination diverser elektronischer Schaltungen und eines Softwareprogramms konstruiert werden. Wenn z. B. diese Einheiten in Form eines Softwareprogramms konstruiert werden, können die Funktionen der oben erwähnten jeweiligen Einheiten können durch Bereitstellen einer arithmetischen Verarbeitungseinheit zum Betreiben dieser gemäß dem Softwareprogramm oder zum Betreiben des Softwareprogramms auf einem Cloud-Server umgesetzt werden. Oder wiederum kann die Maschinenlernvorrichtung 1, die die Statusbeobachtungseinheit 11 und die Lerneinheit 12 umfasst, als integrierte Halbleiterschaltung umgesetzt werden, in die ein Softwareprogramm zum Umsetzen der Funktion jeder Einheit geschrieben ist. Eine integrierte Halbleiterschaltung, in die ein Softwareprogramm geschrieben ist, um die Funktion jeder Einheit umzusetzen, kann sogar umgesetzt werden, indem nicht nur die Maschinenlernvorrichtung 1 integriert wird, die die Statusbeobachtungseinheit 11 und die Lerneinheit 12 umfasst, sondern auch die Entscheidungseinheit 13.
  • Die Lebensdauerprognosevorrichtung 30 kann über ein Kommunikationsnetzwerk mit der numerischen Steuereinrichtung verbunden sein. 12 ist ein Blockschaubild, das die Lebensdauerprognosevorrichtung, die mit einem Kommunikationsnetzwerk verbunden ist, gemäß einer Ausführungsform veranschaulicht. Gemäß einer Ausführungsform ist die Maschinenlernvorrichtung 1 in der Lebensdauerprognosevorrichtung 30 über ein Kommunikationsnetzwerk 90 kommunikativ mit numerischen Steuereinrichtungen 40 verbunden und beobachtet die Statusbeobachtungseinheit 11 Statusvariablen über das Kommunikationsnetzwerk 90. Ferner kann die Maschinenlernvorrichtung 1 auf einem Cloud-Server bereitgestellt sein. In diesem Fall kann die Entscheidungseinheit 13 auf dem Cloud-Server bereitgestellt sein, um die Maschinenlernvorrichtung 1 zu begleiten, oder kann als unabhängige Einrichtung, wobei es sich nicht um den Cloud-Server handelt, bereitgestellt sein, die über das Kommunikationsnetzwerk 90 verbunden ist.
  • Die Lebensdauerprognosevorrichtung 30 kann in einer numerischen Steuereinrichtung bereitgestellt sein. 13 ist ein Blockschaubild, das eine numerische Steuereinrichtung, die die Lebensdauerprognosevorrichtung umfasst, gemäß einer Ausführungsform veranschaulicht. Gemäß einer Ausführungsform umfasst eine numerische Steuereinrichtung 41 eine Lebensdauerprognosevorrichtung 30. Da die Konfiguration einer numerischen Steuereinheit 40' selbst, die eine numerische Steuerverarbeitung für eine Werkzeugmaschine 50 durch die numerische Steuereinrichtung 41 durchführt, mit jener der numerischen Steuereinrichtung 40 gleich ist, die unter Bezugnahme auf 1 beschrieben wurde, wird auf eine Beschreibung dieser verzichtet. Die Statusbeobachtungseinheit 11 beobachtet die Statusvariablen, die auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung erhalten werden, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt, innerhalb der numerischen Steuereinheit 40'. Da eine Lerneinheit 12, eine Entscheidungseinheit 13, eine Ausgabeeinheit 14 und eine Ergebnis-(Label)-Bereitstellungseinheit 23 zuvor beschrieben wurden, wird auf eine Beschreibung dieser verzichtet.
  • Ausführungsformen, in denen die Lebensdauerprognosevorrichtung 30 in einem Produktionssystem bereitgestellt ist, das Herstellungszellen, Zellsteuerungen und eine Produktionsverwaltungsvorrichtung umfasst, werden nachstehend unter Bezugnahme auf die 14 bis 16 beschrieben. Die Anzahl von Herstellungszellen und Zellsteuerungen in dem in den 14 bis 16 bereitgestellten Produktionssystem, wie hier nachstehend beschrieben, ist lediglich beispielhaft und es kann eine unterschiedliche Anzahl von Herstellungszellen und Zellsteuerungen verwendet werden.
  • Die Herstellungszelle ist ein Satz von flexibel kombinierten Werkzeugmaschinen, die Produkte herstellen. Auch wenn die Herstellungszelle z. B. durch eine Mehrzahl von Werkzeugmaschinen oder eine Mehrzahl von Werkzeugmaschinentypen gebildet ist, unterliegt die Anzahl von Werkzeugmaschinen in der Herstellungszelle keinen besonderen Beschränkungen. Beispielsweise kann die Herstellungszelle als Herstellungsstraße dienen, auf der ein gewisses Werkstück von den Werkzeugmaschinen sequentiell zu einem Endprodukt verarbeitet wird. Die Herstellungszelle kann z. B. auch als Herstellungsstraße dienen, auf der zumindest zwei Werkstücke (Teile), die jeweils von zumindest zwei Werkzeugmaschinen verarbeitet werden, von einer weiteren Werkzeugmaschine im Laufe des Herstellungsprozesses miteinander kombiniert werden, um ein Endwerkstück (Endprodukt) zu vervollständigen. Beispielsweise können außerdem auch zumindest zwei Werkstücke, die von zumindest zwei Herstellungszellen verarbeitet werden, miteinander kombiniert werden, um ein Endwerkstück (Endprodukt) zu vervollständigen. Die Herstellungszellen und die Zellsteuerungen sind über ein Kommunikationsnetzwerk wie z. B. ein Intranet kommunikativ miteinander verbunden. Die Herstellungszellen befinden sich in einem Werk, in dem Produkte hergestellt werden. Im Gegensatz dazu können sich die Zellsteuerungen in einem Werk befinden, das mit den Herstellungszellen ausgestattet ist, oder können sich in einem anderen Gebäude als dem Werk befinden. Beispielsweise können sich die Zellsteuerungen in einem anderen Gebäude befinden, das sich auf der Anlage eines Werks befindet, das mit den Herstellungszellen ausgestattet ist.
  • Eine Produktionsverwaltungsvorrichtung ist bereitgestellt, die den Zellsteuerungen übergeordnet ist. Die Produktionsverwaltungsvorrichtung ist mit den Zellsteuerungen kommunikativ verbunden und gibt eine Produktionsplanungsanweisung an die Zellsteuerungen aus. Die Produktionsverwaltungsvorrichtung kann sich z. B. in einem Büro befinden, das von dem Werk entfernt liegt. In diesem Fall sind die Zellsteuerungen und die Produktionsverwaltungsvorrichtung über ein Kommunikationsnetzwerk wie z. B. das Internet kommunikativ miteinander verbunden.
  • Ein solches Produktionssystem wird nachstehend unter Bezugnahme auf eine erste Ausführungsform (14), wobei die Lebensdauerprognosevorrichtung 30 in jeder numerischen Steuereinrichtung bereitgestellt ist, auf eine zweite Ausführungsform (15), wobei die Lebensdauerprognosevorrichtung 30 in jeder Zellsteuerung bereitgestellt ist, und auf eine dritte Ausführungsform (16), wobei die Lebensdauerprognosevorrichtung 30 in der Produktionsverwaltungsvorrichtung bereitgestellt ist, beschrieben. Diese Ausführungsformen können entsprechend kombiniert ausgeführt werden.
  • 14 ist ein Blockschaubild, das eine erste Ausführungsform eines Produktionssystems, das die Lebensdauerprognosevorrichtung umfasst, veranschaulicht. Gemäß der ersten Ausführungsform ist die Lebensdauerprognosevorrichtung 30, die in 11 veranschaulicht ist, im Produktionssystem in jeder numerischen Steuereinrichtung bereitgestellt.
  • Ein Produktionssystem 101 gemäß der ersten Ausführungsform umfasst Herstellungszellen 60A, 60B, 60C ..., Zellsteuerungen 70A, 70B, 70C ... und eine Produktionsverwaltungsvorrichtung 80.
  • Die Herstellungszelle 60A umfasst Werkzeugmaschinen 50A-1, 50A-2 ... und numerische Steuereinrichtungen 41A-1, 41A-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind. Die Herstellungszelle 60B umfasst gleichermaßen Werkzeugmaschinen 50B-1, 50B-2 ... und numerische Steuereinrichtungen 41B-1, 41B-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind. Die Herstellungszelle 60C umfasst Werkzeugmaschinen 50C-1, 50C-2 ... und numerische Steuereinrichtungen 41C-1, 41C-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind.
  • Jede dieser numerischen Steuereinrichtungen 41A-1, 41A-2 ..., 41B-1, 41B-2 ... und 41C-1, 41C-2 ... umfasst die Lebensdauerprognosevorrichtung 30, die unter Bezugnahme auf 11 beschrieben ist. Anders ausgedrückt sind die numerischen Steuereinrichtungen 41A-1, 41A-2 ..., 41B-1, 41B-2 ... und 41C-1, 41C-2 ... jeweils mit der numerischen Steuereinrichtung 41 identisch, die die Lebensdauerprognosevorrichtung 30 umfasst, die unter Bezugnahme auf 13 beschrieben ist. Eine Statusbeobachtungseinheit 11 (in 14 nicht veranschaulicht) in einer Maschinenlernvorrichtung 1, die in jeder der numerischen Steuereinrichtungen 41A-1, 41A-2 ..., 41B-1, 41B-2 ... und 41C-1, 41C-2 ... bereitgestellt sind, beobachtet die Statusvariablen, die auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung erhalten werden, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt, innerhalb der numerischen Steuereinrichtung. Eine Ausgabeeinheit 14 (in 14 nicht veranschaulicht) in der Maschinenlernvorrichtung 1, die in jeder der numerischen Steuereinrichtungen 41A-1, 41A-2, ..., 41B-1, 41B-2 ... und 41C-1, 41C-2 ... bereitgestellt sind, gibt Daten, die mit der prognostizierten Lebensdauer des NAND-Flash-Speichers assoziiert sind, der in jeder dieser numerischen Steuereinrichtungen bereitgestellt ist, wie von einer Entscheidungseinheit 13 (in 14 nicht veranschaulicht) berechnet, an die entsprechenden Zellsteuerungen 70A, 70B, 70C ... aus, die bereitgestellt sind, um diese numerischen Steuereinrichtungen zu steuern.
  • Die Herstellungszellen 60A, 60B und 60C sind über ein Kommunikationsnetzwerk jeweils mit den Zellsteuerungen 70A, 70B und 70C kommunikativ verbunden. Die Zellsteuerung 70A steuert die numerischen Steuereinrichtungen 41A-1, 41A-2 ... in der Herstellungszelle 60A. Die Zellsteuerung 70B steuert die numerischen Steuereinrichtungen 41B-1, 41B-2 ... in der Herstellungszelle 60B. Die Zellsteuerung 70C steuert die numerischen Steuereinrichtungen 41C-1, 41C-2 ... in der Herstellungszelle 60C.
  • Die Produktionsverwaltungsvorrichtung 80 ist über ein Kommunikationsnetzwerk mit den Zellsteuerungen 70A, 70B, 70C ... kommunikativ verbunden und gibt eine Produktionsplanungsanweisung an die Zellsteuerungen 70A, 70B, 70C ... aus.
  • Im Produktionssystem 101 gemäß der ersten Ausführungsform zeigen die Zellsteuerungen 70A, 70B, 70C ... zeigt die Produktionsverwaltungsvorrichtung 80, die den Zellsteuerungen 70A, 70B, 70C ... übergeordnet ist, die prognostizierte Lebensdauer des NAND-Flash-Speichers auf einer Anzeigeeinrichtung, die in jeder der Zellsteuerungen 70A, 70B, 70C ... oder der Produktionsverwaltungsvorrichtung bereitgestellt ist, auf Basis von Daten an, die mit der prognostizierten Lebensdauer assoziiert sind, wie von der Ausgabeeinheit 14 jeder Maschinenlernvorrichtung 1 ausgegeben. Alternativ kann zusätzlich zu einer Anzeigevorrichtung oder statt dieser ein Alarmton oder ein Summer von einer akustischen Einrichtung ausgegeben werden, um den Benutzer über die prognostizierte Lebensdauer des NAND-Flash-Speichers zu benachrichtigen. Somit ist der Benutzer, der im Werk arbeitet, in der Lage, die prognostizierte Lebensdauer des NAND-Flash-Speichers auf einfache Weise zu erfahren, und ist wiederum in der Lage, zu wissen, dass der Zeitraum zum Ersetzen des NAND-Flash-Speichers gekommen ist. Die Produktionsverwaltungsvorrichtung 80 kann die prognostizierte Lebensdauer des NAND-Flash-Speichers bei der Erstellung eines Produktionsplans verwenden.
  • Beim Produktionssystem 101 gemäß der ersten Ausführungsform führt die Maschinenlernvorrichtung 1, die in jeder der numerischen Steuereinrichtungen 41A-1, 41A-2 ..., 41B-1, 41B-2 ... und 41C-1, 41C-2 ... bereitgestellt ist, ein verteiltes Lernen der prognostizierten Lebensdauer eines NAND-Flash-Speichers durch, der in dieser numerischen Steuervorrichtung bereitgestellt ist. In der gleichen Herstellungszelle ist die Maschinenlernvorrichtung 1 über eine Zellsteuerung für diese Herstellungszelle kommunikativ mit verschiedenen Maschinenlernvorrichtungen verbunden und kann daher die Maschinenlernergebnisse mit den verschiedenen Maschinenlernvorrichtungen austauschen oder gemeinsam nutzen. Alternativ ist die Maschinenlernvorrichtung 1 über die Produktionsverwaltungsvorrichtung 80, die den Zellsteuerungen 70A, 70B, 70C ... übergeordnet ist, kommunikativ mit verschiedenen Maschinenlernvorrichtungen verbunden und kann daher die Maschinenlernergebnisse mit den verschiedenen Maschinenlernvorrichtungen austauschen oder gemeinsam nutzen. Der Lerneffekt kann durch Austauschen oder gemeinsames Nutzen der Maschinenlernergebnisse unter den Maschinenlernvorrichtungen weiter verbessert werden.
  • 15 ist ein Blockschaubild, das eine zweite Ausführungsform eines Produktionssystems, das die Lebensdauerprognosevorrichtung umfasst, veranschaulicht. Gemäß der zweiten Ausführungsform ist die Lebensdauerprognosevorrichtung 30, die in 11 veranschaulicht ist, im Produktionssystem in jeder Zellsteuerung bereitgestellt.
  • Ein Produktionssystem 102 gemäß der zweiten Ausführungsform umfasst Herstellungszellen 61A, 61B, 61C ..., Zellsteuerungen 71A, 71B, 71C ... und eine Produktionsverwaltungsvorrichtung 80.
  • Die Herstellungszelle 61A umfasst Werkzeugmaschinen 50A-1, 50A-2 ... und numerische Steuereinrichtungen 40A-1, 40A-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind. Die Herstellungszelle 61B umfasst gleichermaßen Werkzeugmaschinen 50B-1, 50B-2 ... und numerische Steuereinrichtungen 40B-1, 40B-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind. Die Herstellungszelle 61C umfasst Werkzeugmaschinen 50C-1, 50C-2 ... und numerische Steuereinrichtungen 40C-1, 40C-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind. Die Konfigurationen der numerischen Steuereinrichtungen 40A-1, 40A-2 ..., 40B-1, 40B-2 ... und 41C-1, 41C-2 ... sind gleich wie jene der numerischen Steuereinrichtung 40, die unter Bezugnahme auf 1 beschrieben ist.
  • Die Herstellungszellen 61A, 61B und 61C sind über ein Kommunikationsnetzwerk jeweils mit den Zellsteuerungen 71A, 71B und 71C kommunikativ verbunden. Die Zellsteuerung 71A steuert die numerischen Steuereinrichtungen 40A-1, 40A-2 ... in der Herstellungszelle 61A. Die Zellsteuerung 71B steuert die numerischen Steuereinrichtungen 40B-1, 40B-2 ... in der Herstellungszelle 61B. Die Zellsteuerung 71C steuert die numerischen Steuereinrichtungen 40C-1, 40C-2 ... in der Herstellungszelle 61C. Jede der Zellsteuerungen 71A, 71B, 71C ... umfasst die Lebensdauerprognosevorrichtung 30, die unter Bezugnahme auf 11 beschrieben ist. Eine Statusbeobachtungseinheit 11 (in 15 nicht veranschaulicht) in einer Maschinenlernvorrichtung 1, die in jeder der Zellsteuerungen 71A, 71B, 71C ... bereitgestellt sind, beobachtet die Statusvariablen, die auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung erhalten werden, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt, innerhalb der numerischen Steuereinrichtung, die von jeder dieser Zellsteuerungen gesteuert wird. Eine Ausgabeeinheit 14 (in 15 nicht veranschaulicht) in der Maschinenlernvorrichtung 1, die in jeder der Zellsteuerungen 71A, 71B, 71C ... bereitgestellt ist, gibt Daten, die mit der prognostizierten Lebensdauer des NAND-Flash-Speichers assoziiert sind, der in der numerischen Steuereinrichtung bereitgestellt ist, die von jeder dieser Zellsteuerungen gesteuert wird, wie von einer Entscheidungseinheit 13 (in 15 nicht veranschaulicht) berechnet, an die Produktionsverwaltungsvorrichtung 80 aus.
  • Die Produktionsverwaltungsvorrichtung 80 ist über ein Kommunikationsnetzwerk mit den Zellsteuerungen 71A, 71B, 71C ... kommunikativ verbunden und gibt eine Produktionsplanungsanweisung an die Zellsteuerungen 71A, 71B, 71C ... aus.
  • Im Produktionssystem 102 gemäß der zweiten Ausführungsform zeigen die Zellsteuerungen 71A, 71B, 71C ... zeigt die Produktionsverwaltungsvorrichtung 80, die den Zellsteuerungen 71A, 71B, 71C ... übergeordnet ist, die prognostizierte Lebensdauer des NAND-Flash-Speichers auf einer Anzeigeeinrichtung, die in jeder der Zellsteuerungen 71A, 71B, 71C ... oder der Produktionsverwaltungsvorrichtung bereitgestellt ist, auf Basis von Daten an, die mit der prognostizierten Lebensdauer assoziiert sind, die von der Ausgabeeinheit 14 jeder Maschinenlernvorrichtung 1 ausgegeben wird. Alternativ kann zusätzlich zu einer Anzeigevorrichtung oder statt dieser ein Alarmton oder ein Summer von einer akustischen Einrichtung ausgegeben werden, um den Benutzer über die prognostizierte Lebensdauer des NAND-Flash-Speichers zu benachrichtigen. Somit ist der Benutzer, der im Werk arbeitet, in der Lage, die prognostizierte Lebensdauer des NAND-Flash-Speichers auf einfache Weise zu erfahren, und ist wiederum in der Lage, zu wissen, dass der Zeitraum zum Ersetzen des NAND-Flash-Speichers gekommen ist. Die Produktionsverwaltungsvorrichtung 80 kann die prognostizierte Lebensdauer des NAND-Flash-Speichers bei der Erstellung eines Produktionsplans verwenden.
  • Beim Produktionssystem 102 gemäß der zweiten Ausführungsform führt die Maschinenlernvorrichtung 1, die in jeder der Zellsteuerungen 71A, 71B, 71C ... bereitgestellt ist, ein verteiltes Lernen der prognostizierten Lebensdauer des NAND-Flash-Speichers durch, der in der numerischen Steuereinrichtung bereitgestellt ist, die von jeder dieser Zellsteuerungen gesteuert wird. Die Maschinenlernvorrichtung 1 ist über die Produktionsverwaltungsvorrichtung 80, die den Zellsteuerungen 71A, 71B, 71C ... übergeordnet ist, kommunikativ mit verschiedenen Maschinenlernvorrichtungen verbunden und kann daher die Maschinenlernergebnisse mit den verschiedenen Maschinenlernvorrichtungen austauschen oder gemeinsam nutzen. Der Lerneffekt kann durch Austauschen oder gemeinsames Nutzen der Maschinenlernergebnisse unter den Maschinenlernvorrichtungen weiter verbessert werden.
  • 16 ist ein Blockschaubild, das eine dritte Ausführungsform eines Produktionssystems, das die Lebensdauerprognosevorrichtung umfasst, veranschaulicht. Gemäß der dritten Ausführungsform ist die Lebensdauerprognosevorrichtung 30, die in 11 veranschaulicht ist, im Produktionssystem in jeder numerischen Steuereinrichtung bereitgestellt.
  • Ein Produktionssystem 103 gemäß der dritten Ausführungsform umfasst Herstellungszellen 61A, 61B, 61C ..., Zellsteuerungen 70A, 70B, 70C ... und eine Produktionsverwaltungsvorrichtung 81.
  • Die Herstellungszelle 61A umfasst Werkzeugmaschinen 50A-1, 50A-2 ... und numerische Steuereinrichtungen 40A-1, 40A-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind. Die Herstellungszelle 61B umfasst gleichermaßen Werkzeugmaschinen 50B-1, 50B-2 ... und numerische Steuereinrichtungen 40B-1, 40B-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind. Die Herstellungszelle 61C umfasst Werkzeugmaschinen 50C-1, 50C-2 ... und numerische Steuereinrichtungen 40C-1, 40C-2 ..., die in Entsprechung mit diesen Werkzeugmaschinen bereitgestellt sind. Die Konfigurationen der numerischen Steuereinrichtungen 40A-1, 40A-2 ..., 40B-1, 40B-2 ... und 41C-1, 41C-2 ... sind gleich wie jene der numerischen Steuereinrichtung 40, die unter Bezugnahme auf 1 beschrieben ist.
  • Die Herstellungszellen 61A, 61B und 61C sind über ein Kommunikationsnetzwerk jeweils mit den Zellsteuerungen 70A, 70B und 70C kommunikativ verbunden. Die Zellsteuerung 70A steuert die numerischen Steuereinrichtungen 40A-1, 40A-2 ... in der Herstellungszelle 61A. Die Zellsteuerung 70B steuert die numerischen Steuereinrichtungen 40B-1, 40B-2 ... in der Herstellungszelle 61B. Die Zellsteuerung 70C steuert die numerischen Steuereinrichtungen 40C-1, 40C-2 ... in der Herstellungszelle 61C.
  • Die Produktionsverwaltungsvorrichtung 81 ist über ein Kommunikationsnetzwerk mit den Zellsteuerungen 70A, 70B, 70C ... kommunikativ verbunden und gibt eine Produktionsplanungsanweisung an die Zellsteuerungen 70A, 70B, 70C ... aus. Die Produktionsverwaltungsvorrichtung 81 umfasst die Lebensdauerprognosevorrichtung 30, die unter Bezugnahme auf 11 beschrieben ist. Eine Statusbeobachtungseinheit 11 (in 16 nicht veranschaulicht) in einer Maschinenlernvorrichtung 1, die in der Produktionsverwaltungsvorrichtung 81 bereitgestellt sind, beobachtet die Statusvariablen, die auf Basis zumindest eines der Überschreibungsanzahl, des Überschreibungsintervalls, der Leseanzahl, der Temperatur in der Anwendungsumgebung, der Fehlerrate, einer Information zum Hersteller und einer Information zur Herstellungscharge für einen NAND-Flash-Speicher und einer Information zur ECC-Leistung (Leistung einer Fehlerkorrekturcodierung), einer Information zum Hersteller und einer Information zur Herstellungscharge für eine Speichersteuerung erhalten werden, die eine ECC-Verarbeitung für den NAND-Flash-Speicher durchführt, innerhalb jeder numerischen Steuereinrichtung. Eine Ausgabeeinheit 14 (in 16 nicht veranschaulicht) in der Maschinenlernvorrichtung 1, die in der Produktionsverwaltungsvorrichtung 81 bereitgestellt ist, gibt Daten aus, die mit der prognostizierten Lebensdauer des NAND-Flash-Speichers assoziiert sind, der in der numerischen Steuereinrichtung bereitgestellt ist, die von jeder der Zellsteuerungen 70A, 70B, 70C ... gesteuert wird, wie von einer Entscheidungseinheit 13 (in 16 nicht veranschaulicht) berechnet.
  • Im Produktionssystem 103 gemäß der dritten Ausführungsform zeigt die Produktionsverwaltungsvorrichtung 81 die prognostizierte Lebensdauer des NAND-Flash-Speichers auf einer Anzeigeeinrichtung, die in der Produktionsverwaltungsvorrichtung 81 bereitgestellt ist, auf Basis von Daten an, die mit der prognostizierten Lebensdauer assoziiert sind, wie von der Ausgabeeinheit 14 der Maschinenlernvorrichtung 1 ausgegeben. Alternativ kann zusätzlich zu einer Anzeigevorrichtung oder statt dieser ein Alarmton oder ein Summer von einer akustischen Einrichtung ausgegeben werden, um den Benutzer über die prognostizierte Lebensdauer des NAND-Flash-Speichers zu benachrichtigen. Somit ist der Benutzer, der im Werk arbeitet, in der Lage, die prognostizierte Lebensdauer des NAND-Flash-Speichers auf einfache Weise zu erfahren, und ist wiederum in der Lage, zu wissen, dass der Zeitraum zum Ersetzen des NAND-Flash-Speichers gekommen ist. Die Produktionsverwaltungsvorrichtung 81 kann die prognostizierte Lebensdauer des NAND-Flash-Speichers bei der Erstellung eines Produktionsplans verwenden. Alternativ können Daten, die mit der prognostizierten Lebensdauer assoziiert sind, wie von der Ausgabeeinheit 14 der Maschinenlernvorrichtung 1 in der Produktionsverwaltungsvorrichtung 81 ausgegeben, an die Zellsteuerungen 71A, 71B, 71C ... gesendet werden und kann die prognostizierte Lebensdauer des NAND-Flash-Speichers auf einer Anzeigevorrichtung angezeigt werden, die in jeder der Zellsteuerungen 71A, 71B, 71C ... bereitgestellt ist, oder zusätzlich zu einer Anzeigevorrichtung oder statt dieser kann ein Alarmton oder ein Summer von einer akustischen Einrichtung ausgegeben werden, um den Benutzer über die prognostizierte Lebensdauer des NAND-Flash-Speichers zu benachrichtigen.
  • Beim Produktionssystem 103 gemäß der dritten Ausführungsform lernt die Maschinenlernvorrichtung 1, die in der Produktionsverwaltungsvorrichtung 81 bereitgestellt ist, die prognostizierte Lebensdauer des NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung bereitgestellt ist. Da die Maschinenlernvorrichtung 1 die prognostizierten Lebensdauern von NAND-Flash-Speichern lernt, die in einer großen Anzahl von numerischen Steuereinrichtungen bereitgestellt sind, verbessert sich der Lerneffekt.
  • Das oben beschriebene Produktionssystem ist in einem dreischichtigen Netzwerksystem umgesetzt, das Herstellungszellen, Zellsteuerungen und ein Produktionsverwaltungssystem umfasst. Als Modifikation dieser Ausführungsform kann das Produktionsverwaltungssystem weggelassen werden, um ein Produktionssystem in einem zweischichtigen Netzwerksystem umzusetzen, das Herstellungszellen und Zellsteuerungen umfasst, und in diesem Fall kann die Lebensdauerprognosevorrichtung 30 vorzugsweise in einer Zellsteuerung oder einer numerischen Steuereinrichtung innerhalb einer Herstellungszelle bereitgestellt sein. Alternativ kann ein Produktionssystem in einem Netzwerksystem mit vier oder mehr Schichten umgesetzt sein und in diesem Fall kann die Lebensdauerprognosevorrichtung 30 vorzugsweise in einer numerischen Steuereinrichtung innerhalb einer Herstellungszelle, einer Zellsteuerung, einer Produktionsverwaltungsvorrichtung oder einer dieser übergeordneten Vorrichtung bereitgestellt sein. Oder wiederum kann ein Produktionssystem mit einem extern dieses angeordneten Kommunikationsnetzwerk verbunden sein und in diesem Fall kann die Lebensdauerprognosevorrichtung 30 über ein Kommunikationsnetzwerk auf einem Cloud-Server bereitgestellt sein.
  • Wie oben beschrieben, ist es bei einer Maschinenlernvorrichtung, die die prognostizierte Lebensdauer eines NAND-Flash-Speichers lernt, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, gemäß einer Ausführungsform möglich, die Lebensdauer des NAND-Flash-Speichers, der in der numerischen Steuereinrichtung für die Werkzeugmaschine bereitgestellt ist, genau festzustellen und entsprechend einfach zu ermitteln, ob das Ende der Lebensdauer erreicht wurde. Die Maschinenlernvorrichtung, die überwachtes Lernen verwendet, wird unter Verwendung eines Algorithmus wie z. B. eines neuronalen Netzes, einer SVM (Support Vector Machine), eines Entscheidungsbaums oder einer logistischen Regression umgesetzt.
  • Eine Lebensdauerprognosevorrichtung gemäß einer Ausführungsform umfasst eine Maschinenlernvorrichtung, eine Entscheidungseinheit, die die prognostizierte Lebensdauer eines NAND-Flash-Speichers berechnet, und eine Ausgabeeinheit, die die prognostizierte Lebensdauer des NAND-Flash-Speichers ausgibt, die von der Entscheidungseinheit berechnet wird. Da der Benutzer dank der Lebensdauerprognosevorrichtung die prognostizierte Lebensdauer eines NAND-Flash-Speichers kennt, kann der NAND-Flash-Speicher ersetzt werden, bevor er funktionsunfähig wird. Der Bestand an NAND-Flash-Speichern kann sogar verringert werden, da die NAND-Flash-Speicher während entsprechender Zeiträume ersetzt werden können. Alternativ kann eine Benachrichtigung über einen Betriebsstatus, der die Lebensdauer des NAND-Flash-Speichers, die durch Berechnen einer prognostizierten Lebensdauer erhalten wird, beträchtlich beeinflusst, als Details einer Benachrichtigung durch die Benachrichtigungseinheit gemeinsam gesendet werden und dadurch ist es dem Benutzer möglich, eine Maßnahme zu ergreifen, um den Betriebsstatus zu ändern, der die Lebensdauer des NAND-Flash-Speichers beeinflusst. Der Benutzer kann z. B. eine Maßnahme ergreifen, um die Umgebung anzupassen, die die numerische Steuereinrichtung umgibt, so dass geeignete Temperaturen erhalten werden, die die Lebensdauer des NAND-Flash-Speichers verlängern, oder eine Maßnahme ergreifen, um die Betriebsbedingungen der Werkzeugmaschine zu ändern.
  • Die Maschinenlernvorrichtung ist mit zumindest einer verschiedenen Maschinenlernvorrichtung verbindbar und kann die Ergebnisse eines Maschinenlernens mit der zumindest einen verschiedenen Maschinenlernvorrichtung austauschen oder gemeinsam nutzen. Der Lerneffekt kann ferner durch Austauschen oder gemeinsames Nutzen der Maschinenlernergebnisse unter den Maschinenlernvorrichtungen weiter verbessert werden.
  • Die Lerneinheit in der Maschinenlernvorrichtung kann so konfiguriert sein, dass sie die prognostizierte Lebensdauer eines NAND-Flash-Speichers gemäß Trainingsdaten lernt, die für NAND-Flash-Speicher und/oder Speichersteuerungen erfasst werden. Je höher die Anzahl von NAND-Flash-Speichern und Speichersteuerungen, die von der Statusbeobachtungseinheit 11 zu beobachten sind, in der Maschinenlernvorrichtung 1 ist, desto besser ist der Lerneffekt der Maschinenlernvorrichtung 1.
  • Die Maschinenlernvorrichtung kann über ein Kommunikationsnetzwerk kommunikativ mit der numerischen Steuereinrichtung verbunden sein oder kann sich auf einem Cloud-Server befinden. Eine solche Netzwerkverbindungsarchitektur zwischen der Maschinenlernvorrichtung und der numerischen Steuereinrichtung kann Änderungen der Anzahl von numerischen Steuereinrichtungen einfach handhaben und kann sogar die Maschinenlernergebnisse unter den Maschinenlernvorrichtungen auf einfache Weise austauschen oder gemeinsam nutzen.
  • Die Lebensdauerprognosevorrichtung kann in einer numerischen Steuereinrichtung, in einer Zellsteuerung, die die numerische Steuereinrichtung steuert, oder in einer Produktionsverwaltungsvorrichtung bereitgestellt werden, die eine Produktionsplanungsanweisung an die Zellsteuerung ausgibt. Somit ist der Benutzer, der in einem Werk arbeitet, das mit einer Werkzeugmaschine ausgestattet ist, die mit der numerischen Steuereinrichtung verbunden ist, in der Lage, die prognostizierte Lebensdauer eines NAND-Flash-Speichers, der in der numerischen Steuereinrichtung bereitgestellt ist, auf einfache Weise zu erfahren, und ist wiederum in der Lage, zu wissen, dass der Zeitraum zum Ersetzen des NAND-Flash-Speichers gekommen ist. Die Produktionsverwaltungsvorrichtung kann die prognostizierte Lebensdauer des NAND-Flash-Speichers bei der Erstellung eines Produktionsplans verwenden, und dadurch wird die Wirtschaftlichkeit verbessert.
  • Gemäß einem Aspekt ist es möglich, die Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, genau festzustellen und entsprechend einfach zu ermitteln, ob das Ende der Lebensdauer erreicht wurde.
  • 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 2009003843 [0004]

Claims (15)

  1. Maschinenlernvorrichtung (1), die eine prognostizierte Lebensdauer eines NAND-Flash-Speichers lernt, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, wobei die Vorrichtung (1) umfasst: eine Statusbeobachtungseinheit (11), die eine Statusvariable beobachtet, die erhalten wird auf Basis zumindest eines einer Überschreibungsanzahl, eines Überschreibungsintervalls, einer Leseanzahl, einer Temperatur in einer Anwendungsumgebung, einer Fehlerrate, einer Information zu einem Hersteller und einer Information zu einer Herstellungscharge für den NAND-Flash-Speicher und einer Information zu einer Leistung einer Fehlerkorrekturcodierung, einer Information zu einem Hersteller und einer Information zu einer Herstellungscharge für eine Speichersteuerung, die eine Verarbeitung einer Fehlerkorrekturcodierung für den NAND-Flash-Speicher durchführt; und eine Lerneinheit (12), die die prognostizierte Lebensdauer eines NAND-Flash-Speichers auf Basis von Lehrerdaten und Trainingsdaten lernt, die anhand einer Ausgabe der Statusbeobachtungseinheit (11) und Daten, die mit einer Lebensdauer des NAND-Flash-Speichers assoziiert sind, generiert werden.
  2. Maschinenlernvorrichtung (1) nach Anspruch 1, wobei die Lerneinheit (12) umfasst: eine Fehlerberechnungseinheit (21), die einen Fehler zwischen den Trainingsdaten und den Lehrerdaten berechnet; und eine Lernmodellaktualisierungseinheit (22), die ein Lernmodell zum Lernen der prognostizierten Lebensdauer des NAND-Flash-Speichers auf Basis der Ausgabe der Statusbeobachtungseinheit (11) und einer Ausgabe der Fehlerberechnungseinheit (21) aktualisiert.
  3. Maschinenlernvorrichtung (1) nach Anspruch 1 oder 2, wobei die Lehrerdaten Daten umfassen, die mit einer tatsächlichen gemessenen Lebensdauer assoziiert sind, die durch tatsächliches Messen der Lebensdauer des NAND-Flash-Speichers erhalten wird.
  4. Maschinenlernvorrichtung (1) nach einem der Ansprüche 1 bis 3, wobei die Maschinenlernvorrichtung (1) mit zumindest einer verschiedenen Maschinenlernvorrichtung (1) verbindbar ist und ein Maschinenlernergebnis mit der zumindest einen verschiedenen Maschinenlernvorrichtung (1) austauscht oder gemeinsam nutzt.
  5. Maschinenlernvorrichtung (1) nach einem der Ansprüche 1 bis 4, wobei die Lerneinheit (12) so konfiguriert ist, dass sie die prognostizierte Lebensdauer des NAND-Flash-Speichers gemäß den Trainingsdaten lernt, die für NAND-Flash-Speicher und/oder Speichersteuerungen erfasst werden.
  6. Lebensdauerprognosevorrichtung (30), die umfasst: die Maschinenlernvorrichtung (1) nach einem der Ansprüche 1 bis 5; eine Entscheidungseinheit (13), die die prognostizierte Lebensdauer des NAND-Flash-Speichers in Reaktion auf eine Eingabe einer aktuellen Statusvariable der Statusvariable auf Basis eines von der Lerneinheit (12) erhaltenen Lernergebnisses berechnet; und eine Ausgabeeinheit (14), die die prognostizierte Lebensdauer des NAND-Flash-Speichers ausgibt, die von der Entscheidungseinheit (13) berechnet wird.
  7. Lebensdauerprognosevorrichtung (30) nach Anspruch 6, wobei: die Maschinenlernvorrichtung (1) über ein Kommunikationsnetzwerk (90) mit der numerischen Steuereinrichtung kommunikativ verbunden ist, und die Statusbeobachtungseinheit (11) die Statusvariable über das Kommunikationsnetzwerk (90) beobachtet.
  8. Numerische Steuervorrichtung (41), die die Lebensdauerprognosevorrichtung (30) nach Anspruch 6 umfasst.
  9. Produktionssystem (101), das umfasst: eine Herstellungszelle (60A, 60B, 60C), die Kombinationen von Werkzeugmaschinen (50A-1, 50A-2, 50B-1, 50B-2, 50C-1, 50C-2) und numerischen Steuereinrichtungen (41A-1, 41A-2, 41B-1, 41B-2, 41C-1, 41C-2) nach Anspruch 8, die in Entsprechung mit den Werkzeugmaschinen (50A-1, 50A-2, 50B-1, 50B-2, 50C-1, 50C-2) bereitgestellt sind, umfasst; und eine Zellsteuerung (70A, 70B, 70C), die über ein Kommunikationsnetzwerk mit der Herstellungszelle (60A, 60B, 60C) kommunikativ verbunden ist und die numerischen Steuereinrichtungen (41A-1, 41A-2, 41B-1, 41B-2, 41C-1, 41C-2) steuert.
  10. Produktionssystem (102), das umfasst: eine Herstellungszelle (61A, 61B, 61C), die Kombinationen von Werkzeugmaschinen (50A-1, 50A-2, 50B-1, 50B-2, 50C-1, 50C-2) und numerischen Steuereinrichtungen (40A-1, 40A-2, 40B-1, 40B-2, 40C-1, 40C-2), die in Entsprechung mit den Werkzeugmaschinen (50A-1, 50A-2, 50B-1, 50B-2, 50C-1, 50C-2) bereitgestellt sind, umfasst; und eine Zellsteuerung (71A, 71B, 71C), die über ein Kommunikationsnetzwerk mit der Herstellungszelle (61A, 61B, 61C) kommunikativ verbunden ist und die numerischen Steuereinrichtungen (40A-1, 40A-2, 40B-1, 40B-2, 40C-1, 40C-2) steuert, wobei die Zellsteuerung (71A, 71B, 71C) die Lebensdauerprognosevorrichtung (30) nach Anspruch 6 umfasst.
  11. Produktionssystem (101, 102) nach Anspruch 9 oder 10, das ferner eine Produktionsverwaltungsvorrichtung (80) umfasst, die über ein Kommunikationsnetzwerk mit der Zellsteuerung (70A, 70B, 70C, 71A, 71B, 71C) verbunden ist und eine Produktionsplanungsanweisung an die Zellsteuerung ausgibt.
  12. Produktionssystem (103), das umfasst: eine Herstellungszelle (61A, 61B, 61C), die Kombinationen von Werkzeugmaschinen (50A-1, 50A-2, 50B-1, 50B-2, 50C-1, 50C-2) und numerischen Steuereinrichtungen (40A-1, 40A-2, 40B-1, 40B-2, 40C-1, 40C-2), die in Entsprechung mit den Werkzeugmaschinen (50A-1, 50A-2, 50B-1, 50B-2, 50C-1, 50C-2) bereitgestellt sind, umfasst; eine Zellsteuerung (70A, 70B, 70C), die über ein Kommunikationsnetzwerk mit der Herstellungszelle (61A, 61B, 61C) kommunikativ verbunden ist und die numerischen Steuereinrichtungen (40A-1, 40A-2, 40B-1, 40B-2, 40C-1, 40C-2) steuert; und eine Produktionsverwaltungsvorrichtung (81), die über ein Kommunikationsnetzwerk mit der Zellsteuerung (70A, 70B, 70C) kommunikativ verbunden ist und eine Produktionsplanungsanweisung an die Zellsteuerung ausgibt, wobei die Produktionsverwaltungsvorrichtung (81) die Lebensdauerprognosevorrichtung (30) nach Anspruch 6 umfasst.
  13. Maschinenlernverfahren zum Lernen einer prognostizierten Lebensdauer eines NAND-Flash-Speichers, der in einer numerischen Steuereinrichtung für eine Werkzeugmaschine bereitgestellt ist, wobei das Verfahren die Schritte umfasst: Beobachten einer Statusvariable, die erhalten wird auf Basis zumindest eines einer Überschreibungsanzahl, eines Überschreibungsintervalls, einer Leseanzahl, einer Temperatur in einer Anwendungsumgebung, einer Fehlerrate, einer Information zu einem Hersteller und einer Information zu einer Herstellungscharge für den NAND-Flash-Speicher und einer Information zu einer Leistung einer Fehlerkorrekturcodierung, einer Information zu einem Hersteller und einer Information zu einer Herstellungscharge für eine Speichersteuerung, die eine Verarbeitung einer Fehlerkorrekturcodierung für den NAND-Flash-Speicher durchführt; und Lernen der prognostizierten Lebensdauer des NAND-Flash-Speichers auf Basis von Lehrerdaten und Trainingsdaten, die anhand der Statusvariable und Daten, die mit einer Lebensdauer des NAND-Flash-Speichers assoziiert sind, generiert werden.
  14. Maschinenlernverfahren nach Anspruch 13, wobei der Schritt des Lernens der prognostizierten Lebensdauer des NAND-Flash-Speichers die Schritte umfasst: Berechnen eines Fehlers zwischen den Trainingsdaten und den Lehrerdaten; und Aktualisieren eines Lernmodells zum Lernen der prognostizierten Lebensdauer des NAND-Flash-Speichers auf Basis der Statusvariable und des berechneten Fehlers zwischen den Trainingsdaten und den Lehrerdaten.
  15. Maschinenlernverfahren nach Anspruch 13 oder 14, wobei die Lehrerdaten Daten umfassen, die mit einer tatsächlichen gemessenen Lebensdauer assoziiert sind, die durch tatsächliches Messen der Lebensdauer des NAND-Flash-Speichers erhalten wird.
DE102017011350.5A 2016-12-15 2017-12-08 Maschinenlernvorrichtung, lebensdauerprognosevorrichtung, numerische steuereinrichtung, produktionssystem und maschinenlernverfahren zum prognostizieren einer lebensdauer eines nand-flash-speichers Withdrawn DE102017011350A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-243357 2016-12-15
JP2016243357A JP6386523B2 (ja) 2016-12-15 2016-12-15 Ｎａｎｄフラッシュメモリの寿命を予測する機械学習装置、寿命予測装置、数値制御装置、生産システム、及び機械学習方法

Publications (1)

Publication Number Publication Date
DE102017011350A1 true DE102017011350A1 (de) 2018-06-21

Family

ID=62251231

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102017011350.5A Withdrawn DE102017011350A1 (de) 2016-12-15 2017-12-08 Maschinenlernvorrichtung, lebensdauerprognosevorrichtung, numerische steuereinrichtung, produktionssystem und maschinenlernverfahren zum prognostizieren einer lebensdauer eines nand-flash-speichers

Country Status (4)

Country Link
US (1) US20180174658A1 (de)
JP (1) JP6386523B2 (de)
CN (1) CN108228371B (de)
DE (1) DE102017011350A1 (de)

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6567205B1 (ja) * 2018-06-14 2019-08-28 三菱電機株式会社 機械学習装置、補正パラメータ調整装置および機械学習方法
US11099743B2 (en) 2018-06-29 2021-08-24 International Business Machines Corporation Determining when to replace a storage device using a machine learning module
US11119662B2 (en) 2018-06-29 2021-09-14 International Business Machines Corporation Determining when to perform a data integrity check of copies of a data set using a machine learning module
US11119850B2 (en) * 2018-06-29 2021-09-14 International Business Machines Corporation Determining when to perform error checking of a storage unit by using a machine learning module
JP6985307B2 (ja) * 2018-07-20 2021-12-22 ファナック株式会社 ワークの後処理方法、加工システムおよび管理システム
DE102019210169A1 (de) 2018-07-20 2020-01-23 Fanuc Corporation Nachbearbeitungsverfahren für ein Werkstück, Bearbeitungssystem sowie Managementsystem
JP6856591B2 (ja) * 2018-09-11 2021-04-07 ファナック株式会社 制御装置、ｃｎｃ装置及び制御装置の制御方法
CN109375869A (zh) * 2018-09-17 2019-02-22 至誉科技（武汉）有限公司 实现数据可靠读写的方法以及系统、存储介质
CN110952973A (zh) * 2018-09-26 2020-04-03 北京国双科技有限公司 油气开采监测方法、寿命确定模型获得方法及相关设备
JP6860540B2 (ja) * 2018-10-25 2021-04-14 ファナック株式会社 出力装置、制御装置、及び学習パラメータの出力方法
CN109830254A (zh) * 2018-12-17 2019-05-31 武汉忆数存储技术有限公司 一种闪存寿命预测方法、系统、存储介质
CN109830255B (zh) * 2018-12-17 2020-11-17 武汉忆数存储技术有限公司 一种基于特征量的闪存寿命预测方法、系统及存储介质
CN109817267B (zh) * 2018-12-17 2021-02-26 武汉忆数存储技术有限公司 一种基于深度学习的闪存寿命预测方法、系统及计算机可读存取介质
CN113439447A (zh) 2018-12-24 2021-09-24 Dts公司 使用深度学习图像分析的房间声学仿真
CN111427713B (zh) * 2019-01-10 2023-08-22 深圳衡宇芯片科技有限公司 训练人工智能估测存储装置的使用寿命的方法
WO2020161865A1 (ja) * 2019-02-07 2020-08-13 ギガフォトン株式会社 機械学習方法、消耗品管理装置、及びコンピュータ可読媒体
WO2020170304A1 (ja) * 2019-02-18 2020-08-27 日本電気株式会社 学習装置及び方法、予測装置及び方法、並びにコンピュータ可読媒体
US10930365B2 (en) 2019-02-21 2021-02-23 Intel Corporation Artificial intelligence based monitoring of solid state drives and dual in-line memory modules
CN109947588B (zh) * 2019-02-22 2021-01-12 哈尔滨工业大学 一种基于支持向量回归法的NAND Flash位错误率预测方法
JP7248495B2 (ja) * 2019-05-15 2023-03-29 ファナック株式会社 数値制御測装置、数値制御システム、及びプログラム
CN110287640B (zh) * 2019-07-03 2023-10-13 辽宁艾特斯智能交通技术有限公司 照明设备的寿命预估方法、装置、存储介质及电子设备
KR20210031220A (ko) 2019-09-11 2021-03-19 삼성전자주식회사 스토리지 장치 및 스토리지 장치의 동작 방법
US11567670B2 (en) 2019-10-25 2023-01-31 Samsung Electronics Co., Ltd. Firmware-based SSD block failure prediction and avoidance scheme
US11157380B2 (en) 2019-10-28 2021-10-26 Dell Products L.P. Device temperature impact management using machine learning techniques
US20230020555A1 (en) * 2019-12-18 2023-01-19 Cymer, Llc Predictive apparatus in a gas discharge light source
KR20210082875A (ko) 2019-12-26 2021-07-06 삼성전자주식회사 머신 러닝을 이용한 비휘발성 메모리 장치의 동작 제어 방법 및 스토리지 시스템
KR20210100790A (ko) 2020-02-06 2021-08-18 삼성전자주식회사 스토리지 장치 및 스토리지 장치의 동작 방법
CN111859791B (zh) * 2020-07-08 2023-12-26 上海威固信息技术股份有限公司 一种闪存数据保存错误率仿真方法
US11500752B2 (en) 2020-09-02 2022-11-15 Samsung Electronics Co., Ltd. Multi-non-volatile memory solid state drive block-level failure prediction with separate log per non-volatile memory
KR20220090885A (ko) 2020-12-23 2022-06-30 삼성전자주식회사 비휘발성 메모리 장치의 잔여 수명 예측 방법 및 이를 수행하는 스토리지 장치
CN112817524A (zh) * 2021-01-19 2021-05-18 置富科技（深圳）股份有限公司 基于动态神经网络的闪存可靠性等级在线预测方法和装置
KR102332589B1 (ko) * 2021-08-18 2021-12-01 에스비유코리아 주식회사 디스크 세트의 상태 정보 관리 및 제어 방법, 장치 및 시스템
US11687252B2 (en) * 2021-10-18 2023-06-27 Western Digital Technologies, Inc. Non-volatile memory with pre-trained model and inference circuit
CN114283875A (zh) * 2021-12-23 2022-04-05 山东华芯半导体有限公司 一种动态预测NAND Block寿命末期性能的方法
US12099743B2 (en) 2022-03-31 2024-09-24 SanDisk Technologies, Inc. Non-volatile memory integrated with artificial intelligence system for preemptive block management
WO2024069880A1 (ja) * 2022-09-29 2024-04-04 ファナック株式会社 携帯型操作装置、機械システムおよび携帯型操作装置のメモリ制御プログラム
CN118673779A (zh) * 2023-03-16 2024-09-20 中国科学院微电子研究所 一种阻变存储器芯片失效模型的构建方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009003843A (ja) 2007-06-25 2009-01-08 Denso Corp フラッシュｒｏｍのデータ管理装置及びフラッシュｒｏｍのデータ管理方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6488893A (en) * 1987-09-30 1989-04-03 Toshiba Corp Trouble forecaster
US7356442B1 (en) * 2006-10-05 2008-04-08 International Business Machines Corporation End of life prediction of flash memory
CN101266840B (zh) * 2008-04-17 2012-05-23 北京航空航天大学 一种闪存类电子产品的寿命预测方法
US7975193B2 (en) * 2009-06-01 2011-07-05 Lsi Corporation Solid state storage end of life prediction with correction history
JP2013047913A (ja) * 2011-08-29 2013-03-07 Toshiba Corp 情報処理装置、情報処理装置の制御方法、制御ツール、及びホスト装置
US9316699B2 (en) * 2012-04-05 2016-04-19 Samsung Sdi Co., Ltd. System for predicting lifetime of battery
JP5642748B2 (ja) * 2012-09-18 2014-12-17 ファナック株式会社 放電加工機のデータ収集システム
JP2018008316A (ja) * 2014-11-21 2018-01-18 ヴイストン株式会社 学習型ロボット、学習型ロボットシステム、及び学習型ロボット用プログラム
JP6010204B1 (ja) * 2015-10-26 2016-10-19 ファナック株式会社 パワー素子の予測寿命を学習する機械学習装置及び方法並びに該機械学習装置を備えた寿命予測装置及びモータ駆動装置
JP5992087B1 (ja) * 2015-12-28 2016-09-14 ファナック株式会社 機械の保全計画を作成する予防保全管理システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009003843A (ja) 2007-06-25 2009-01-08 Denso Corp フラッシュｒｏｍのデータ管理装置及びフラッシュｒｏｍのデータ管理方法

Also Published As

Publication number Publication date
US20180174658A1 (en) 2018-06-21
CN108228371B (zh) 2021-09-28
JP2018097723A (ja) 2018-06-21
JP6386523B2 (ja) 2018-09-05
CN108228371A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
DE102017011350A1 (de) Maschinenlernvorrichtung, lebensdauerprognosevorrichtung, numerische steuereinrichtung, produktionssystem und maschinenlernverfahren zum prognostizieren einer lebensdauer eines nand-flash-speichers
DE102016015017B4 (de) Steuervorrichtung mit Lernfunktion zum Erfassen einer Rauschursache
DE102017000955B4 (de) Produktionssteuersystem und integriertes Produktionssteuersystem
DE102017108169B4 (de) Produktionssystem, das einen Bestimmungswert einer Variablen in Bezug auf eine Produktabweichung festlegt
DE102018004923A1 (de) Fehlervorhersagevorrichtung und machinelle Lernvorrichtung
DE102017005349A1 (de) Maschinenlernvorrichtung, numerische steuervorrichtung und maschinenlernverfahren zum lernen eines schwellenwerts zum erkennen einer anomalen last
DE102017011754B4 (de) Maschinenlerneinrichtung zum Lernen eines Montagevorgangs und Komponentenmontagesystem
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
DE102016009032B4 (de) Maschinenlerneinheit, Spindelersatzbeurteilungsvorrichtung, Steuerung, Werkzeugmaschine, Produktionssystem und maschinelles Lernverfahren, die zur Beurteilung der Notwendigkeit eines Spindelersatzes fähig sind
DE102017001290A1 (de) Maschinenlernvorrichtung, Industriemaschinenzelle, Herstellungssystem und Maschinenlernverfahren zum Erlernen einer Aufgabenteilung unter einer Vielzahl von Industriemaschinen
US10949740B2 (en) Machine learning device, numerical controller, machine tool system, manufacturing system, and machine learning method for learning display of operation menu
DE102017006054A1 (de) Maschinelle Lernvorrichtung, die eine geschätzte Lebensdauer eines Lagers lernt, Lebensdauer-Schätzvorrichtung und maschinelles Lernverfahren
DE102017002996A1 (de) Maschinenlernvorrichtung, die ein lernen unter verwendung eines simulationsergebnisses durchführt, maschinensystem, herstellungssystem und maschinenlernverfahren
DE102018115413B4 (de) Gerät zur kompensation thermischer verschiebung und maschinenlernvorrichtung zum lernen von formmessdaten
DE102020001169A1 (de) Vorrichtung und System für die Einstellung von Bearbeitungsbedingungen
DE102016008910A1 (de) Zellsteuersystem, Fertigungssystem und Steuerverfahren, wobei die Steuerfertigungszelle eine Mehrzahl von Fertigungsmaschinen umfasst.
DE102017011896A1 (de) Vorrichtung zum Schätzen einer Werkzeuglebenszeit
DE102016011402A1 (de) Maschinelles Lernverfahren und maschinelle Lernvorrichtung zum Einlernen von Betriebsbefehlen für einen Elektromotor und Werkzeugmaschine mit maschineller Lernvorrichtung
DE102018010054A1 (de) Steuerung und maschinelle Lernvorrichtung
DE102016117560B4 (de) Werkzeugmaschine zum erzeugen einer geschwindigkeitsverteilung
DE102019001783A1 (de) Steuerung, maschinelle lernvorrichtung und system
DE102016015332A1 (de) Präventivwartungsverwaltungssystem und -verfahren zum Erstellen eines Wartungsplans einer Maschine sowie Zellensteuereinrichtung
DE102017009822A1 (de) Maschinenlernvorrichtung und Bearbeitungszeitvorhersagevorrichtung
DE102016011523A1 (de) Motorantriebsvorrichtung mit vorbeugender Wartungsfunktion eines Gebläsemotors
DE102018123849A1 (de) System zum Ausgleichen einer thermischen Verschiebung

Legal Events

Date Code Title Description
R012 Request for examination validly filed
R079 Amendment of ipc main class

Free format text: PREVIOUS MAIN CLASS: G06F0015180000

Ipc: G06N0020000000

R016 Response to examination communication
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee