DE102017105224B4

DE102017105224B4 - Vorrichtung zum maschinellen lernen, laserbearbeitungssystem und maschinelles lernverfahren

Info

Publication number: DE102017105224B4
Application number: DE102017105224.0A
Authority: DE
Inventors: Hiroshi Takigawa; Akinori Ohyama
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2016-03-17
Filing date: 2017-03-13
Publication date: 2022-02-10
Anticipated expiration: 2037-03-14
Also published as: DE102017105224A1; US20170270434A1; CN107199397A; JP6625914B2; JP2017164801A; US10664767B2; CN107199397B

Abstract

Vorrichtung (10) für maschinelles Lernen zum Lernen von Laserbearbeitungsbedingungsdaten eines Laserbearbeitungssystems (1), wobei das Laserbearbeitungssystem (1) umfasst:mindestens eine Laservorrichtung (2), die mindestens einen Laseroszillator umfasst,mindestens einen Bearbeitungskopf (3), der einen Laserstrahl von der Laservorrichtung (2) zu einem Werkstück (7) emittiert,mindestens eine Ausgangslicht-Detektionseinheit (4), die ein Maß des von dem Bearbeitungskopf (3) emittierten Laserlichts detektiert,mindestens eine Reflexionslicht-Detektionseinheit (5), die ein reflektiertes Licht detektiert, das von dem Bearbeitungskopf (3) emittiert wird und auf einer Oberfläche oder in der Nähe der Oberfläche des Werkstücks (7) reflektiert wird, um zu der Laservorrichtung (2) über ein optisches System in dem Bearbeitungskopf (3) zurückzukehren,mindestens eine Bearbeitungsergebnis-Beobachtungseinheit (6), die, ohne jeglichen menschlichen Eingriff, von einem Bearbeitungszustand und einem Bearbeitungsergebnis des Werkstücks (7) mindestens eines zumindest während der Laserbearbeitung oder nach der Laserbearbeitung beobachtet, undmindestens eine Antriebsvorrichtung (8), die eine relative Positionsbeziehung zwischen dem Bearbeitungskopf (3) und dem Werkstück (7) ändert,wobei die Vorrichtung zum maschinellen Lernen umfasst:eine Zustandsgrößen-Beobachtungseinheit (11), die eine Zustandsgröße des Laserbearbeitungssystems (1) beobachtet,eine Operationsergebnis-Erfassungseinheit (12), die ein Bearbeitungsergebnis des Laserbearbeitungssystems (1) erfasst,eine Lerneinheit (13), die eine Ausgabe von der Zustandsgrößen-Beobachtungseinheit (11) und eine Ausgabe von der Operationsergebnis-Erfassungseinheit (12) empfängt und die Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße des Laserbearbeitungssystems (1) und dem Bearbeitungsergebnis lernt, undeine Entscheidungseinheit (14), die Laserbearbeitungsbedingungsdaten durch Bezugnahme auf die durch die Lerneinheit (13) gelernten Laserbearbeitungsbedingungsdaten ausgibt, wobeiwenn bei einer Bearbeitung des Werkstücks (7) auf der Grundlage von gegebenen Laserbearbeitungsbedingungsdaten ein Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts einen zweiten vorgegebenen Pegel übersteigt, der niedriger eingestellt ist als ein erster vorgegebener Pegel, der niedriger eingestellt ist als ein Alarmpegel, welcher anzeigt, dass von dem Bearbeitungskopf (3), der Laservorrichtung (2) und einer optischen Laserlichtausbreitungskomponente zwischen dem Bearbeitungskopf (3) und der Laservorrichtung (2) mindestens eines durch das reflektierte Licht beschädigt werden kann,die Lerneinheit (13) Bezug auf die gelernten Laserbearbeitungsbedingungsdaten nimmt um Laserbearbeitungsbedingungsdaten auszugeben, von denen vorhergesagt wird, dass ein Bearbeitungsergebnis nah an einem Bearbeitungsergebnis der gegebenen Laserbearbeitungsbedingungsdaten erzielt wird, ohne dass das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt, undwobei die Lerneinheit (13) umfasst:ein Lernmodell zum Lernen von Laserbearbeitungsbedingungsdaten, welche von einem Laserbearbeitungsinhalt zum anderen variieren,eine Fehlerberechnungseinheit (15), die einen Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und von der Operationsergebnis-Erfassungseinheit (12) erfasst wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis berechnet, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, undeine Lernmodell-Aktualisierungseinheit (16), die das Lernmodell gemäß dem Unterschied aktualisiert.

Description

Hintergrund der Erfindung
1. Gebiet der Erfindung
Die vorliegende Erfindung betrifft eine Vorrichtung zum maschinellen Lernen, die Laserbearbeitungsbedingungsdaten, welche einem Laseroszillator zugeführte Steuerleistungsdaten umfassen, lernt, ein Laserbearbeitungssystem und ein maschinelles Lernverfahren.
2. Beschreibung des Stands der Technik
In dem Laserbearbeitungssystem, das eine Bearbeitung, wie z.B. Schneiden oder Schweißen, für ein Werkstück durchführt, wird die Bearbeitung vorzugsweise bei einer optimalen Laserbearbeitungsbedingung durchgeführt, so dass verarbeitete Bearbeitungsergebnisse von hoher Bearbeitungsgenauigkeit und Bearbeitungsqualität bei einer hohen Geschwindigkeit erzielt werden.
Es bestehen verschiedene Techniken zum Suchen nach oder Lernen von Bearbeitungsbedingungen. Zum Beispiel offenbart die japanische ungeprüfte Patentanmeldung (Kokai) Nr. 4-75108 eine Vorrichtung zur automatischen Bearbeitungsbedingungsbestimmung, umfassend: eine Attributdatenspeichereinheit, die Daten, welche sich auf ein Werkstück beziehen, Daten, die sich auf ein Werkzeug beziehen, und Daten, die sich auf eine Maschine beziehen, speichert; ein neuronales Netzwerk, in dem die in der Attributdatenspeichereinheit gespeicherten Daten eine Eingabe darstellen und eine interne Konstante in einer arithmetischen Gleichung zum Bestimmen einer Bearbeitungsbedingung einer numerisch gesteuerten Werkzeugmaschine eine Ausgabe darstellt; eine arithmetische Bearbeitungsbedingungseinheit, die auf der Grundlage der in der Attributdatenspeichereinheit gespeicherten Daten und der internen Konstanten eine Bearbeitungsbedingung erlangt; eine Einheit zum Korrigieren der internen Konstanten, die, wenn die Bearbeitungsbedingung korrigiert wird, die assoziierte interne Konstante gemäß einem Korrekturwert der Bearbeitungsbedingung korrigiert; und eine Gewichtskorrektureinheit, die ein Gewicht des neuronalen Netzwerks korrigiert, so dass die durch die Einheit zum Korrigieren der internen Konstanten korrigierte interne Konstante in Bezug auf die gleiche Eingabe wie jene vor der Korrektur erzielt wird.
Außerdem offenbart die japanische ungeprüfte Patentanmeldung (Kokai) Nr. 4-354653 eine Bearbeitungsbedingungs-Erzeugungsvorrichtung, umfassend: eine Bearbeitungsbedingungs-Erzeugungseinheit; eine Bearbeitungsbedingungs-Kenndateneinheit, die Kenndaten speichert, welche vorzugsweise zum Erzeugen der Bearbeitungsbedingung verwendet werden; und eine Lerneinheit, die die Bearbeitungsbedingung auf der Grundlage einer Lernfunktion optimiert, wobei eine Änderungsdateneinheit, die einen geänderten Inhalt der Bearbeitungsbedingung speichert, bereitgestellt wird, die Bearbeitungsbedingung gemäß dem geänderten Inhalt geändert wird, und die Lerneinheit mindestens eine von der Bearbeitungsbedingung-Erzeugungseinheit und der Bearbeitungsbedingung-Kenndateneinheit auf der Grundlage des geänderten Inhalts optimiert.
Außerdem offenbart die japanische ungeprüfte Patentanmeldung (Kokai) Nr. 11-85210 eine Unterstützungsvorrichtung einer Laserbearbeitungsmaschine, umfassend: eine Inferenzwert-Erzeugungseinheit, die einen Inferenzwert in Bezug auf einen Bearbeitungsbedingungsparameter einer Laserbearbeitung durch eine Künstliche-Intelligenz-Funktion erzeugt; eine Anzeigeeinheit, die den durch die Interferenzwert-Erzeugungseinheit erzeugten Interferenzwert anzeigt; und eine Eingabeeinheit, die einen Bewertungsparameter zum Bewerten eines Bearbeitungszustands eingibt, wobei die Interferenzwert-Erzeugungseinheit eine Bearbeitungsbedingungs-Parameterauswahleinheit umfasst, welche einen Bearbeitungsbedingungsparameter auswählt, der zum Korrigieren eines gegenwärtigen Bearbeitungszustands am wirkungsvollsten ist.
Ferner offenbart die japanische ungeprüfte Patentanmeldung (Kokai) Nr. 2008-36812 eine Bearbeitungsbedingungs-Suchvorrichtung, umfassend: eine Einheit zur Erzeugung einer experimentellen Bearbeitungsbedingung; eine Maschine, die eine Bearbeitung bei einer von der Einheit zur Erzeugung einer experimentellen Bearbeitungsbedingung ausgegebenen Bedingung durchführt, um ein wirkliches Bearbeitungsergebnis auszugeben; und eine Bearbeitungscharakteristikmodelleinheit, die ein Bearbeitungscharakteristikmodell als eine optimale Bearbeitungsbedingung erzeugt, wenn eine vorgegebene Bearbeitungsbedingung eingegeben wird, wobei die Einheit zur Erzeugung einer experimentellen Bearbeitungsbedingung eine experimentelle Bearbeitungsbedingung unter Verwendung des Bearbeitungscharakteristikmodells erzeugt.
Ferner offenbart die japanische ungeprüfte Patentanmeldung (Kokai) Nr. 2012-236267 eine Bearbeitungsbedingungs-Suchvorrichtung, umfassend: eine Einheit zur Erzeugung einer experimentellen Bearbeitungsbedingung, die eine experimentelle Bearbeitungsbedingung unter Verwendung eines Bearbeitungscharakteristikmodells erzeugt, das eine Beziehung zwischen einer Bearbeitungsbedingung und einem Bearbeitungsergebnis zeigt; eine Bearbeitungsergebnis-Sammeleinheit, die Bearbeitungsergebnisse einer experimentellen Bearbeitung gemäß der durch die Einheit zur Erzeugung einer experimentellen Bearbeitungsbedingung erzeugten experimentellen Bearbeitungsbedingung sammelt und einen Satz des Bearbeitungsergebnisses und der experimentellen Bearbeitungsbedingung als experimentelle Bearbeitungsdaten speichert; eine erste Einheit zum Erzeugen eines Bearbeitungscharakteristikmodells, die ein Bearbeitungscharakteristikmodell, das neu unter Verwendung der experimentellen Bearbeitungsdaten erzeugt wurde, an die Einheit zur Erzeugung einer experimentellen Bearbeitungsbedingung ausgibt; eine zweite Einheit zum Erzeugen eines Bearbeitungscharakteristikmodells, die jeweils für experimentelle Bearbeitungsdaten, während Bearbeitungsqualitätsbewertungen, die in den Bearbeitungsergebnissen aufgenommen sind, nacheinander geändert werden, ein neues Bearbeitungscharakteristikmodell erzeugt, das die geänderten Bearbeitungsqualitätsbewertungen widerspiegelt; eine Bearbeitungscharakteristikmodell-Aufbaueinheit, die das durch die zweite Einheit zum Erzeugen eines Bearbeitungscharakteristikmodells erzeugte neue Bearbeitungscharakteristikmodell aufbaut; und eine Einheit zum Erzeugen einer optimalen Bearbeitungsbedingung, die eine optimale Bearbeitungsbedingung von dem durch die Bearbeitungscharakteristikmodell-Aufbaueinheit aufgebauten Bearbeitungscharakteristikmodell erzeugt.
EP 2 585 248 B1 offenbart ein Verfahren zum Steuern eines Bearbeitungsvorgangs eines Werkstücks mit einem geschlossenem Regelkreis, wobei das Werkstück unter Verwendung eines Aktors mit einem anfänglichen Aktorwert verarbeitet wird, bei dem ein Pixelbild zu einem Anfangszeitpunkt mittels einer Kamera aufgenommen wird, das Pixelbild in einen Pixelvektor umgewandelt wird, der durch eine Summe von vorbestimmten Pixelabbildungen, die jeweils mit einem entsprechenden Merkmalswert multipliziert werden, dargestellt wird, der Satz von Merkmalswerten auf der Grundlage gelernter Merkmalswerte in mindestens zwei Klassen einer Gruppe von Klassen klassifiziert wird, die eine erste Klasse eines zu hohen Aktorwertes, eine zweite Klasse eines ausreichenden Aktorwertes und eine dritte Klasse eines zu niedrigen Aktorwerts zum Anfangszeitpunkt umfaßt, ein Steuerschritt zum Anpassen des Aktorwerts durch Minimieren des Fehlers e_t zwischen einem Qualitätsindikator y_e und einem gewünschten Wert ausgeführt wird und diese Schritte für weitere Zeitpunkte wiederholt werden, um mittels Rückkopplung den Verarbeitungsvorgang zu regeln.
DE 10 2017 101 223 A1 beschreibt eine Maschinenlernvorrichtung, welche eine Beobachtungseinheit, die Zustandsdaten einer Laservorrichtung beobachtet, die die von einer Einrichtung zur Detektion von reflektiertem Licht zum Messen einer reflektierten Lichtmenge ausgegebenen Daten umfassen, und eine Erfassungseinheit aufweist, die angibt, ob die Bearbeitung erfolgreich durch den Laserstrahl gestartet wurde oder ob ein Fehlschlag vorliegt. Eine Lerneinheit verknüpft die Befehlsdaten für die Lichtabgabe mit den Zustandsdaten der Laservorrichtung und dem Ergebnis eines Erfolgs bzw. Fehlschlags für den Start der Bearbeitung und eine Entscheidungsfindungseinheit bestimmt die Lichtabgabe-Befehlsdaten unter Rückgriff auf die durch die Lerneinheit gelernten Lichtabgabe-Befehlsdaten.
Kurzdarstellung der Erfindung
Bearbeitungsbedingungen bei einer Laserbearbeitung umfassen solche Schwankungsbedingungen, wie z.B. eine optische Ausgabe, einen Modus, eine Wellenform und eine Wellenlänge, und solche Emissionsbedingungen, wie z.B. ein optisches Bündelungssystem, eine Leistungsdichte, eine Leistungsdichteverteilung und ein Hilfsgas. Als andere Bearbeitungsbedingungen gibt es viele Parameter, wie z.B. eine Bearbeitungsgeschwindigkeit und eine Bearbeitungsatmosphäre.
Auch im Fall einer Zustandsgröße eines Laserbearbeitungssystems, der ein Bearbeitungsergebnis einer Laserbearbeitung beeinflussen kann, gibt es außerdem eine Temperatur eines Laseroszillators, eines optischen Systems, einer Strukturkomponente, die ein Werkstück stützt, oder dergleichen, und einen Zustand eines Kühlsystems, das den Laseroszillator oder dergleichen kühlt. Wenn das Werkstück als eine Komponente des Laserbearbeitungssystems in einem breiten Sinne betrachtet wird, umfasst die Zustandsgröße des Laserbearbeitungssystems eine Temperatur, einen Oberflächenzustand oder dergleichen des Werkstücks, die in Abhängigkeit von der Laserbearbeitung geändert werden.
Es ist daher sehr schwierig, unter Berücksichtigung der Zustandsgröße des Laserbearbeitungssystems zusätzlich zu den Bearbeitungsbedingungen Laserbearbeitungsbedingungsdaten zu bestimmen, die zum Erzielen eines hochqualitativen und sehr genauen Bearbeitungsergebnisses bei einer hohen Geschwindigkeit optimal sind.
Außerdem wird in der vorstehend erwähnten herkömmlichen Technologie das Bearbeitungsergebnis nicht mit einer Zustandsgröße einer Bearbeitungsvorrichtung assoziiert. Folglich weist die herkömmliche Technologie ein Problem dahingehend auf, dass eine optimale Bearbeitungsbedingung nicht eingestellt wird, wenn sich die Zustandsgröße der Bearbeitungsvorrichtung ändert.
Außerdem werden zum Beispiel wulstartige Absonderungen (Schlacke) auf einer Vorder- und Rückseite in der Nähe eines Schnittabschnitts des durch die Laserbearbeitung geschnittenen Werkstücks gebildet. Es ist nicht leicht, ein Bearbeitungsergebnis, das ein Maß an Schlacke oder dergleichen umfasst, quantitativ zu bewerten. Auch wenn das Bearbeitungsergebnis zurückgekoppelt wird, ist es daher schwierig, die optimalen Laserbearbeitungsbedingungsdaten zu wissen.
Wie vorstehend beschrieben, umfassen die Laserbearbeitungsbedingungen viele Parameter, es bestehen viele Unklarheiten bezüglich des Einflusses des Zustands des Laserbearbeitungssystems auf das Bearbeitungsergebnis, und es bestehen Bearbeitungsergebnisse, die nicht einer quantitativen Bewertung unterzogen werden. Die Bearbeitungsbedingungen wurden bisher auf der Grundlage einer vergangenen Erfahrung, einer Bearbeitungsleistung, eines experimentellen Ergebnisses oder dergleichen bestimmt. Jedoch ist es nicht eindeutig, ob die bestimmte Bearbeitungsbedingung wirklich optimal ist. Die Bestimmung der Bearbeitungsbedingung wird durch die Erfahrung oder Fähigkeiten der Bedienperson beeinflusst. Außerdem besteht ein Problem dahingehend, dass eine lange Zeit und viele Arbeitsstunden beim Bestimmen der Bearbeitungsbedingung erforderlich sind.
Die vorliegende Erfindung wurde im Hinblick auf die vorstehende Situation vorgenommen, und hat eine Aufgabe, Folgendes bereitzustellen: eine Vorrichtung zum maschinellen Lernen, die Laserbearbeitungsbedingungsdaten bestimmen kann, die, auch wenn viele Laserbearbeitungsbedingungsparameter und viele Zustandsgrößen eines Laserbearbeitungssystems, die ein Laserbearbeitungsergebnis beeinflussen können, vorhanden sind, eine Erfassung eines optimalen oder im Wesentlichen optimalen Bearbeitungsergebnisses ermöglichen, um ein hochqualitatives und sehr genaues Bearbeitungsergebnis bei einer hohen Geschwindigkeit unter Berücksichtigung des Einflusses eines Zustands des Laserbearbeitungssystems auf das Laserbearbeitungsergebnis zu erzielen, ein Laserbearbeitungssystem, das die Vorrichtung zum maschinellen Lernen umfasst, und ein maschinelles Lernverfahren der Vorrichtung zum maschinellen Lernen.
Diese Aufgabe wird durch eine Vorrichtung für maschinelles Lernen zum Lernen von Laserbearbeitungsbedingungsdaten eines Laserbearbeitungssystems nach Anspruch 1 oder 2, ein Laserbearbeitungssystem nach Anspruch 5 sowie ein maschinelles Lernverfahren zum Lernen von Laserbearbeitungsbedingungsdaten nach einem der Ansprüche 18 bis 20 gelöst. Vorteilhafte Ausführungsformen sind in den Unteransprüchen angegeben.
Figurenliste
Diese Aufgaben, Merkmale und Vorteile und andere Aufgaben, Merkmale und Vorteile der vorliegenden Erfindung werden aus der nachstehenden ausführlichen Beschreibung der Ausführungsbeispiele der Erfindung in Verbindung mit den begleitenden Zeichnungen besser verstanden. Es zeigen:

1 ein Blockdiagramm, das eine konzeptuelle Ausgestaltung eines Laserbearbeitungssystems gemäß einer Ausführungsform der Erfindung darstellt;
2 ein Zeitdiagramm, das einen Zustand schematisch veranschaulicht, in dem Laserbearbeitungsbedingungsdaten aufgrund des Maßes des reflektierten Lichts umgeschaltet werden, um eine Wellenform einer optischen Ausgabe zu ändern;
3A ein erstes Ablaufdiagramm, das ein Beispiel einer Operation einer in 1 dargestellten Vorrichtung zum maschinellen Lernen veranschaulicht;
3B ein zweites Ablaufdiagramm, das ein Beispiel der Operation der in 1 dargestellten Vorrichtung zum maschinellen Lernen veranschaulicht;
4 ein Blockdiagramm, das eine konzeptuelle Ausgestaltung eines Laserbearbeitungssystems gemäß einer anderen Ausführungsform der Erfindung darstellt;
5A ein erstes Ablaufdiagramm, das ein Beispiel einer Operation einer in 4 dargestellten Vorrichtung zum maschinellen Lernen veranschaulicht;
5B ein zweites Ablaufdiagramm, das ein Beispiel der Operation der in 4 dargestellten Vorrichtung zum maschinellen Lernen veranschaulicht;
6 ein Zeitdiagramm, das schematisch einen Zustand veranschaulicht, in dem eine optische Ausgabe durch eine Steuervorrichtung reduziert wird, bis Laserbearbeitungsbedingungsdaten aufgrund des Maßes reflektierten Lichts umgeschaltet werden;
7 ein Diagramm, das ein Model von Neuronen veranschaulicht; und
8 ein Diagramm, das schematisch ein dreischichtiges neuronales Netzwerk veranschaulicht, das durch Kombinieren der in 7 dargestellten Neuronen ausgestaltet ist.

Ausführliche Beschreibung
Nachstehend werden eine Vorrichtung zum maschinellen Lernen, ein Laserbearbeitungssystem und ein maschinelles Lernverfahren gemäß den Ausführungsformen der vorliegenden Erfindung unter Bezugnahme auf die begleitenden Zeichnungen beschrieben. In den Zeichnungen werden gleichen Elementen ähnliche Bezugszeichen zugewiesen. Komponenten, denen ähnliche Bezugszeichen in verschiedenen Zeichnungen zugewiesen sind, weisen ähnliche Funktionen auf. Zum besseren Verständnis sind die Zeichnungen in geeigneter Weise hinsichtlich des Verkleinerungsmaßstabs geändert.
1 ist ein Blockdiagramm, das eine konzeptuelle Ausgestaltung eines Laserbearbeitungssystems 1 gemäß einer Ausführungsform der Erfindung darstellt. Das Laserbearbeitungssystem 1 gemäß der vorliegenden Ausführungsform umfasst: mindestens eine Laservorrichtung 2, die mindestens einen Laseroszillator umfasst; mindestens einen Bearbeitungskopf 3, der einen Laserstrahl 19 von der Laservorrichtung 2 zu einem Werkstück emittiert; mindestens eine Ausgangslicht-Detektionseinheit 4, die eine Lichtmenge des ausgegebenen Laserlichts 19 detektiert; mindestens eine Reflexionslicht-Detektionseinheit 5, die ein reflektiertes Licht detektiert, das von dem Bearbeitungskopf 3 emittiert wird und auf einer Oberfläche des Werkstücks 7 oder in der Nähe der Oberfläche reflektiert wird, so dass es zu der Laservorrichtung 2 über ein optisches System in dem Bearbeitungskopf 3 zurückkehrt; mindestens eine Bearbeitungsergebnis-Beobachtungseinheit 6, die einen Bearbeitungszustand und/oder ein Bearbeitungsergebnis des Werkstücks 7 während einer Laserbearbeitung und/oder nach der Laserbearbeitung beobachtet; mindestens eine Antriebsvorrichtung 8, die eine relative Positionsbeziehung zwischen dem Bearbeitungskopf 3 und dem Werkstück 7 ändert; und eine Vorrichtung 10 zum maschinellen Lernen. Die Vorrichtung zum maschinellen Lernen 10 umfasst eine Zustandsgrößen-Beobachtungseinheit 11, eine Operationsergebnis-Erfassungseinheit 12, eine Lerneinheit 13 und eine Entscheidungseinheit 14.
Die Lerneinheit 13 der Vorrichtung 10 zum maschinellen Lernen empfängt eine Ausgabe von der Zustandsgrößen-Beobachtungseinheit 11, die eine Zustandsgröße des Laserbearbeitungssystems 1 beobachtet, und eine Ausgabe von der Operationsergebnis-Erfassungseinheit 12, die ein Bearbeitungsergebnis des Laserbearbeitungssystems 1 erfasst, und lernt Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße und dem Bearbeitungsergebnis des Laserbearbeitungssystems 1. Dann trifft die Entscheidungseinheit 14 eine Entscheidung und gibt durch Bezugnahme auf die durch die Lerneinheit 13 gelernten Laserbearbeitungsbedingungsdaten Laserbearbeitungsbedingungsdaten an die Steuervorrichtung 9 aus.
Wenn zum Beispiel die Bearbeitungsergebnis-Beobachtungseinheit 6 eine Bewertungsvorrichtung ist, wie z.B. eine kontaktfreie Vorrichtung zum dreidimensionalen Messen, kann der Prozess, statt einer direkten Eingabe von Ausgabedaten von der Bearbeitungsergebnis-Beobachtungseinheit 6 an die Vorrichtung 10 zum maschinellen Lernen, durch eine Vorverarbeitungseinheit 18 durchgeführt werden, wie in 1 dargestellt. Zum Beispiel kann die Vorverarbeitungseinheit 18 eine schräg in Bezug auf eine Beobachtungsoberfläche erlangte dreidimensionale Form in eine dreidimensionale Form umwandeln, die von einer vertikalen Richtung in Bezug auf die Beobachtungsoberfläche gesehen wird, oder ein projiziertes Fremdobjekt von dreidimensionalen Formdaten in Volumendaten des projizierten Fremdobjekts umwandeln, um die beobachteten Daten in leicht durch die Vorrichtung 10 zum maschinellen Lernen verwendbare Daten umzuwandeln.
Eine Montageposition der Vorverarbeitungseinheit 18 ist nicht auf die in 1 dargestellte Position beschränkt. Zum Beispiel kann die Vorverarbeitungseinheit 18, um die Ausgabedaten von der Bearbeitungsergebnis-Beobachtungseinheit 6 vorzuverarbeiten, an einer Position montiert sein, durch die lediglich eine Ausgangssignalleitung der Bearbeitungsergebnis-Beobachtungseinheit 6 verläuft. Wenn die Operationsergebnis-Erfassungseinheit 12 oder die Zustandsgrößen-Beobachtungseinheit 11 eine ähnliche Vorverarbeitungsfunktion aufweist, ist die Vorverarbeitungseinheit 18 möglicherweise nicht bereitgestellt. Die Zustandsgrößen-Beobachtungseinheit 11 und die Operationsergebnis-Erfassungseinheit 12 bilden einen Funktionsblock, und es kann verstanden werden, dass ein Block beide Funktionen leistet.
Vorzugsweise beobachtet die Bearbeitungsergebnis-Beobachtungseinheit 6 automatisch den Bearbeitungszustand und/oder das Bearbeitungsergebnis des Werkstücks 7 während der Laserbearbeitung und/oder nach der Laserbearbeitung im Grunde ohne jeglichen menschlichen Eingriff. Wenn eine Automatisierung schwierig ist, Kosten hoch sind oder dergleichen, kann eine Person die Bearbeitungsergebnis-Beobachtungseinheit 6 bedienen, um eine Beobachtung durchzuführen, und ein Beobachtungsergebnis eingeben.
Die Antriebsvorrichtung 8 ändert die relative Positionsbeziehung zwischen dem Bearbeitungskopf 3 und dem Werkstück 7, wie vorstehend beschrieben. Daher kann die Antriebsvorrichtung 8 auf der Seite des Werkstücks 7, wie in 1 dargestellt, auf der Seite des Bearbeitungskopfs 3 oder sowohl auf der Seite des Werkstücks 7 und der Seite des Bearbeitungskopfes 3 bereitgestellt werden.
Als die Antriebsvorrichtung 8 kann im Allgemeinen eine Antriebsvorrichtung 8, die einen Linearmotor oder dergleichen verwendet, verwendet werden. Jedoch kann die Antriebsvorrichtung 8 ein Roboter sein, der das Werkstück 7 zu dem Bearbeitungskopf bewegt oder das Werkstück zu der Bearbeitungsergebnis-Beobachtungseinheit 6 hin lenkt, so dass eine Beobachtung einer bearbeiteten Schnittfläche erleichtert wird. Wenn das Werkstück 7 keine flache sondern eine dreidimensionale Form aufweist oder dergleichen, kann der Beobachtungskopf 3 an einer Hand des Roboters befestigt werden. In 1 sind ein Bearbeitungsbett und die zwischen der Antriebsvorrichtung 8 und dem Werkstück 7 oder dem Bearbeitungskopf 3 bereitgestellte Roboterhand weggelassen. Eine Struktur zum Unterstützen der Antriebsvorrichtung 8 oder des Bearbeitungskopfs 3 ist ebenfalls weggelassen.
Der Bearbeitungszustand und/oder das Bearbeitungsergebnis des Werkstücks 7 während der Laserbearbeitung und/oder nach der Laserbearbeitung werden durch die Bearbeitungsergebnis-Beobachtungseinheit 6 beobachtet. Dann werden Laserbearbeitungsbedingungsdaten in Verbindung mit Zustandsgrößen des Laserbearbeitungssystems 1, die eine Zustandsgröße des Laserbearbeitungssystems 1 umfassen, die während der Laserbearbeitung aufgrund einer Emission eines Laserstrahls 19 geändert wird, und dem Bearbeitungsergebnis der Laserbearbeitung maschinell gelernt. Dementsprechend kann eine Bearbeitung ohne jeglichen menschlichen Eingriff oder mit einem minimalen menschlichen Eingriff immer unter einer optimalen oder einer im Wesentlichen optimalen Laserbearbeitungsbedingung, unabhängig von einem Zustand des Laserbearbeitungssystems 1, durchgeführt werden und ein hochqualitatives Bearbeitungsergebnis kann stabil erzielt werden.
Das Laserbearbeitungssystem 1 umfasst mindestens eine Laservorrichtung 2 und die Laservorrichtung 2 umfasst mindestens einen Laseroszillator. Es bestehen keine Einschränkungen bezüglich der Arten von Laseroszillatoren. Ein Kohlendioxidlaser, ein Festkörperlaser, der einen YAG-Kristall oder dergleichen als ein Anregungsmedium verwendet, ein Glasfaserlaser, der eine optische Faser als ein Anregungsmedium verwendet, oder ein direkter Diodenlaser, der das Laserlicht 19 von einer Laserdiode direkt verwendet, können verwendet werden. Die Steuervorrichtung 9 gibt einen Befehl an eine Leistungsquelleneinheit der Laservorrichtung 2 aus, um einen Antriebsstrom oder eine Antriebsleistung, der/die für jeden Laseroszillator geeignet ist, an den Laseroszillator zu liefern. Die Leistungsquelleneinheit ist hier in der Laservorrichtung 2 bereitgestellt, aber nicht in 1 dargestellt. Jedoch ist die Montagestelle der Leistungsquelleneinheit nicht auf die Laservorrichtung 2 beschränkt.
In 1 repräsentiert ein gestrichelter Pfeil simulierend Strahlen des Laserlichtes 19. Ohne Beschränkung auf einen sich durch einen Raum ausbreitenden Strahl sind jedoch zum Beispiel Strahlen, die einen sich durch die optische Faser oder dergleichen ausbreitenden Strahl umfassen, simulierend dargestellt. Vorzugsweise umfasst der Bearbeitungskopf 3 ein optisches System, das derart ausgebildet ist, dass es den von dem Bearbeitungskopf 3 emittierten Laserstrahl 19 ungefähr auf der Oberfläche des Werkstücks 7 fokussiert.
In 1 ist die Reflexionslicht-Detektionseinheit 5 in dem Bearbeitungskopf 3 montiert. Jedoch kann die Reflexionslicht-Detektionseinheit 5 in einem beliebigen der Lichtausbreitungspfade in der Laservorrichtung 2, oder sowohl in Lichtausbreitungspfaden in dem Bearbeitungskopf 3 als auch der Laservorrichtung 2 montiert sein. Wenn sich ein Licht durch den Raum ausbreitet, kann zum Beispiel ein durch einen halbdurchlässigen Spiegel abgezweigtes Licht durch die Reflexionslicht-Detektionseinheit 5 detektiert werden. Wenn sich das Licht durch die optische Faser ausbreitet, kann zum Beispiel eine optische Ausgabe von einem Endstück der optischen Faser, die unter Verwendung einer optischen Verzweigvorrichtung abgezweigt wird, durch die Reflexionslicht-Detektionseinheit 5 detektiert werden. Aus einer Ummantelung der optischen Faser austretendes Licht kann durch die Reflexionslicht-Detektionseinheit 5 detektiert werden. Eine Methode, wie das reflektierte Licht in die Reflexionslicht-Detektionseinheit 5 eingegeben wird, unterliegt dadurch keinen Einschränkungen.
Wenn mehrere Laservorrichtungen 2 vorhanden sind, können, obwohl dies nicht in 1 dargestellt ist, mehrere Laserlichter 19 durch einen optischen Koppler kombiniert werden. Wenn mehrere Laseroszillatoren in der Laservorrichtung 2 vorhanden sind, können gleichermaßen Lichter durch den optischen Koppler kombiniert werden, und als ein Laserstrahl ausgegeben zu werden.
2 ist ein Zeitdiagramm, das einen Zustand schematisch veranschaulicht, in dem Laserbearbeitungsbedingungsdaten aufgrund des Maßes des reflektierten Lichts umgeschaltet werden, um eine Wellenform der optischen Ausgabe zu ändern. Wenn beim Bearbeiten des Werkstücks 7 auf der Grundlage von gegebenen Laserbearbeitungsbedingungsdaten 1, wie in 2 dargestellt, das Maß des durch die Reflexionslicht-Detektionseinheit 5 detektierten und als eine der Ausgaben von der Operationsergebnis-Erfassungseinheit 12 empfangenen reflektierten Lichts einen zweiten vorgegebenen Pegel übersteigt, der niedriger eingestellt ist als ein erster vorgegebener Pegel, der niedriger eingestellt ist als ein Alarmpegel, welcher anzeigt, dass mindestens eines von dem Bearbeitungskopf 3, der Laservorrichtung 2 und einer optischen LaserlichtAusbreitungskomponente zwischen dem Bearbeitungskopf 3 und der Laservorrichtung 2 durch das reflektierte Licht beschädigt werden kann, ändert die Lerneinheit die Laserbearbeitungsbedingungsdaten davon zu anderen Laserbearbeitungsbedingungsdaten 2 durch Bezugnahme auf die gelernten Laserbearbeitungsbedingungsdaten.
Andere Laserbearbeitungsbedingungsdaten 2 sind vorzugsweise Laserbearbeitungsbedingungsdaten, bei denen das Maß des durch die Reflexionslicht-Detektionseinheit 5 detektierten reflektierten Lichts nicht den zweiten vorgegebenen Pegel überteigt und bei denen vorhergesagt wird, dass ein Bearbeitungsergebnis, das nah an einem Bearbeitungsergebnis auf der Grundlage der vorstehend erwähnten gegebenen Laserbearbeitungsbedingungsdaten 1 innerhalb einer zulässigen Toleranz liegt, erzielt wird.
In dem in 2 dargestellten Beispiel wird das Licht hinsichtlich der Wellenform der Ausgabe von einem Dauerstrichlicht auf jenes geändert, wo ein gepulstes Licht dem Dauerstrichlicht überlagert wird. Jedoch sind die Signalverläufe der Ausgabe des Laserlichts 19 vor und nach dem Umschalten der Laserbearbeitungsbedingungsdaten nicht auf jene in 2 dargestellten beschränkt. Anstatt die Ausgangswellenform als die Laserbearbeitungsbedingungsdaten zu ändern, kann eine Brennpunktposition des Laserstrahls 19 von einer Oberfläche des Werkstücks 7 getrennt werden, oder sowohl die Ausgangswellenform des Lasers als auch die Brennpunktposition des Laserstrahls 19 können geändert werden. Eine beliebige von steuerbaren Laserbearbeitungsbedingungen kann geändert werden.
Bevor der Pegel des reflektierten Lichts von der Oberfläche des Werkstücks 7 den Alarmpegel erreicht, wird eine Bedingung auf eine Bedingung geändert, bei der das reflektierte Licht reduziert ist und bei der durch Bezugnahme auf das Lernergebnis der Lerneinheit 13 vorhergesagt wird, dass das im Wesentlichen ähnliche Bearbeitungsergebnis erzielt wird. Daher kann die Bearbeitung fortgesetzt werden, während verhindert wird, dass die Laservorrichtung 2, der Bearbeitungskopf 3 oder dergleichen beschädigt wird.
Die durch die Zustandsgrößen-Beobachtungseinheit 11 beobachtete Zustandsgröße kann mindestens eines der Folgenden umfassen: Charakteristiken der optischen Ausgabe der Laservorrichtung 2, die eine Beziehung zwischen einem Befehl zur optischen Ausgabe von der Steuervorrichtung 9 und einer von der Laservorrichtung 2 tatsächlich emittierten optischen Ausgabe anzeigen; eine optische Ausgabe, die von der Laservorrichtung 2 emittiert wird; ein Verhältnis einer optischen Ausgabe, die von dem Bearbeitungskopf 3 emittiert wird, zu der optischen Ausgabe von der Laservorrichtung 2 (Transmissionsgrad); eine Temperatur eines Abschnitts, der mit dem Laseroszillator in der Laservorrichtung 2 thermisch verbunden ist; Temperaturen von Abschnitten, die eine Komponente umfassen, die aufgrund einer Laseroszillation in der Laservorrichtung 2 eine Temperaturänderung erfährt; eine Temperatur des Bearbeitungskopfs 3; eine Temperatur des optischen Systems, das das Laserlicht 19 von der Laservorrichtung 2 zu dem Bearbeitungskopf 3 propagiert; eine Temperatur der Antriebsvorrichtung 8; eine Temperatur einer Strukturkomponente, die den Bearbeitungskopf 3 oder die Antriebsvorrichtung 8 stützt; eine Art, eine Temperatur und eine Durchflussrate von Fluiden zum Kühlen der Komponente, die aufgrund der Laseroszillation eine Temperaturerhöhung erfährt; eine Temperatur und Feuchtigkeit von Luft in der Laservorrichtung 2; eine Umgebungstemperatur und Feuchtigkeit um die Laservorrichtung 2 herum; einen tatsächlichen Strom eines Antriebsmotors der Antriebsvorrichtung 8; eine Ausgabe von einer Positionsdetektionseinheit der Antriebsvorrichtung 8; und Größen, die eine Dicke, eine Materialqualität, spezifische Wärme, eine Dichte, Wärmeleitfähigkeit, eine Temperatur und einen Oberflächenzustand des Werkstücks 7 umfassen.
Die von der Laservorrichtung 2 emittierte optische Ausgabe kann durch eine Ausgabe von der Ausgangslicht-Detektionseinheit 4 erlangt werden. Jedoch ist die Montage der Ausgangslicht-Detektionseinheit 4 nicht auf den Bearbeitungskopf 3, wie in 1 dargestellt, beschränkt. Die Ausgangslicht-Detektionseinheit 4 kann in der Laservorrichtung 2 oder auf halbem Wege zwischen der Laservorrichtung 2 und dem Bearbeitungskopf 3 montiert werden. Die Ausgangslicht-Detektionseinheit 4 kann an einer Position montiert werden, an der das Maß des durch den optischen Koppler kombinierten Laserlichts 19 detektiert wird. Wenn mehrere unabhängig voneinander ansteuerbare Laseroszillatoren vorhanden sind, werden Ausgangslicht-Detektionseinheiten 4 vorzugsweise entsprechend den jeweiligen Laseroszillatoren derart bereitgestellt, dass sie gleichzeitig Charakteristiken der optischen Ausgabe der Laseroszillatoren messen.
Eine Temperatur, eine Feuchtigkeit und eine Durchflussrate jedes Abschnitts kann durch einen Temperaturdetektor, einen Feuchtigkeitsdetektor und einen Durchflussmesser beobachtet werden. Durch Beobachten des tatsächlichen Stroms des Antriebsmotors der Antriebsvorrichtung 8 und der Ausgabe von der Positionsdetektionseinheit der Antriebsvorrichtung 8 können Laserbearbeitungsbedingungsdaten, die Antriebsbedingungsdaten für ein Durchführen eines genauen Antreibens mit einer minimalen Überschreitung oder dergleichen während einer schnellen Beschleunigung oder Verlangsamung umfassen, gelernt werden.
Daten, die sich auf die Größen beziehen, die eine Dicke, eine Materialqualität, spezifische Wärme, eine Dichte, Wärmeleitfähigkeit und dergleichen des Werkstücks 7 umfassen, können mithilfe eines menschlichen Eingriffs oder durch automatisches Auslesen eines Strichcodes, der erforderliche Informationen aufzeichnet, eingegeben werden. Die Dicke des Werkstücks 7 kann durch eine Dickenmessvorrichtung automatisch gemessen werden. Die Materialqualität des Werkstücks 7 kann durch Analysieren eines Plasmalichts, das gegenwärtig bei der Laserbearbeitung eingesetzt wird, durch eine Plasmaspektrum-Analyseeinrichtung geschätzt werden.
Wärmecharakteristiken des Werkstücks 7, wie z.B. spezifische Wärme, eine Dichte und Wärmeleitfähigkeit, können geschätzt werden, indem das Werkstück auf eine gepulste Weise durch den Laserstrahl 19 oder dergleichen erwärmt wird, um eine Temperaturänderung oder eine Wärmeausbreitung durch eine Infrarotabbildungsvorrichtung oder dergleichen zu beobachten. Eine Temperatur und ein Oberflächenzustand des Werkstücks 7 können ebenfalls durch die Infrarotabbildungsvorrichtung oder dergleichen beobachtet werden. Außerdem kann nicht nur die Temperatur des Werkstücks 7 vor dem Beginn der Laserbearbeitung, sondern auch eine Temperatur eines bearbeiteten Abschnitts, der gegenwärtig einer Laserbearbeitung unterzogen wird, oder eine Temperatur eines Abschnitts in der Nähe des bearbeiteten Abschnitts als eine der Zustandsgrößen des Laserbearbeitungssystems 1 erlangt werden.
Gemäß der vorliegenden Erfindung kann ein Unterschied zwischen Bearbeitungsergebnissen, die durch einen Unterschied zwischen Zuständen des Laserbearbeitungssystems 1 verursacht werden, gelernt werden, ohne übersehen zu werden, indem viele Zustandsgrößen, die Zustände des Laserbearbeitungssystems 1 repräsentieren, beobachtet werden. Wenn sich der Zustand des Laserbearbeitungssystems 1 aufgrund von Wärmeerzeugung oder dergleichen während der Laserbearbeitung ändert, können im Wesentlichen optimale Laserbearbeitungsbedingungsdaten, die die Änderung umfassen, ausgegeben werden. Daher kann eine Reduzierung der Bearbeitungsgenauigkeit oder Bearbeitungsqualität, die durch die Änderung des Zustands des Laserbearbeitungssystems 1 verursacht wird, verhindert werden.
Die von der Entscheidungseinheit ausgegebenen Laserbearbeitungsbedingungsdaten können mindestens eines der Folgenden umfassen: eine optische Ausgabe, eine optische Ausgangswellenform, einen Strahlmodus und eine Laserwellenlänge des von der Laservorrichtung 2 emittierten Laserstrahls 19; eine Brennweite, einen F-Wert, und einen Transmissionsgrad des optischen Systems, das den Laserstrahl 19 emittiert; eine relative Positionsbeziehung, die eine zeitliche Änderung zwischen einem Brennpunkt des zu dem Werkstück 7 emittierten Laserstrahls 19 und einer bearbeiteten Fläche des Werkstücks 7; eine Spotgröße, eine Leistungsdichte, und eine Leistungsdichteverteilung des zu dem Werkstück 7 emittierten Laserstrahls 19 auf der bearbeiteten Fläche des Werkstücks 7; eine relative Positionsbeziehung, die eine zeitliche Änderung zwischen dem Bearbeitungskopf 3 und dem Werkstück 7 umfasst; einen Winkel, der zwischen einer optischen Achse des Laserstrahls 19 und der bearbeiteten Fläche des Werkstücks 7 gebildet wird; eine Bearbeitungsgeschwindigkeit; und eine Art und eine Durchflussrate oder einen Zufuhrdruck eines Hilfsgases.
Für die Laserwellenlänge kann eine Laservorrichtung 2 mit variabler Wellenlänge verwendet werden. Jedoch sind mehrere Laservorrichtungen 2, die sich bezüglich der Wellenlänge unterscheiden, vorhanden und eine Laserwellenlänge kann durch Auswählen einer zu verwendenden Laservorrichtung 2 geändert werden. Ein Strahlmodus kann geändert werden, indem eine von den mehreren Laservorrichtungen 2 oder einer von den mehreren Bearbeitungsköpfen 3 geeignet ausgewählt wird, und der Strahlmodus kann auch unter Verwendung eines optischen System mit einem variablen Modus geändert werden.
Außerdem kann auf der Grundlage einer Änderung der Brennweite eines Zoom-Objektivsystems in dem Bearbeitungskopf 3 eine Änderung der Krümmung einer adaptiven Optik (AO) oder dergleichen, der Brennweite oder des F-Wertes des optischen Systems, das den Laserstrahl 19 emittiert, geändert werden. Die relative Positionsbeziehung, die zeitliche Änderung zwischen dem Brennpunkt des zu dem Werkstück 7 emittierten Laserstrahls 19 und der bearbeiteten Oberfläche des Werkstücks 7 umfasst, kann durch Bewegen des Bearbeitungskopfs 3 und durch Ändern der Brennweite des optischen Systems geändert werden, wie vorstehend beschrieben.
Die Spotgröße, die Leistungsdichte, und die Leistungsdichteverteilung des zu dem Werkstücks 7 emittierten Laserstrahls 19 auf der bearbeiteten Oberfläche des Werkstücks 7 können durch Ändern des Strahlmodus, der Brennweite oder des F-Wertes des optischen Systems, oder der relativen Positionsbeziehung zwischen dem Brennpunkt des Laserstrahls 19 und der bearbeiteten Oberfläche des Werkstücks 7, wie vorstehend beschrieben, geändert werden.
Die vorstehenden Laserbearbeitungsbedingungsdaten sind nicht auf einen zeitfesten Wert beschränkt, sondern es können zeitlich veränderliche Daten eingesetzt werden. Zum Beispiel kann, wie vorstehend beschrieben, durch Bewegen des Bearbeitungskopfs 3 oder auf der Grundlage der Änderung der Brennweite des Zoom-Objektivsystems in dem Bearbeitungskopf 3, der Änderung der Krümmung der adaptiven Optiken (AO) oder dergleichen die Laserbearbeitung durchgeführt werden, während eine Entfernung zwischen der Oberfläche des zu bearbeitenden Werkstücks und dem Brennpunkt des Laserstrahls geändert wird.
Die Bearbeitungsgeschwindigkeit, die eine zeitliche Änderung der relativen Positionsbeziehung zwischen dem Bearbeitungskopf 3 und dem Werkstück 7 repräsentiert, ist nicht auf eine feste Geschwindigkeit beschränkt, sondern es kann eine Bearbeitungsgeschwindigkeit bereitgestellt werden, die ein von einer Beschleunigung begleiteter Vektor ist. Wenn zum Beispiel eine Bearbeitung eines Eckenabschnitts, in dem sich eine Bearbeitungsrichtung steil ändert, durchgeführt wird, können Laserbearbeitungsbedingungsdaten, die einen Befehl zum Ändern einer Bearbeitungsgeschwindigkeit in der Nähe der Ecke umfassen, ausgegeben werden. Durch Steuern vieler Bearbeitungsbedingungsparameter kann ein im Wesentlichen ideales Bearbeitungsergebnis oder ein Bearbeitungsergebnis nah an einem Bearbeitungszielergebnis erzielt werden.
Die Lernvorrichtung 13 umfasst ein Lernmodell zum Lernen verschiedener Laserbearbeitungsbedingungsdaten auf der Grundlage von Inhalten der Laserbearbeitung, wie z.B. Schneiden, Schweißen, Markieren, Oberflächenmodifizieren, additives Fertigen oder dergleichen. Die Lerneinheit 13 umfasst ferner eine Fehlerberechnungseinheit 15, die einen Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und durch die Operationsergebnis-Erfassungseinheit 12 erlangt wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, berechnet, und eine Lernmodell-Aktualisierungseinheit 16, die das Lernmodell gemäß dem Unterschied aktualisiert.
Wenn ein Maß des reflektierten Lichts, das durch die Reflexionslicht-Detektionseinheit 5 detektiert und als eine der Ausgaben von der Operationsergebnis-Erfassungseinheit 12 empfangen wird, einen zweiten vorgegebenen Pegel während einer Bearbeitung des Werkstücks 7 auf der Grundlage von gegebenen Laserbearbeitungsbedingungsdaten übersteigt, gibt die Fehlerberechnungseinheit 15 ein Berechnungsergebnis aus, welches anzeigt, dass ein vorgegebener Unterschied zwischen dem Bearbeitungsergebnis der Laserbearbeitungsbedingungsdaten aufgetreten ist. Dann aktualisiert die Lernmodell-Aktualisierungseinheit 16 das Lernmodell gemäß dem Berechnungsergebnis.
Wenn andere Bearbeitungsergebnisse ähnlich sind, ist es umso besser, je höher eine Bearbeitungsgeschwindigkeit oder je kürzer eine Bearbeitungszeit zum Vervollständigen eines vorgegebenen Bearbeitungsprozesses ist. Dementsprechend wird der Unterschied zwischen dem Laserbearbeitungsergebnis, das die Bearbeitungsgeschwindigkeit oder die für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst, und dem im Wesentlichen idealen Bearbeitungsergebnis oder dem Bearbeitungszielergebnis, das für jeden Laserbearbeitungsinhalt eingestellt ist, berechnet, und das Lernmodell wird aktualisiert, so dass der Unterschied reduziert wird. Daher können, unabhängig von Laserbearbeitungsinhalten, für jeden Laserbearbeitungsinhalt optimale oder im Wesentlichen optimale Laserbearbeitungsbedingungsdaten, die eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfassen, mithilfe überwachten Lernens gelernt werden. Gemäß der vorliegenden Erfindung können eine Eingabe (Laserbearbeitungsbedingungsdaten und Zustandsgröße des Laserbearbeitungssystems 1) und eine Ausgabe (Bearbeitungsergebnis der Laserbearbeitung) als ein Paar bereitgestellt werden, und daher ist das überwachte Lernen geeignet. Jedoch ist in der vorliegenden Erfindung ein Lernverfahren nicht auf das überwachte Lernen beschränkt. Andere konkrete Lernverfahren werden nachstehend beschrieben.
Wenn eine Fehlerverteilung, bei der eine Bearbeitungsgeschwindigkeit niedrig ist oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit lang ist, groß eingestellt wird, werden Laserbearbeitungsbedingungsdaten gelernt, wobei die Bearbeitungsgeschwindigkeit von Bedeutung ist. Wenn dagegen eine Fehlerverteilung, bei der eine Bearbeitungsgeschwindigkeit niedrig ist oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit lang ist, klein eingestellt wird, werden Laserbearbeitungsbedingungsdaten gelernt, wobei die Bearbeitungsqualität von Bedeutung ist. Auch für denselben Bearbeitungsinhalt können daher mehrere Lernmodelle, bei denen eine Fehlerverteilung bezüglich einer Bearbeitungsgeschwindigkeit oder einer für eine vorgegebene Bearbeitung aufgewendeten Zeit variiert, bereitgestellt werden.
Wenn das Maß des reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt, gibt außerdem die Fehlerberechnungseinheit 15 ein Berechnungsergebnis aus, welches anzeigt, dass ein vorgegebener Unterschied zwischen den Bearbeitungsergebnissen der Laserbearbeitungsbedingungsdaten aufgetreten ist. Dementsprechend kann die Lerneinheit 3 Laserbearbeitungsbedingungsdaten lernen, bei denen das Maß des reflektierten Lichts den zweiten vorgegebenen Pegel nicht übersteigt.
Dann wird ein Beispiel einer Operation der Vorrichtung 10 zum maschinellen Lernen, die in dem Laserbearbeitungssystem 1 gemäß der vorliegenden Ausführungsform aufgenommen ist, beschrieben. 3A und 3B sind Ablaufdiagramme, die ein Beispiel der Operation der in 1 dargestellten Vorrichtung 10 zum maschinellen Lernen veranschaulichen.
Wie in 3A und 3B dargestellt, wird in der in 1 dargestellten Vorrichtung 10 zum maschinellen Lernen, wenn eine Lernoperation (ein Lernprozess) begonnen wird, zunächst bei Schritt S101 bestimmt, ob ein Laserbearbeitungsbefehl an das Laserbearbeitungssystem 1 vorhanden ist. Wenn ein Laserbearbeitungsbefehl vorhanden ist, überprüft bei Schritt S102 die Vorrichtung 10 zum maschinellen Lernen einen Bearbeitungsinhalt: Schneiden, Schweißen oder dergleichen. Dann liest bei Schritt S103 die Vorrichtung 10 zum maschinellen Lernen ein im Wesentlichen ideales Bearbeitungsergebnis oder ein Bearbeitungszielergebnis, das für jeden Bearbeitungsinhalt eingestellt ist, aus. Bei Schritt S104 entscheidet die Vorrichtung 10 zum maschinellen Lernen und gibt Laserbearbeitungsbedingungsdaten aus, indem auf eine jüngste Zustandsgröße des Laserbearbeitungssystems 1, die von der Zustandsgrößen-Beobachtungseinheit 11 empfangen wird, und ein Lernmodell, das einem Laserbearbeitungsinhalt entspricht, Bezug genommen wird. Dann gibt bei Schritt S105 die Steuervorrichtung 9 auf der Grundlage der Laserbearbeitungsbedingungsdaten ein Steuersignal aus, das einen Befehl zur optischen Ausgabe an die Laservorrichtung 2 an jeden Abschnitt des Laserbearbeitungssystems 1 umfasst, und der Laserstrahl 19 wird von der Laservorrichtung 2 emittiert, um eine Laserbearbeitung durchzuführen.
Bei Schritt S106 wird während der Laserbearbeitung, als ein in Echtzeit rückgekoppeltes Bearbeitungsergebnis, ein Maß des reflektierten Lichts durch die Reflexionslicht-Detektionseinheit 5 beobachtet, um zu überwachen, dass das detektierte Maß des reflektierten Lichts den zweiten vorgegebenen Pegel nicht übersteigt. Bei Schritt S107 wird bestimmt, ob die Ausführung der Laserbearbeitungsbedingungsdaten von der Einheit 13 zum maschinellen Lernen vervollständigt wurde, und wenn sie nicht vervollständigt wurde, kehrt der Prozess zu Schritt S105 zurück, um den Laserstrahl 19 kontinuierlich bis zur Vervollständigung der Ausführung der Laserbearbeitungsbedingungsdaten zu emittieren, wodurch die Laserbearbeitung fortgesetzt wird.
Wenn dagegen bestimmt wird, dass die Ausführung der Laserbearbeitungsbedingungsdaten vervollständigt wurde, wird bei Schritt S108 ein von der Bearbeitungsergebnis-Beobachtungseinheit 6 ausgegebenes Bearbeitungsergebnis der Laserbearbeitung empfangen. Dann berechnet bei Schritt S109 die Fehlerberechnungseinheit 15 einen Unterschied zwischen einem Bearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und von der Bearbeitungsergebnis-Beobachtungseinheit 6 erlangt wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst. Anschließend wird bei Schritt S110 das Lernmodell gemäß einem Berechnungsergebnis des Unterschieds aktualisiert. Der Prozess kehrt dann zu Schritt S101 zurück, um den Ablauf des Schritts S101 und der folgenden Schritte erneut auszuführen.
Wenn bei Schritt S106 bestimmt wird, dass das Maß des reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt, wird bei Schritt S111 ein Berechnungsergebnis von der Fehlerberechnungseinheit 15 ausgegeben, welches anzeigt, dass ein vorgegebener Unterschied aufgetreten ist. Bei Schritt S112 wird das Lernmodell gemäß dem Unterschied aktualisiert. Dann kehrt der Prozess zu Schritt S104 zurück, um nächste Laserbearbeitungsbedingungsdaten auszugeben.
Durch Wiederholen des vorstehenden Prozesses von Schritten S101 bis S112 aktualisiert die Lerneinheit 13 kontinuierlich das Lernmodell, um die Laserbearbeitungsbedingungsdaten zu lernen. Eine zulässige Bearbeitungsqualität kann anstelle des im Wesentlichen idealen Bearbeitungsergebnisses oder des Bearbeitungszielergebnisses eingestellt werden, und es kann berechnet werden, dass kein Unterschied in der Bearbeitungsqualität vorhanden ist, wenn die Bearbeitungsqualität größer gleich der zulässigen Bearbeitungsqualität ist. Dementsprechend können Laserbearbeitungsbedingungsdaten einer möglichst hohen Bearbeitungsgeschwindigkeit innerhalb einer Toleranz gelernt werden, die größer gleich der zulässigen Bearbeitungsqualität ist. Wie vorstehend beschrieben, ist das Lernmodell nicht auf einen Typ beschränkt.
4 ist ein Blockdiagramm, das eine konzeptionelle Ausgestaltung eines Laserbearbeitungssystems gemäß einer anderen Ausführungsform der Erfindung darstellt. Wie in 4 dargestellt, umfasst eine Lerneinheit 13 eine Belohnungsberechnungseinheit 20 und eine Wertfunktions-Aktualisierungseinheit 21, die eine Wertfunktion gemäß einer Belohnung aktualisiert. Eine Wertfunktion, die einen Wert von Laserbearbeitungsbedingungsdaten auf der Grundlage eines Laserbearbeitungsinhalts, wie z.B. Schneiden, Schweißen, Markieren, Oberflächenmodifizieren, additives Fertigen oder dergleichen, definiert, wird auf eine solche Weise bereitgestellt, dass ihr Inhalt von einem Laserbearbeitungsinhalt zu einem anderen variiert.
Die Belohnungsberechnungseinheit 20 stellt, wenn ein Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und durch eine Operationsergebnis-Erfassungseinheit 12 erlangt wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, klein ist, eine Plusbelohnung gemäß einer kleinen Größe davon bereit, und wenn der Unterschied groß ist, stellt sie eine Minusbelohnung gemäß einer großen Größe davon bereit.
Wenn in diesem Fall ein Maß des reflektierten Lichts, der durch die Reflexionslicht-Detektionseinheit 5 detektiert und als eine der Ausgaben von der Operationsergebnis-Erfassungseinheit 12 empfangen wird, einen zweiten vorgegebenen Pegel während einer Bearbeitung eines Werkstücks 7 auf der Grundlage einer gegebenen Laserbearbeitungsbedingung übersteigt, stellt vorzugsweise die Belohnungsberechnungseinheit 20 eine vorgegebene Minusbelohnung bereit, und die Wertfunktions-Aktualisierungseinheit 21 aktualisiert die Wertfunktion gemäß der vorgegebenen Minusbelohnung.
4 veranschaulicht ein Beispiel des Laserbearbeitungssystems 1, auf welches ein Verstärkungslernen angewendet wird. Wie aus einem Vergleich mit 1 verstanden werden kann, umfasst das in 4 dargestellte Laserbearbeitungssystem 1, auf welches das Verstärkungslernen angewendet wird, keine Aufzeichnungseinheit 17 von an ein(e) Ergebnis (Kennzeichnung) verbundenen Daten. Eine Vorrichtung 10 zum maschinellen Lernen im Laserbearbeitungssystem 1, auf welches das Verstärkungslernen angewendet wird, umfasst eine Zustandsgrößen-Beobachtungseinheit 11, eine Operationsergebnis-Erfassungseinheit 12, die Lerneinheit 13, und eine Entscheidungseinheit 14, und die Lerneinheit 13 umfasst die Belohnungsberechnungseinheit 20, und die Wertfunktions-Aktualisierungseinheit 21.
Wenn andere Bearbeitungsergebnisse ähnlich sind, ist es, wie im Fall des überwachten Lernens, umso besser, je höher eine Bearbeitungsgeschwindigkeit oder je kürzer eine Bearbeitungszeit zum Vervollständigen eines vorgegebenen Bearbeitungsprozesses ist. Wenn ein Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, klein ist, wird dementsprechend eine Plusbelohnung gemäß einer kleinen Größe davon bereitgestellt, und wenn der Unterschied groß ist, wird eine Minusbelohnung gemäß einer großen Größe davon bereitgestellt. Daher können, unabhängig von Laserbearbeitungsinhalten, für jeden Laserbearbeitungsinhalt optimale oder im Wesentlichen optimale Laserbearbeitungsbedingungsdaten, die eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfassen, mithilfe eines Verstärkungslernens gelernt werden.
Wie vorstehend beschrieben, ist als das Lernverfahren der Vorrichtung 10 zum maschinellen Lernen gemäß der vorliegenden Erfindung das überwachte Lernen geeignet, bei dem ein großes Volumen von Eingabe- und Ausgabepaaren (an eine Kennzeichnung geknüpften Daten) bereitgestellt wird. Das Verstärkungslernen weist ein Merkmal des Entdeckens von unbekannten Lernbereichen auf. Durch Durchführen des Verstärkungslernens bei einer hinreichend gelernten Stufe können dementsprechend mehr Laserbearbeitungsbedingungen, die für eine Laserzielbearbeitung geeignet sind, in den bis dahin unbekannten Bedingungsbereichen gefunden werden.
Wenn eine große Belohnung im Fall einer hohen Bearbeitungsgeschwindigkeit oder einer kurzen, für eine vorgegebene Bearbeitung aufgewendeten Zeit eingestellt wird, werden Laserbearbeitungsbedingungsdaten gelernt, bei denen die Bearbeitungsgeschwindigkeit von Bedeutung ist. Wenn dagegen eine kleine Minusbelohnung im Fall einer niedrigen Bearbeitungsgeschwindigkeit oder einer langen, für eine vorgegebene Bearbeitung aufgewendeten Zeit eingestellt wird, werden Laserbearbeitungsbedingungsdaten gelernt, bei denen die Bearbeitungsqualität von Bedeutung ist. Auch für denselben Bearbeitungsinhalt können daher mehrere Wertfunktionen, die hinsichtlich der Belohnung in Bezug auf die Bearbeitungsgeschwindigkeit oder die für eine vorgegebene Bearbeitung aufgewendete Zeit verschieden sind, bereitgestellt werden.
Wenn das Maß des reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt, stellt die Belohnungsberechnungseinheit 20 eine vorgegebene Minusbelohnung bereit. Dementsprechend kann die Lerneinheit 13 Laserbearbeitungsbedingungsdaten lernen, bei denen das Maß des reflektierten Lichts den zweiten vorgegebenen Pegel nicht übersteigt.
5A und 5B sind Ablaufdiagramme, die ein Beispiel der Operation der in 4 dargestellten Vorrichtung 10 zum maschinellen Lernen veranschaulichen. Wie in 5A und 5B dargestellt, wird in der in 4 dargestellten Vorrichtung 10 zum maschinellen Lernen, wenn eine Lernoperation (ein Lernprozess) begonnen wird, zunächst bei Schritt S201 bestimmt, ob ein Laserbearbeitungsbefehl an das Laserbearbeitungssystem 1 vorhanden ist. Wenn ein Laserbearbeitungsbefehl vorhanden ist, überprüft bei Schritt S202 die Vorrichtung 10 zum maschinellen Lernen einen Bearbeitungsinhalt: Schneiden, Schweißen oder dergleichen. Dann liest bei Schritt S203 die Vorrichtung 10 zum maschinellen Lernen ein im Wesentlichen ideales Bearbeitungsergebnis oder ein Bearbeitungszielergebnis, das für jeden Laserbearbeitungsinhalt eingestellt ist, aus. Bei Schritt S204 entscheidet die Vorrichtung 10 zum maschinellen Lernen und gibt Laserbearbeitungsbedingungsdaten aus, indem auf eine jüngsten Zustandsgröße des Laserbearbeitungssystems 1, die von der Zustandsgrößen-Beobachtungseinheit 11 empfangen wird, und eine Wertfunktion, die einem Laserbearbeitungsinhalt entspricht, Bezug genommen wird. Dann gibt bei Schritt S205 die Steuervorrichtung 9 auf der Grundlage der Laserbearbeitungsbedingungsdaten ein Steuersignal aus, das einen Befehl zur optischen Ausgabe an die Laservorrichtung 2 an jeden Abschnitt des Laserbearbeitungssystems 1 umfasst, und der Laserstrahl 19 wird von der Laservorrichtung 2 emittiert, um eine Laserbearbeitung durchzuführen.
Bei Schritt S206 wird während der Laserbearbeitung, als ein in Echtzeit rückgekoppeltes Bearbeitungsergebnis, ein Maß des reflektierten Lichts durch die Reflexionslicht-Detektionseinheit 5 detektiert, um zu überwachen, ob das detektierte Maß des reflektierten Lichts den zweiten vorgegebenen Pegel nicht übersteigt. Bei Schritt S207 wird bestimmt, ob die Ausführung der von der Einheit 13 zum maschinellen Lernen ausgegebenen Laserbearbeitungsbedingungsdaten beendet wurde. Der Prozess kehrt zu Schritt S205 bis zum Ende der Laserbearbeitungsbedingungsdaten zurück, um den Laserstrahl 19 kontinuierlich zu emittieren, wodurch die Laserbearbeitung fortgesetzt wird.
Wenn dagegen bestimmt wird, dass die Ausführung der Laserbearbeitungsbedingungsdaten beendet wurde, wird bei Schritt S208 ein von der Bearbeitungsergebnis-Beobachtungseinheit 6 ausgegebenes Bearbeitungsergebnis der Laserbearbeitung empfangen. Dann wird bei Schritt S209 ein Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und von der Bearbeitungsergebnis-Beobachtungseinheit 6 erlangt wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst, bestimmt. Wenn einen Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und von der Bearbeitungsergebnis-Beobachtungseinheit 6 erlangt wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst, klein ist, stellt anschließend bei Schritt S209 die Belohnungsberechnungseinheit 20 eine Plusbelohnung gemäß einer kleinen Größe davon bereit. Wenn dagegen der Unterschied groß ist, stellt bei Schritt S211 die Belohnungsberechnungseinheit 20 eine Minusbelohnung gemäß einer großen Größe davon bereit. Dann aktualisiert bei Schritt S212 die Wertfunktions-Aktualisierungseinheit 21 die Wertfunktion gemäß der Belohnung. Der Prozess kehrt dann zu Schritt S201 zurück, um den Ablauf des Schritts S201 und der folgenden Schritte erneut auszuführen.
Wenn bei Schritt S206 bestimmt wird, dass das Maß des reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt, stellt bei Schritt S213 die Belohnungsberechnungseinheit 20 eine Minusbelohnung bereit. Bei Schritt S214 aktualisiert die Wertfunktions-Aktualisierungseinheit 21 die Wertfunktion gemäß der Belohnung. Dann kehrt der Prozess zu Schritt S204 zurück, um nächste Laserbearbeitungsbedingungsdaten auszugeben.
Durch Wiederholen des vorstehenden Prozesses von Schritten S201 bis S214 aktualisiert die Lerneinheit 13 kontinuierlich die Wertfunktion oder eine nachstehend beschriebene Aktionswerttabelle, um die Laserbearbeitungsbedingungsdaten zu lernen. Zulässige Bearbeitungsqualität kann anstelle des im Wesentlichen idealen Bearbeitungsergebnisses oder des Bearbeitungszielergebnisses eingestellt werden, und eine bestimmte Plusbelohnung kann für eine Bearbeitungsqualität bereitgestellt werden, wenn die Bearbeitungsqualität größer gleich der zulässigen Bearbeitungsqualität ist. Dementsprechend können Laserbearbeitungsbedingungsdaten einer möglichst hohen Bearbeitungsgeschwindigkeit innerhalb einer Toleranz gelernt werden, die größer gleich der zulässigen Bearbeitungsqualität ist. Wie vorstehend beschrieben, ist die Wertfunktion nicht auf einen Typ beschränkt.
In dem Laserbearbeitungssystem 1, das die vorstehend erwähnte Vorrichtung 10 zum maschinellen Lernen umfasst, führt auf der Grundlage der von der Vorrichtung 10 zum maschinellen Lernen ausgegebenen Laserbearbeitungsbedingungsdaten die Steuervorrichtung 9 eine Laserbearbeitung durch, indem die jeweiligen Abschnitte des Laserbearbeitungssystems 1, wie z.B. die Laservorrichtung 2, der Bearbeitungskopf 3, die Ausgangslicht-Detektionseinheit 4, die Reflexionslicht-Detektionseinheit 5, die Bearbeitungsergebnis-Beobachtungseinheit 6 und die Antriebsvorrichtung 8, von denen jeweils mindestens eines bereitgestellt ist, gesteuert werden. Daher kann die Laserbearbeitung unter einer Laserbearbeitungsbedingung durchgeführt werden, die optimal oder im Wesentlichen optimal ist, um ein hochqualitatives und sehr genaues Bearbeitungsergebnis bei einer hohen Geschwindigkeit zu erzielen, während verhindert wird, dass das reflektierte Licht die Laservorrichtung 2, den Bearbeitungskopf 3, das optische Lasersystem oder dergleichen beschädigt.
Vorzugsweise verhindert das Laserbearbeitungssystem 1 mit hoher Sicherheit, dass das reflektierte Licht die Laservorrichtung 2, den Bearbeitungskopf 3, das optische Lasersystem oder dergleichen beschädigt. 6 ist ein Zeitdiagramm, das schematisch einen Zustand veranschaulicht, in dem eine optische Ausgabe durch die Steuervorrichtung reduziert wird, bis Laserbearbeitungsbedingungsdaten aufgrund des Maßes des reflektierten Lichts umgeschaltet werden. Wie in 6 dargestellt, kann, wenn das maß des durch die Reflexionslicht-Detektionseinheit 5 detektierten reflektierten Lichts einen ersten vorgegebenen Pegel, der näher an dem Alarmpegel liegt als der zweite vorgegebene Pegel, übersteigt, die Steuervorrichtung 9 die optische Ausgabe von der Laservorrichtung 2 abschneiden oder auf ein vorgegebenes Verhältnis reduzieren, ohne darauf zu warten, dass nächste Laserbearbeitungsbedingungsdaten von der Vorrichtung 10 zum maschinellen Lernen ausgegeben werden. Auch wenn die für das Ausgeben der nächsten Laserbearbeitungsbedingungsdaten aufgewendete Zeit leicht länger wird, kann dementsprechend eine Beschädigung der Laservorrichtung 2 oder dergleichen mit großer Sicherheit verhindert werden.
Mehrere Reflexionslicht-Detektionseinheiten 5 können bereitgestellt werden. Dann detektiert zum Beispiel jede Reflexionslicht-Detektionseinheit 5 ein Maß eines reflektierten Lichts eines anderen Ausbreitungswegs, um ein Merkmal des reflektierten Lichts, wie z.B. ein Verhältnis des Maßes des reflektieren Lichts, zu extrahieren. Ein solches Maß des reflektierten Lichts kann in die Laserbearbeitungsbedingungsdaten über die Operationsergebnis-Erfassungseinheit 12 zurückgekoppelt werden. Wenn die mehreren Reflexionslicht-Detektionseinheiten 15 bereitgestellt sind, kann ein erster vorgegebener Pegel oder ein zweiter vorgegebener Pegel einzeln für jede Reflexionslicht-Detektionseinheit 5 eingestellt werden.
In dem Laserbearbeitungssystem 1 werden Charakteristiken der optischen Ausgabe der Laservorrichtung 2, die eine Beziehung zwischen einem Befehl zur optischen Ausgabe von der Steuervorrichtung 9 und einer optischen Ausgabe, die von der Laservorrichtung 2 tatsächlich emittiert wird, anzeigen, in der Laservorrichtung 2 oder der Steuervorrichtung 9 gespeichert. Vorzugsweise werden die Charakteristiken der optischen Ausgabe nach einem vorgegebenen Zeitplan gemessen, und die Charakteristiken der optischen Ausgabe der Laservorrichtung 2 werden auf der Grundlage eines Messergebnisses aktualisiert.
Die Charakteristiken der optischen Ausgabe der Laservorrichtung 2 werden aktualisiert und ein Ergebnis davon wird als ein Teil der Zustandsgröße des Laserbearbeitungssystems 1 in der Zustandsgrößen-Beobachtungseinheit 11 gespeichert. Auch wenn sich die Charakteristiken der optischen Ausgabe der Laservorrichtung 2 aufgrund einer Verschlechterung oder dergleichen ändern, kann dementsprechend eine optische Ausgabe weisungsgemäß als Antwort auf den Befehl zur optischen Ausgabe ausgegeben werden. Wenn mehrere Laseroszillatoren vorhanden sind, wie vorstehend beschrieben, wird die Ausgangslicht-Detektionseinheit 4 an einer Position montiert, an der das maß eines durch den optischen Koppler kombinierten Laserlichts detektiert wird. Wenn mehrere unabhängig voneinander ansteuerbare Laseroszillatoren vorhanden sind, sind Ausgangslicht-Detektionseinheiten 4 vorzugsweise in den jeweiligen Laseroszillatoren derart bereitgestellt, dass sie gleichzeitig Charakteristiken von optischen Ausgaben der Laseroszillatoren messen.
Mindestens eine der Bearbeitungsergebnis-Beobachtungseinheiten 6 des Laserbearbeitungssystems 1 kann ein beliebiges von einer digitalen Vorrichtung zum zweidimensionalen Abbilden, einem CCD-Messmikroskop, einer Oberflächenrauheit-/Formmessvorrichtung des Kontakttyps, einem Weißlichtinterferometer, einem Lasermikroskop (Formmessmikroskop) und einer kontaktfreien Vorrichtung zum dreidimensionalen Messen sein. Mindestens eine Dateninformation von Glattheit oder Oberflächenrauheit einer Laserschnittfläche, einem Volumen von wulstförmigen Abscheidungen (Absonderungen), die auf einer Vorder- und Rückseite in der Nähe eines Schnittabschnitts pro Schnittlängeneinheit ausgebildet werden, einer Sputterabscheidungsmenge pro Flächeneinheit auf der Rückseite, einer Skalenfarbdichte (Oxidfarbdichte) auf der Schnittfläche, einer Schnittgrößen-/Schnittformgenauigkeit, und Beobachtungsergebnisdaten einer Rechtwinkligkeit der Schnittfläche kann als das Ergebnis der Laserbearbeitungsbedingungsdaten von der Bearbeitungsergebnis-Beobachtungseinheit 6 an die Operationsergebnis-Erfassungseinheit 12 ausgegeben werden.
Die vorstehende Erfassung des Bearbeitungsergebnisses des Laserschneidens durch die Bearbeitungsergebnis-Beobachtungseinheit 6 wird normalerweise nach dem Ende der Laserbearbeitung auf der Grundlage der Laserbearbeitungsbedingungsdaten durchgeführt. Zum Beispiel wird das Werkstück 7, das der Laserbearbeitung unterzogen wird, oder die Messvorrichtung durch einen Roboter oder dergleichen bewegt, der ein konkretes Beispiel der Antriebsvorrichtung 8 darstellt, wodurch ermöglicht wird, dass die Messvorrichtung eine Schnittfläche oder dergleichen des Werkstücks 7 durch die Laserbearbeitung beobachtet. Somit kann ein Bearbeitungsergebnis automatisch erzielt werden.
Daher kann ein Bewertungsergebnis einer Bearbeitungsgenauigkeit, einer Bearbeitungsqualität oder dergleichen der Schnittfläche als das Ergebnis der Laserbearbeitungsbedingungsdaten ohne jeglichen menschlichen Eingriff erzielt werden. Folglich kann die Vorrichtung 10 zum maschinellen Lernen die Laserbearbeitungsbedingungsdaten ohne jeglichen menschlichen Eingriff lernen. Jedoch ist, wie vorstehend beschrieben, ein menschlicher Eingriff zum Erzielen des Bearbeitungsergebnisses nicht komplett unterbunden.
Ein Beobachtungsergebnis des Maßes des reflektierten Lichts durch die Reflexionslicht-Detektionseinheit 5 kann ein Bearbeitungsergebnis der Laserbearbeitungsbedingungsdaten sein, das in Echtzeit während der Laserbearbeitung erzielbar ist, um über die Operationsergebnis-Erfassungseinheit 12 rückgekoppelt zu werden. Als Beobachtung eines unmittelbaren Bearbeitungsergebnisses kann eine Schnittlinienform unmittelbar nach einer Bearbeitung durch die digitale Vorrichtung zum zweidimensionalen Abbilden, das CCD-Messmikroskop oder dergleichen beobachtet werden, und zum Beispiel kann eine Stabilität einer Schnittbreite, einer Bearbeitungsgenauigkeit eines rechtwinkligen Schnittabschnitts oder dergleichen als ein Bearbeitungsergebnis erzielt werden, um über die Operationsergebnis-Erfassungseinheit 12 rückgekoppelt zu werden.
Mindestens eine der Bearbeitungsergebnis-Beobachtungseinheiten 6 des Laserbearbeitungssystems 1 kann ein beliebiges von der digitalen Vorrichtung zum zweidimensionalen Abbilden, dem CCD-Messmikroskop, dem Lasermikroskop (Formmessmikroskop), einer nichtdestruktiven Lichtanregungs-Inspektionsvorrichtung, die eine Lichtquelle und eine Infrarotkamera umfasst, einer Ultraschall-Defekterkennungs-Prüfvorrichtung, einer nichtdestruktiven Induktionserwärmungs-Inspektionsvorrichtung, einer Strahlungsübertragungs-Abbildungsvorrichtung, und einer Akustikemissions-Prüfvorrichtung sein. Mindestens eine Beobachtungsergebnisdateninformation von Rissen in einem verschweißten Abschnitt, einer Gasblase, einem Loch, einem Mangel an Durchdringung, einer unvollständigen Verschmelzung, einem Unterschnitt/einer Überlappung und einer Höckerbildung, die durch den Laser verursacht werden, kann als das Ergebnis der Laserbearbeitungsbedingungsdaten von der Bearbeitungsergebnis-Beobachtungseinheit 6 an die Operationsergebnis-Erfassungseinheit 12 ausgegeben werden.
Wie im Fall der Erfassung des Laserschnittergebnisses wird die Erfassung des Bearbeitungsergebnisses des Laserschweißens durch die Bearbeitungsergebnis-Beobachtungseinheit 6 normalerweise nach dem Ende der Laserbearbeitung auf der Grundlage der Laserbearbeitungsbedingungsdaten durchgeführt. Zum Beispiel wird das Werkstück 7, das der Laserbearbeitung unterzogen wird, oder die Messvorrichtung durch einen Roboter oder dergleichen bewegt, der ein konkretes Beispiel der Antriebsvorrichtung 8 darstellt, wodurch ermöglicht wird, dass die Messvorrichtung einen Schweißabschnitt oder dergleichen durch die Laserbearbeitung beobachtet. Somit kann ein Bearbeitungsergebnis automatisch erzielt werden.
Daher kann ein Bewertungsergebnis einer Bearbeitungsgenauigkeit, einer Bearbeitungsqualität oder dergleichen des verschweißten Abschnitts als das Ergebnis der Laserbearbeitungsbedingungsdaten ohne jeglichen menschlichen Eingriff erzielt werden. Folglich kann die Vorrichtung 10 zum maschinellen Lernen die Laserbearbeitungsbedingungsdaten ohne jeglichen menschlichen Eingriff lernen. Jedoch ist, wie vorstehend beschrieben, ein menschlicher Eingriff zum Erzielen des Bearbeitungsergebnisses nicht vollständig unterbunden.
Ein Beobachtungsergebnis des Maßes des reflektierten Lichts durch die Reflexionslicht-Detektionseinheit 5 kann ein Bearbeitungsergebnis der Laserbearbeitungsbedingungsdaten sein, das in Echtzeit während der Laserbearbeitung erzielbar ist, um über die Operationsergebnis-Erfassungseinheit 12 rückgekoppelt zu werden. Als Beobachtung eines unmittelbaren Bearbeitungsergebnisses kann eine Schweißabschnittsform unmittelbar nach einer Bearbeitung durch die digitale Vorrichtung zum zweidimensionalen Abbilden, das CCD-Messmikroskop oder dergleichen beobachtet werden, und zum Beispiel können Beobachtungsergebnisdaten eines Unterschnitts/einer Überlappung, einer Höckerbildung oder dergleichen als ein Bearbeitungsergebnis erzielt werden, das über die Operationsergebnis-Erfassungseinheit 12 rückgekoppelt wird.
In dem Laserbearbeitungssystem 1 gemäß der vorstehend erwähnten Ausführungsform, wie in 1 oder 4 dargestellt, wird eine Vorrichtung 10 zum maschinellen Lernen in einem Laserbearbeitungssystem 1 bereitgestellt. Gemäß der vorliegenden Erfindung sind jedoch die Anzahlen der Laserbearbeitungssysteme 1 und der Vorrichtungen 10 zum maschinellen Lernen nicht auf jeweils eine beschränkt. Vorzugsweise sind mehrere Laserbearbeitungssysteme 1 vorhanden und mehrere Vorrichtungen 10 zum maschinellen Lernen, die für jedes Laserbearbeitungssystem 1 bereitgestellt sind, nutzen Daten gemeinsam oder tauschen diese über ein Kommunikationsmedium miteinander aus. Ein gemeinsames Nutzen der Daten, die ein durch jedes Laserbearbeitungssystem 1 erzieltes Lernergebnis umfassen, ermöglicht, dass ein genauerer Lerneffekt innerhalb einer kürzeren Zeit erzielt wird und geeignetere Laserbearbeitungsbedingungsdaten ausgegeben werden.
Außerdem kann die Vorrichtung 10 zum maschinellen Lernen in dem Laserbearbeitungssystem 1 oder außerhalb des Laserbearbeitungssystems 1 angeordnet sein. Eine einzelne Vorrichtung 10 zum maschinellen Lernen kann von mehreren Laserbearbeitungssystemen 1 über das Kommunikationsmedium gemeinsam genutzt werden. Die Vorrichtung 10 zum maschinellen Lernen kann auf einem Cloud-Server installiert sein.
Folglich kann nicht nur der Lerneffekt gemeinsam genutzt werden, sondern auch die Daten können zentral gesteuert werden, und das Lernen kann unter Verwendung eines großen leistungsstarken Prozessors durchgeführt werden. Daher können eine Lerngeschwindigkeit und eine Lerngenauigkeit erhöht werden, und es können geeignetere Laserbearbeitungsbedingungsdaten ausgegeben werden. Außerdem kann die Zeit zum Bestimmen von auszugebenden Laserbearbeitungsbedingungsdaten verkürzt werden. Für eine derartige Vorrichtung 10 zum maschinellen Lernen kann ein Allzweckrechner oder ein Prozessor verwendet werden. Wenn jedoch ein Allzweck-Computing auf Grafikverarbeitungseinheiten (GPGPU), einen großen PC-Cluster oder dergleichen angewendet wird, kann eine Verarbeitung bei einer höheren Geschwindigkeit durchgeführt werden.
Schließlich wird ein Lernverfahren der in 1 oder 4 dargestellten Vorrichtung 10 zum maschinellen Lernen beschrieben. Die Vorrichtung 10 zum maschinellen Lernen weist eine Funktion zum Extrahieren eines nützlichen Algorithmus, einer Regel, eines Wissensausdrucks, eines Kriteriums oder dergleichen aus einem Satz von darin eingegebenen Daten durch Analyse, zum Ausgeben eines Bestimmungsergebnisses und zum Lernen von Wissen auf.
Maschinelles Lernen weist Algorithmen auf, die weitgehend als „überwachtes Lernen“, „unüberwachtes Lernen“ und „Verstärkungslernen“ klassifiziert werden. Um diese Verfahren umzusetzen, gibt es außerdem ein als „tiefes Lernen“ bezeichnetes Verfahren zum Lernen einer Extraktion eines Merkmalbetrags an sich.
Das überwachte Lernen ist ein Lernverfahren zum Lernen, durch Bereitstellen einer großen Menge von Sätzen von gegeben Eingaben und Daten von Ergebnissen (Kennzeichnungen) an die Vorrichtung 10 zum maschinellen Lernen, von Merkmalen, die in den Datensätzen aufgenommen sind, und induktivem Erlangen eines Modells zum Einschätzen eines Ergebnisses von der Eingabe, mit anderen Worten einer Beziehung davon. Im überwachten Lernen kann, durch Bereitstellen von zum Lernen geeigneten Eingabedaten und Ausgabedaten als ein Paar, das Lernen verhältnismäßig leicht vonstatten gehen.
Das unüberwachte Lernen ist ein Verfahren zum Ausführen eines Lernens durch eine Vorrichtung, die lernt, wie Eingangsdaten verteilt wurden, indem eine große Menge von lediglich Eingabedaten an die Lernvorrichtung bereitgestellt wird, und komprimiert, klassifiziert oder formt die Eingangsdaten, ohne jegliche entsprechenden überwachten Ausgangsdaten bereitzustellen. Das unüberwachte Lernen unterscheidet sich von dem überwachten Lernen darin, dass nicht vorgegeben ist, „was ausgegeben werden soll“. Dieses Verfahren wird zum Extrahieren einer wesentlichen, hinter den Daten vorhandenen Struktur verwendet.
Das Verstärkungslernen ist ein Verfahren zum Lernen nicht nur einer Bestimmung und Klassifizierung, sondern auch einer Aktion, um eine geeignete Aktion unter Berücksichtigung einer Interaktion, die durch die Aktion einer Umgebung auferlegt wird, zu wissen, mit anderen Worten ein Verfahren zum Lernen des Maximierens einer in der Zukunft erzielten Belohnung. Im Verstärkungslernen wird das Lernen von einem Zustand begonnen, in dem ein Ergebnis einer Aktion vollständig unbekannt oder lediglich unvollständig bekannt ist. Ein Vorlernen wird im überwachten Lernen ausgeführt, und dann, wenn ein vorgelernter Zustand als ein Anfangszustand eingestellt wird, kann das Verstärkungslernen von einem Punkt einer guten Bedingung begonnen werden. Das Verstärkungslernen weist ein Merkmal auf, dass es in der Lage ist, eine Aktion zum Finden von unbekannten Lernbereichen und eine Aktion zum Nutzen von bekannten Lernbereichen mit guter Ausgewogenheit auszuwählen, und es können mehr Laserbearbeitungsbedingungen, die für eine Laserzielbearbeitung geeignet sind, in bisher unbekannten Bedingungsbereichen gefunden werden. Außerdem verursacht ein Ausgeben der Laserbearbeitungsbedingungsdaten eine Änderung der Temperatur des Laseroszillators oder des Werkstücks 7 oder dergleichen, mit anderen Worten wirkt sich die Aktion auf eine Umgebung aus. Daher kann eine Anwendung des Verstärkungslernens wesentlich sein.
1 zeigt das Beispiel des Laserbearbeitungssystems 1, das die Vorrichtung 10 zum maschinellen Lernen auf der Grundlage des überwachten Lernens umfasst, und 4 zeigt das Beispiel des Laserbearbeitungssystems 1, welches die Vorrichtung 10 zum maschinellen Lernen auf der Grundlage des Verstärkungslernens umfasst.
Zuerst wird das Lernverfahren auf der Grundlage des überwachten Lernens beschrieben. Im überwachten Lernen wird ein Paar von Eingabedaten und Ausgabedaten, die zum Lernen geeignet sind, bereitgestellt, um eine Funktion (Lernmodell) zum Zuordnen der Eingabedaten und ihren entsprechenden Ausgabedaten zu erzeugen.
Eine Operation der Vorrichtung zum maschinellen Lernen, die das überwachte Lernen ausführt, umfasst zwei Stufen, nämlich eine Lernstufe und eine Vorhersagestufe. Wenn bei der Lernstufe Überwachungsdaten, die einen Wert einer Zustandsgröße (Erläuterungsgröße), die als Eingabedaten verwendet wird, und einen Wert einer Zielgröße, die als Ausgabedaten verwendet wird, umfassen, bereitgestellt werden, lernt die Vorrichtung zum maschinellen Lernen, die das überwachte Lernen ausführt, ein Ausgeben des Werts der Zielgröße zum Zeitpunkt des Eingebens des Werts der Zustandsgröße, und bildet ein Vorhersagemodell zum Ausgeben des Werts der Zielgröße in Bezug auf den Wert der Zustandsgröße. Dann trifft bei der Vorhersagestufe, wenn neue Eingangsdaten (Zustandsgröße) bereitgestellt werden, die Vorrichtung zum maschinellen Lernen, die das überwachte Lernen ausführt, eine Vorhersage und gibt Ausgabedaten (Zielgröße) gemäß dem Lernergebnis aus (ausgebildetes Vorhersagemodell). Hierbei kann die Aufzeichnungseinheit 17 von an das Ergebnis (Kennzeichnung) gekoppelten Daten bisher erzielte an das Ergebnis gekoppelte Daten halten, und die an das Ergebnis (die Kennzeichnung) gekoppelten Daten an die Fehlerberechnungseinheit 15 bereitstellen. Alternativ können die an das Ergebnis (Kennzeichnung) gekoppelten Daten der Laservorrichtung 2 an die Fehlerberechnungseinheit 15 der Laservorrichtung 2 über eine Speicherkarte, eine Kommunikationsleitung oder dergleichen bereitgestellt werden.
Als ein Beispiel des Lernens der Vorrichtung zum maschinellen Lernen, die das überwachte Lernen ausführt, wird eine Regressionsformel eines Vorhersagemodells, die zum Beispiel jener der folgenden Gleichung (1) ähnlich ist, gesetzt, und das Lernen fährt damit fort, Werte von Faktoren a₀, a₁, a₂, a₃, ... anzupassen, so dass ein Wert einer Zielgröße y erzielt wird, wenn Werte, die von Zustandsgrößen x₁, x₂, x₃, ... eingenommen werden während des Lernprozesses auf die Regressionsformel angewendet werden. Das Lernverfahren ist nicht auf dieses Verfahren beschränkt, sondern variiert von einem Algorithmus eines überwachten Lernens zum anderen. $y = a_{0} + a_{1} x_{1} + a_{2} x_{2} + a_{3} x_{3} + \dots + a_{n} x_n$
Als Algorithmen eines überwachten Lernens sind verschiedene Verfahren an sich bekannt, wie z.B. ein neuronales Netzwerk, ein Verfahren der kleinsten Quadrate und ein schrittweises Verfahren, und jeder dieser Algorithmen des überwachten Lernens kann als ein auf die vorliegende Erfindung angewendetes Verfahren eingesetzt werden. Da jeder Algorithmus des überwachten Lernens an sich bekannt ist, wird eine ausführliche Beschreibung davon ausgelassen.
Als Nächstes wird das Lernverfahren auf der Grundlage des Verstärkungslernens beschrieben. Eine Aufgabenstellung des Verstärkungslernens kann folgendermaßen dargelegt werden.

• Die Einheit 13 zum maschinellen Lernen der Laservorrichtung 2 beobachtet einen Zustand einer Umgebung, der einen Zustand der Laservorrichtung 2 umfasst, um über eine Aktion (Ausgeben von Laserbearbeitungsbedingungsdaten) zu bestimmen.
• Die Umgebung ändert sich gemäß einem bestimmten Algorithmus und die Aktion kann der Umgebung eine Änderung verleihen.
• Ein Belohnungssignal wird für jede Aktion zurückgesendet.
• Es besteht der Wunsch nach einer Maximierung der Summe von Belohnungen in der Zukunft.
• Das Lernen wird von einem Zustand begonnen, in dem ein Ergebnis, das durch die Aktion verursacht wird, vollständig unbekannt oder lediglich unvollständig bekannt ist.

Als repräsentative Verstärkungslernverfahren sind Q-Lernen und TD-Lernen an sich bekannt. Nachstehend wird der Fall des Q-Lernens beschrieben, aber ein Verfahren ist nicht auf das Q-Lernen beschränkt.
Das Q-Lernen ist ein Verfahren zum Lernen eines Wertes Q(s, a) zum Auswählen einer Aktion a bei einem gegeben Umgebungszustand s. Im Zustand s kann eine Aktion a eines höchsten Werts Q(s, a) als eine optimale Aktion ausgewählt werden. Da jedoch ein korrekter Wert des Werts Q(s, a) für eine Kombination des Zustands s mit der Aktion a zunächst nicht bekannt ist, wählt ein Agent (Aktionssubjekt) verschiedene Aktionen a bei dem Zustand s, und erhält gleichzeitig Belohnungen für die Aktionen a. Auf diese Weise wählt der Agent eine bessere Aktion, mit anderen Worten lernt einen korrekten Wert Q(s, a).
Im Hinblick auf eine Maximierung der Summe von Belohnungen, die in der Zukunft als Folge der Aktion erlangt werden, kann ferner schließlich Q(s, a) = E [Σ(yt)r^t] erzielt werden. „E[ ]“ repräsentiert einen erwarteten Wert, t repräsentiert Zeit, γ repräsentiert einen Parameter, der als eine nachstehend beschriebene Diskontierungsrate bezeichnet wird, r_t repräsentiert eine Belohnung zum Zeitpunkt t, und Σ repräsentiert die Summe zum Zeitpunkt t. Der erwartete Wert in dieser Formel wird berechnet, wenn sich ein Zustand gemäß der optimalen Aktion ändert, und über ein Suchen gelernt, da er nicht bekannt ist. Eine Aktualisierungsformel für einen solchen Wert Q(s, a) kann zum Beispiel durch nachstehend beschriebene Gleichung (2) repräsentiert werden.
Mit anderen Worten aktualisiert die Wertfunktions-Aktualisierungseinheit 21 eine Wertfunktion Q(s_t, a_t) unter Verwendung der folgenden Gleichung (2): $Q (s_{t}, a_{t}) \leftarrow Q (s_{t}, a_{t}) + α (r_{t + 1} + γ max_{a} Q (s_{t + 1}, a) - Q (s_{t}, a_{t}))$
In der vorstehenden Gleichung repräsentiert s_t einen Zustand der Umgebung zum Zeitpunkt t, und a_t repräsentiert eine Aktion zum Zeitpunkt t. Die Aktion a_t ändert den Zustand zum Zustand s_t+1. r_t+1 repräsentiert eine Belohnung, die über die Änderung des Zustands erlangt werden kann. Außerdem ist ein Term mit max ein mit γ multiplizierter Q-Wert für einen Fall, in dem die Aktion a für den höchsten zu diesem Zeitpunkt bekannten Q-Wert beim Zustand s_t+1 ausgewählt wird. y ist ein Parameter von 0<γ≤1, und wird als Diskontierungsrate bezeichnet. α ist ein Lernfaktor, der in dem Bereich von 0<α≤1 liegt.
Die Gleichung (2) repräsentiert ein Verfahren zum Aktualisieren eines Bewertungswertes Q(s_t, a_t) der Aktion a_t im Zustand s_t auf der Grundlage der Belohnung r_t+1, die als ein Ergebnis der Aktion a_t zurückgesendet wird. Sie zeigt an, dass Q (s_t, a_t) erhöht wird, wenn die Summe einer Belohnung r_t+1 und eines Bewertungswertes Q (s_t+1, max a_t+1) der besten Aktion max a in der nächsten Stufe auf der Grundlage von Aktion a größer ist als der Bewertungswert Q (s_t, a_t) der Aktion a im Zustand s, während Q (s_t, a_t) verringert wird, wenn die Summe kleiner ist. Mit anderen Worten ist sie derart ausgelegt, dass der Wert einer Aktion in einem Zustand näher der Belohnung, die sofort als ein Ergebnis zurückkommt, und dem Wert der besten Aktion in dem nächsten Zustand auf der Grundlage jener Aktion gestaltet wird. Verfahren zum Darstellen von Q(s, a) auf einem Rechner umfassen ein Verfahren, in dem der Wert als eine Aktionswertetabelle für alle Zustand-Aktions-Paare (s, a) festgehalten wird, und ein Verfahren, in dem eine Funktion, die Q(s, a) annähert, vorbereitet wird. Mit dem letzteren Verfahren kann die vorstehend erwähnte Gleichung (2) umgesetzt werden, indem Parameter der Näherungsfunktion mittels einer Technik, wie z.B. des stochastischen Gradientenabstiegsverfahrens, angepasst werden. Die Näherungsfunktion kann ein neuronales Netzwerk verwenden.
Als das Lernalgorithmus des überwachten Lernens oder als das Näherungsalgorithmus der Wertfunktion im Verstärkungslernen kann, wie vorstehend beschrieben, das neuronale Netzwerk verwendet werden. Daher weist die Vorrichtung 10 zum maschinellen Lernen vorzugsweise das neuronale Netzwerk auf.
7 veranschaulicht schematisch ein Neuronenmodell, und 8 veranschaulicht schematisch ein dreischichtiges neuronales Netzwerk, das durch Kombinieren der in 7 dargestellten Neuronen konfiguriert ist. Das neuronale Netzwerk umfasst eine arithmetische Einheit, einen Speicher oder dergleichen, die/der ein neuronales Modell, wie z.B. jenes in 7 dargestellte, nachahmt. Das Neuron gibt eine Ausgabe (ein Ergebnis) y für mehrere Eingaben x aus. Jede Eingabe x (x₁ bis x₃) wird mit einem Gewicht (w₁ bis w₃), das der Eingabe x entspricht, multipliziert. Das Neuron gibt die Ausgabe y aus, die durch die folgende Gleichung (3) repräsentiert wird. Die Eingabe x, die Ausgabe y und das Gewicht x sind jeweils Vektoren. $y = f_{k} (\sum_{i = 1}^{n} x_{i} w_{i} - θ)$
wobei θ ein systematischer Fehler ist, und f_k eine Aktivierungsfunktion ist.
Wie in 8 dargestellt, werden mehrere Eingaben x (x₁ bis x₃) von der linken Seite des neuronalen Netzwerks eingegeben, und ein Ergebnis y (y₁ bis y₃) wird von der rechten Seite ausgegeben. Die Eingaben x₁ bis x₃ werden mit entsprechenden Gewichten multipliziert und in die drei Neuronen N₁₁ bis N₁₃ eingegeben. Die auf diese Eingaben angewendeten Gewichte werden gemeinsam durch w1 angezeigt.
Die Neuronen N₁₁ bis N₁₃ geben jeweils zu bis z₁₃ aus. In 8 sind zu bis z₁₃ gemeinsam als ein Merkmalsvektor z₁ repräsentiert, und können als ein Vektor betrachtet werden, der durch Extrahieren der Merkmalsbeträge des Eingabevektors erzielt wird. Der Merkmalsvektor z₁ ist ein Merkmalsvektor zwischen dem Gewicht w₁ und dem Gewicht w₂. Die Merkmalsvektoren z₁₁ bis z₁₃ werden mit einem entsprechenden Gewicht multipliziert und in jedes der zwei Neuronen N₂₁ und N₂₂ eingegeben. Die auf diese Merkmalsvektoren angewendeten Gewichte werden gemeinsam als w2 repräsentiert. Die Neuronen N₂₁ und N₂₂ geben jeweils z₂₁ und z₂₂ aus. In 8 werden z₂₁ und z₂₂ gemeinsam als ein Merkmalsvektor z₂ repräsentiert. Der Merkmalsvektor z₂ ist ein Merkmalsvektor zwischen dem Gewicht w₂ und dem Gewicht w₃. Die Merkmalsvektoren z₂₁ und z₂₂ werden mit einem entsprechenden Gewicht multipliziert und in jedes der drei Neuronen N₃₁ bis N₃₃ eingegeben. Die mit diesen Merkmalsvektoren multiplizierten Gewichte werden gemeinsam als w₃ repräsentiert.
Schließlich geben die Neuronen N₃₁ bis N₃₃ jeweils Ergebnisse y₁ bis y₃ aus. Eine Operation des neuronalen Netzwerks umfasst ein Lernmodus und ein Wertvorhersagemodus: in dem Lernmodus wird das Gewicht w unter Verwendung eines Lerndatensatzes gelernt, und in dem Vorhersagemodus wird eine Aktion zum Ausgeben von LDU-Antriebsbedingungsdaten unter Verwendung von Parametern davon bestimmt. Hierbei kann die Vorrichtung in dem Vorhersagemodus tatsächlich betrieben werden, um die Laserbearbeitungsbedingungsdaten auszugeben und sofort die resultierenden Daten zu lernen und zu veranlassen, dass sie in der nachfolgenden Aktion (On-Line-Lernen) reflektiert werden, und eine Gruppe von vorgesammelten Daten kann verwendet werden, um ein kollektives Lernen durchzuführen und anschließend für eine Weile einen Detektionsmodus mit dem Parameter zu implementieren (Batch-Lernen). Ein dazwischenliegender Fall ist auch möglich, in dem ein Lernmodus jedes Mal eingeführt wird, wenn Daten bis zu einem bestimmten Grad angesammelt werden.
Die Gewichte w₁ bis w₃ können durch eine Backpropagation gelernt werden. Eine Fehlerinformation dringt von der rechten Seite ein und fließt zu der linken Seite hin. Die Backpropagation ist eine Technik zum Anpassen (Lernen) jedes Gewichts, so dass ein Unterschied zwischen einer Ausgabe y, wenn eine Eingabe x eingegeben wird, und einer wahren Ausgabe y (Lehrer) für jedes Neuron minimiert wird.
Die Anzahl von Zwischenschichten (versteckte Schichten) des in 8 dargestellten neuronalen Netzwerks beträgt eins. Jedoch kann das neuronale Netzwerk die Schichten auf zwei oder mehr erhöhen, und wenn die Anzahl von Zwischenschichten zwei oder mehr beträgt, wird es als tiefes Lernen bezeichnet.
Die Anwendung des überwachtes Lernens und des Verstärkungslernens wurde beschrieben. Jedoch ist das auf die vorliegende Erfindung angewendete maschinelle Lernverfahren nicht auf diese Verfahren beschränkt. Verschiedene Verfahren, wie z.B. „überwachtes Lernen“, „unüberwachtes Lernen“ und „halbüberwachtes Lernen“ und „Verstärkungslernen“, die bei der Vorrichtung 10 zum maschinellen Lernen verwendbar sind, können angewendet werden.
Wirkungen der Erfindung
Gemäß dem ersten Aspekt der vorliegenden Erfindung werden die Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße des Laserbearbeitungssystems und dem von der Bearbeitungsergebnis-Beobachtungseinheit ausgegebenen Bearbeitungsergebnis gelernt. Daher kann eine Bearbeitung ohne jeglichen menschlichen Eingriff oder mit einem minimalen menschlichen Eingriff immer unter einer im Wesentlichen optimalen Laserbearbeitungsbedingung, unabhängig von einem Zustand des Laserbearbeitungssystems, durchgeführt werden. Dies ermöglicht es, dass ein hochqualitatives Bearbeitungsergebnis stabil erzielt wird. Die Zustandsgrößen des Laserbearbeitungssystems umfassen eine Zustandsgröße, die während der Laserbearbeitung aufgrund der Emission des Laserstrahls geändert wird.
Gemäß dem zweiten Aspekt der vorliegenden Erfindung wird, bevor der Pegel des reflektieren Lichts den Alarmpegel erreicht, die gegenwärtige Bedingung auf eine Bedingung geändert, bei der das reflektierte Licht reduziert ist und bei der durch Bezugnahme auf das Lernergebnis der Lerneinheit vorhergesagt wird, dass das im Wesentlichen ähnliche Bearbeitungsergebnis erzielt wird. Daher kann die Bearbeitung fortgesetzt werden, während verhindert wird, dass die Laservorrichtung, der Bearbeitungskopf oder dergleichen beschädigt wird.
Gemäß dem dritten Aspekt der vorliegenden Erfindung kann der Unterschied zwischen den Bearbeitungsergebnissen, der durch den Unterschied zwischen den Zuständen des Laserbearbeitungssystems verursacht wird, gelernt werden, ohne übersehen zu werden, indem viele Zustandsgrößen, die Zustände des Laserbearbeitungssystems repräsentieren, beobachtet werden. Auch wenn sich der Zustand des Laserbearbeitungssystems aufgrund von Wärmeerzeugung oder dergleichen während der Laserbearbeitung ändert, können die im Wesentlichen optimalen Laserbearbeitungsbedingungsdaten, die die Änderung umfassen, ausgegeben werden. Daher kann eine Reduzierung einer Bearbeitungsgenauigkeit oder einer Bearbeitungsqualität verhindert werden.
Gemäß dem vierten Aspekt der vorliegenden Erfindung kann durch Steuern vieler Bearbeitungsbedingungsparameter das im Wesentlichen ideale Bearbeitungsergebnis oder das Bearbeitungsergebnis nah dem Bearbeitungszielergebnis erzielt werden. Um das im Wesentlichen ideale Bearbeitungsergebnis oder das Bearbeitungsergebnis nah dem Bearbeitungszielergebnis zu erzielen, können die Laserbearbeitungsbedingungsdaten einen Befehl umfassen, um eine optimale Laservorrichtung oder einen Bearbeitungskopf unter mehreren Laservorrichtungen oder Bearbeitungsköpfen, die sich bezüglich der Wellenlänge oder des Strahlmodus unterscheiden, auszuwählen.
Gemäß dem fünften Aspekt der vorliegenden Erfindung können als ein Ergebnis des maschinellen Lernens, unabhängig von einem Inhalt der Laserbearbeitung, im Wesentlichen optimale Laserbearbeitungsbedingungsdaten, die eine Bearbeitungsgeschwindigkeit umfassen, mit jedem Inhalt der Laserbearbeitung ausgegeben werden. Die Inhalte der Laserbearbeitung können Schneiden, Schweißen, Markieren, Oberflächenmodifizieren, additives Fertigen und dergleichen umfassen.
Gemäß dem sechsten Aspekt der vorliegenden Erfindung kann die Lerneinheit mithilfe des überwachten Lernens die Laserbearbeitungsbedingungsdaten lernen, bei denen das Maß des reflektierten Lichts den zweiten vorgegebenen Pegel nicht übersteigt.
Gemäß dem siebten Aspekt der vorliegenden Erfindung wird das Verstärkungslernen ausgeführt, nachdem das Vorlernen unter Verwendung des überwachten Lernens hinreichend durchgeführt wurde. Da das Verstärkungslernen das Merkmal aufweist, dass es in der Lage ist, unbekannte Lernbereiche zu finden, können mehr Laserbearbeitungsbedingungen, die für die Laserzielbearbeitung geeignet sind, in bisher unbekannten Bedingungsbereichen gefunden werden. Die Inhalte der Laserbearbeitung können Schneiden, Schweißen, Markieren, Oberflächenmodifizieren, additives Fertigen und dergleichen umfassen.
Gemäß dem achten Aspekt der vorliegenden Erfindung kann die Lerneinheit durch das Verstärkungslernen die Laserbearbeitungsbedingungsdaten lernen, bei denen das Maß des reflektierten Lichts den zweiten vorgegebenen Pegel nicht übersteigt.
Gemäß dem neunten Aspekt der vorliegenden Erfindung kann das Laserbearbeitungssystem, das die Vorrichtung zum maschinellen Lernen umfasst, die Laserbearbeitung unter der optimalen Laserbearbeitungsbedingung ausführen, während eine Beschädigung der Laservorrichtung, des Bearbeitungskopfs, des optischen Lasersystems oder dergleichen verhindert wird.
Gemäß dem zehnten Aspekt der vorliegenden Erfindung wird, wenn das Maß des reflektierten Lichts den ersten vorgegebenen Pegel, der näher dem Alarmpegel liegt, übersteigt, die optische Ausgabe sofort abgeschnitten oder auf das vorgegebene Verhältnis reduziert, bevor nächste Laserbearbeitungsbedingungsdaten, die die Laserbearbeitungsbedingungsdaten ersetzen, von der Vorrichtung zum maschinellen Lernen ausgegeben werden. Daher kann eine Beschädigung der Laservorrichtung oder dergleichen verhindert werden.
Gemäß dem elften Aspekt der vorliegenden Erfindung werden die Charakteristiken der optischen Ausgabe aktualisiert, und ein Ergebnis davon wird als ein Teil der Zustandsgröße des Laserbearbeitungssystems in der Zustandsgrößen-Beobachtungseinheit gespeichert. Auch wenn sich die Charakteristiken der optischen Ausgabe aufgrund einer Verschlechterung oder dergleichen der Laservorrichtung ändern, kann daher die optische Ausgabe weisungsgemäß als Antwort auf den Befehl zur optischen Ausgabe ausgegeben werden.
Gemäß dem zwölften Aspekt der vorliegenden Erfindung kann das Bewertungsergebnis einer Bearbeitungsgenauigkeit, einer Bearbeitungsqualität oder dergleichen der Schnittfläche als das Ergebnis der Laserbearbeitungsbedingungsdaten ohne jeglichen menschlichen Eingriff erzielt werden, und die Vorrichtung zum maschinellen Lernen kann die Laserbearbeitungsbedingungsdaten ohne jeglichen menschlichen Eingriff lernen.
Gemäß dem dreizehnten Aspekt der vorliegenden Erfindung kann das Bewertungsergebnis einer Bearbeitungsgenauigkeit, einer Bearbeitungsqualität oder dergleichen des verschweißten Abschnitts als das Ergebnis der Laserbearbeitungsbedingungsdaten ohne jeglichen menschlichen Eingriff erzielt werden, und die Vorrichtung zum maschinellen Lernen kann die Laserbearbeitungsbedingungsdaten ohne jeglichen menschlichen Eingriff lernen.
Gemäß dem vierzehnten Aspekt der vorliegenden Erfindung ermöglicht ein gemeinsames Nutzen von Daten, die das Lernergebnis umfassen, durch jedes Laserbearbeitungssystem, dass ein genauerer Lerneffekt innerhalb einer kürzeren Zeit erzielt wird. Daher können die mehreren Laserbearbeitungssysteme geeignetere Laserbearbeitungsbedingungsdaten ausgeben.
Gemäß dem fünfzehnten Aspekt der vorliegenden Erfindung kann nicht nur der Lerneffekt gemeinsam genutzt werden, sondern auch die Daten können zentral gesteuert werden, und ein Lernen kann unter Verwendung eines großen leistungsstarken Prozessors durchgeführt werden. Daher können eine Lerngeschwindigkeit und eine Lerngenauigkeit erhöht werden, und es können geeignetere Laserbearbeitungsbedingungsdaten ausgegeben werden. Außerdem kann die Zeit zum Bestimmen von auszugebenden Laserbearbeitungsbedingungsdaten verkürzt werden. Die Vorrichtung zum maschinellen Lernen kann auf einem Cloud-Server installiert werden.
Gemäß dem sechzehnten Aspekt der vorliegenden Erfindung werden die Laserbearbeitungsbedingungsdaten in Verbindung mit den Zustandsgrößen des Laserbearbeitungssystems gelernt, die die Zustandsgröße des Laserbearbeitungssystems umfassen, die während der Laserbearbeitung aufgrund einer Emission des Laserstrahls und des von der Bearbeitungsergebnis-Beobachtungseinheit ausgegebenen Bearbeitungsergebnisses geändert wird. Daher kann eine Bearbeitung ohne jeglichen menschlichen Eingriff oder mit einem minimalen menschlichen Eingriff immer unter einer im Wesentlichen optimalen Laserbearbeitungsbedingung, unabhängig von einem Zustand des Laserbearbeitungssystems, durchgeführt werden. Dies ermöglicht es, dass ein hochqualitatives Bearbeitungsergebnis stabil erzielt wird.
Die Ausführungsbeispiele der vorliegenden Erfindung wurden beschrieben. Wie für einen Fachmann offensichtlich ist, können verschiedene Änderungen, Auslassungen und Ergänzungen vorgenommen werden können, ohne vom Umfang und Erfindungsgedanken der vorliegenden Erfindung abzuweichen.

Claims

Vorrichtung (10) für maschinelles Lernen zum Lernen von Laserbearbeitungsbedingungsdaten eines Laserbearbeitungssystems (1), wobei das Laserbearbeitungssystem (1) umfasst: mindestens eine Laservorrichtung (2), die mindestens einen Laseroszillator umfasst, mindestens einen Bearbeitungskopf (3), der einen Laserstrahl von der Laservorrichtung (2) zu einem Werkstück (7) emittiert, mindestens eine Ausgangslicht-Detektionseinheit (4), die ein Maß des von dem Bearbeitungskopf (3) emittierten Laserlichts detektiert, mindestens eine Reflexionslicht-Detektionseinheit (5), die ein reflektiertes Licht detektiert, das von dem Bearbeitungskopf (3) emittiert wird und auf einer Oberfläche oder in der Nähe der Oberfläche des Werkstücks (7) reflektiert wird, um zu der Laservorrichtung (2) über ein optisches System in dem Bearbeitungskopf (3) zurückzukehren, mindestens eine Bearbeitungsergebnis-Beobachtungseinheit (6), die, ohne jeglichen menschlichen Eingriff, von einem Bearbeitungszustand und einem Bearbeitungsergebnis des Werkstücks (7) mindestens eines zumindest während der Laserbearbeitung oder nach der Laserbearbeitung beobachtet, und mindestens eine Antriebsvorrichtung (8), die eine relative Positionsbeziehung zwischen dem Bearbeitungskopf (3) und dem Werkstück (7) ändert, wobei die Vorrichtung zum maschinellen Lernen umfasst: eine Zustandsgrößen-Beobachtungseinheit (11), die eine Zustandsgröße des Laserbearbeitungssystems (1) beobachtet, eine Operationsergebnis-Erfassungseinheit (12), die ein Bearbeitungsergebnis des Laserbearbeitungssystems (1) erfasst, eine Lerneinheit (13), die eine Ausgabe von der Zustandsgrößen-Beobachtungseinheit (11) und eine Ausgabe von der Operationsergebnis-Erfassungseinheit (12) empfängt und die Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße des Laserbearbeitungssystems (1) und dem Bearbeitungsergebnis lernt, und eine Entscheidungseinheit (14), die Laserbearbeitungsbedingungsdaten durch Bezugnahme auf die durch die Lerneinheit (13) gelernten Laserbearbeitungsbedingungsdaten ausgibt, wobei wenn bei einer Bearbeitung des Werkstücks (7) auf der Grundlage von gegebenen Laserbearbeitungsbedingungsdaten ein Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts einen zweiten vorgegebenen Pegel übersteigt, der niedriger eingestellt ist als ein erster vorgegebener Pegel, der niedriger eingestellt ist als ein Alarmpegel, welcher anzeigt, dass von dem Bearbeitungskopf (3), der Laservorrichtung (2) und einer optischen Laserlichtausbreitungskomponente zwischen dem Bearbeitungskopf (3) und der Laservorrichtung (2) mindestens eines durch das reflektierte Licht beschädigt werden kann, die Lerneinheit (13) Bezug auf die gelernten Laserbearbeitungsbedingungsdaten nimmt um Laserbearbeitungsbedingungsdaten auszugeben, von denen vorhergesagt wird, dass ein Bearbeitungsergebnis nah an einem Bearbeitungsergebnis der gegebenen Laserbearbeitungsbedingungsdaten erzielt wird, ohne dass das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt, und wobei die Lerneinheit (13) umfasst: ein Lernmodell zum Lernen von Laserbearbeitungsbedingungsdaten, welche von einem Laserbearbeitungsinhalt zum anderen variieren, eine Fehlerberechnungseinheit (15), die einen Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und von der Operationsergebnis-Erfassungseinheit (12) erfasst wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis berechnet, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, und eine Lernmodell-Aktualisierungseinheit (16), die das Lernmodell gemäß dem Unterschied aktualisiert.
Vorrichtung (10) für maschinelles Lernen zum Lernen von Laserbearbeitungsbedingungsdaten eines Laserbearbeitungssystems (1), wobei das Laserbearbeitungssystem (1) umfasst: mindestens eine Laservorrichtung (2), die mindestens einen Laseroszillator umfasst, mindestens einen Bearbeitungskopf (3), der einen Laserstrahl von der Laservorrichtung (2) zu einem Werkstück (7) emittiert, mindestens eine Ausgangslicht-Detektionseinheit (4), die ein Maß des von dem Bearbeitungskopf (3) emittierten Laserlichts detektiert, mindestens eine Reflexionslicht-Detektionseinheit (5), die ein reflek-tiertes Licht detektiert, das von dem Bearbeitungskopf (3) emittiert wird und auf einer Oberfläche oder in der Nähe der Oberfläche des Werkstücks (7) reflektiert wird, um zu der Laservorrichtung (2) über ein optisches System in dem Bearbeitungskopf (3) zurückzukehren, mindestens eine Bearbeitungsergebnis-Beobachtungseinheit (6), die, ohne jeglichen menschlichen Eingriff, von einem Bearbeitungszustand und einem Bearbeitungsergebnis des Werkstücks (7) mindestens eines zumindest während der Laserbearbeitung oder nach der Laserbearbeitung beobachtet, und mindestens eine Antriebsvorrichtung (8), die eine relative Positionsbeziehung zwischen dem Bearbeitungskopf (3) und dem Werkstück (7) ändert, wobei die Vorrichtung zum maschinellen Lernen umfasst: eine Zustandsgrößen-Beobachtungseinheit (11), die eine Zustandsgröße des Laserbearbeitungssystems (1) beobachtet, eine Operationsergebnis-Erfassungseinheit (12), die ein Bearbeitungsergebnis des Laserbearbeitungssystems (1) erfasst, eine Lerneinheit (13), die eine Ausgabe von der Zustandsgrößen-Beobachtungseinheit (11) und eine Ausgabe von der Operationsergebnis-Erfassungseinheit (12) empfängt und die Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße des Laserbearbeitungssystems (1) und dem Bearbeitungsergebnis lernt, und eine Entscheidungseinheit (14), die Laserbearbeitungsbedingungsdaten durch Bezugnahme auf die durch die Lerneinheit (13) gelernten Laserbearbeitungsbedingungsdaten ausgibt, wobei wenn bei einer Bearbeitung des Werkstücks (7) auf der Grundlage von gegebenen Laserbearbeitungsbedingungsdaten ein Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts einen zweiten vorgegebenen Pegel übersteigt, der niedriger eingestellt ist als ein erster vorgegebener Pegel, der niedriger eingestellt ist als ein Alarmpegel, welcher anzeigt, dass von dem Bearbeitungskopf (3), der Laservorrichtung (2) und einer optischen Laserlichtausbreitungskomponente zwischen dem Bearbeitungskopf (3) und der Laservorrichtung (2) mindestens eines durch das reflektierte Licht beschädigt werden kann, die Lerneinheit (13) Bezug auf die gelernten Laserbearbeitungsbedingungsdaten nimmt um Laserbearbeitungsbedingungsdaten auszugeben, von denen vorhergesagt wird, dass ein Bearbeitungsergebnis nah an einem Bearbeitungsergebnis der gegebenen Laserbearbeitungsbedingungsdaten erzielt wird, ohne dass das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt, wobei die Lerneinheit (13) eine Wertfunktion aufweist, die von einem Laserbearbeitungsinhalt zum anderen variiert und einen Wert von Laserbearbeitungsbedingungsdaten definiert, und ferner umfasst: eine Belohnungsberechnungseinheit (20), die, wenn ein Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und durch die Operationsergebnis-Erfassungseinheit (12) erlangt wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, klein ist, eine Plusbelohnung gemäß dem Unterschied liefert, und wenn der Unterschied groß ist, eine Minusbelohnung gemäß dem Unterschied bereitstellt, und eine Wertfunktions-Aktualisierungseinheit (21), die die Wertfunktion gemäß der Belohnung aktualisiert, wobei in der Lerneinheit (13) die Belohnungsberechnungseinheit (20) eine vorgegebene Minusbelohnung bereitstellt, wenn das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel während der Bearbeitung des Werkstücks (7) auf der Grundlage der gegebenen Laserbearbeitungsbedingungsdaten übersteigt, und die Wertfunktion gemäß der vorgegebenen Minusbelohnung aktualisiert wird.
Vorrichtung zum maschinellen Lernen nach Anspruch 1 oder 2, wobei die durch die Zustandsgrößen-Beobachtungseinheit (11) beobachtete Zustandsgröße mindestens eines der Folgenden umfasst: Charakteristiken einer optischen Ausgabe der Laservorrichtung (2), die eine Beziehung zwischen einem Befehl zur optischen Ausgabe für die Laservorrichtung (2) und einer von der Laservorrichtung (2) tatsächlich emittierten optischen Ausgabe anzeigen; eine optische Ausgabe, die von der Laservorrichtung (2) emittiert wird; ein Verhältnis einer optischen Ausgabe, die von dem Bearbeitungskopf (3) emittiert wird, zu der optischen Ausgabe von der Laservorrichtung (2); eine Temperatur eines Abschnitts, der mit dem Laseroszillator thermisch verbunden ist; Temperaturen von Abschnitten, die eine Komponente umfassen, die aufgrund einer Laseroszillation in der Laservorrichtung (2) eine Temperaturänderung erfährt; eine Temperatur des Bearbeitungskopfs (3); eine Temperatur des optischen Systems, das das Laserlicht von der Laservorrichtung (2) zu dem Bearbeitungskopf (3) propagiert; eine Temperatur der Antriebsvorrichtung (8); eine Temperatur einer Strukturkomponente, die den Bearbeitungskopf (3) oder die Antriebsvorrichtung (8) stützt; eine Art, eine Temperatur und eine Durchflussrate von Fluiden zum Kühlen der Komponente, die aufgrund der Laseroszillation eine Temperaturerhöhung erfährt; eine Temperatur und eine Luftfeuchtigkeit in der Laservorrichtung (2); eine Umgebungstemperatur und -feuchtigkeit um die Laservorrichtung (2) herum; einen tatsächlichen Strom eines Antriebsmotors der Antriebsvorrichtung (8); eine Ausgabe von einer Positionsdetektionseinheit der Antriebsvorrichtung (8); und Größen, die eine Dicke, eine Materialqualität, spezifische Wärme, eine Dichte, Wärmeleitfähigkeit, eine Temperatur und einen Oberflächenzustand des Werkstücks (7) umfassen.
Vorrichtung zum maschinellen Lernen nach einem der Ansprüche 1 bis 3, wobei die von der Entscheidungseinheit (14) ausgegebenen Laserbearbeitungsbedingungsdaten mindestens eines der Folgenden umfassen: eine optische Ausgabe, eine optische Ausgangswellenform, einen Strahlmodus, und eine Laserwellenlänge des von jeder Laservorrichtung (2) emittierten Laserstrahls; eine Brennweite, einen F-Wert, und einen Transmissionsgrad des optischen Systems, das den Laserstrahl emittiert; eine relative Positionsbeziehung, die eine zeitliche Änderung zwischen einem Brennpunkt des zu dem Werkstück (7) emittierten Laserstrahls und einer bearbeiteten Fläche des Werkstücks (7) umfasst; eine Spotgröße, eine Leistungsdichte und eine Leistungsdichteverteilung des zu dem Werkstück (7) emittierten Laserstrahls auf der bearbeiteten Fläche des Werkstücks (7); eine relative Positionsbeziehung, die eine zeitliche Änderung zwischen dem Bearbeitungskopf (3) und dem Werkstück (7) umfasst; einen Winkel, der zwischen einer optischen Achse des Laserstrahls und der bearbeiteten Fläche des Werkstücks (7) gebildet wird; eine Bearbeitungsgeschwindigkeit; und eine Art und eine Durchflussrate oder einen Zufuhrdruck eines Hilfsgases.
Laserbearbeitungssystem (1), das mit einer Vorrichtung zum maschinellen Lernen zum Lernen von Laserbearbeitungsbedingungsdaten des Laserbearbeitungssystems (1) vorgesehen ist, das Laserbearbeitungssystem (1) umfassend: mindestens eine Laservorrichtung (2), die zumindest einen Laseroszillator umfasst; mindestens einen Bearbeitungskopf (3), der ein Laserlicht von der Laservorrichtung (2) zu einem Werkstück (7) emittiert; mindestens eine Ausgangslicht-Detektionseinheit (4), die ein Maß des von dem Bearbeitungskopf (3) emittierten Laserlichts detektiert, mindestens eine Reflexionslicht-Detektionseinheit (5), die ein reflektiertes Licht detektiert, das von dem Bearbeitungskopf (3) emittiert wird und auf einer Oberfläche oder in der Nähe der Oberfläche des Werkstücks (7) reflektiert wird, um zu der Laservorrichtung (2) über ein optisches System in dem Bearbeitungskopf (3) zurückzukehren, mindestens eine Bearbeitungsergebnis-Beobachtungseinheit (6), die, ohne jeglichen menschlichen Eingriff, von einem Bearbeitungszustand und einem Bearbeitungsergebnis des Werkstücks (7) mindestens eines zumindest während der Laserbearbeitung oder nach der Laserbearbeitung beobachtet; und mindestens eine Antriebsvorrichtung (8), die eine relative Positionsbeziehung zwischen dem Bearbeitungskopf (3) und dem Werkstück \(7) ändert, wobei die Vorrichtung zum maschinellen Lernen umfasst: eine Zustandsgrößen-Beobachtungseinheit (11), die eine Zustandsgröße des Laserbearbeitungssystems (1) beobachtet, eine Operationsergebnis-Erfassungseinheit (12), die ein Bearbeitungsergebnis des Laserbearbeitungssystems (1) erfasst, eine Lerneinheit (13), die eine Ausgabe von der Zustandsgrößen-Beobachtungseinheit (11) und eine Ausgabe von der Operationsergebnis-Erfassungseinheit (12) empfängt und die Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße des Laserbearbeitungssystems (1) und dem Bearbeitungsergebnis lernt, und eine Entscheidungseinheit (14), die Laserbearbeitungsbedingungsdaten durch Bezugnahme auf die durch die Lerneinheit (13) gelernten Laserbearbeitungsbedingungsdaten ausgibt, mindestens eine Steuervorrichtung (9), die die Laservorrichtung (2), den Bearbeitungskopf (3), die Ausgangslicht-Detektionseinheit (4), die Reflexionslicht-Detektionseinheit (5), die Bearbeitungsergebnis-Beobachtungseinheit (6) und die Antriebsvorrichtung (8) steuert; wobei wenn das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den ersten vorgegebenen Pegel übersteigt, die Steuervorrichtung (9) die optische Ausgabe von der Laservorrichtung (2) abschneidet oder sie auf ein vorgegebenes Verhältnis reduziert, ohne auf ein Ausgeben nächster Laserbearbeitungsbedingungsdaten von der Vorrichtung zum maschinellen Lernen zu warten.
Laserbearbeitungssystem (1) nach Anspruch 5, wobei wenn bei einer Bearbeitung des Werkstücks (7) auf der Grundlage von gegebenen Laserbearbeitungsbedingungsdaten ein Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts einen zweiten vorgegebenen Pegel übersteigt, der niedriger eingestellt ist als ein erster vorgegebener Pegel, der niedriger eingestellt ist als ein Alarmpegel, welcher anzeigt, dass von dem Bearbeitungskopf (3), der Laservorrichtung (2) und einer optischen Laserlichtausbreitungskomponente zwischen dem Bearbeitungskopf (3) und der Laservorrichtung (2) mindestens eines durch das reflektierte Licht beschädigt werden kann, die Lerneinheit (13) Bezug auf die gelernten Laserbearbeitungsbedingungsdaten nimmt um Laserbearbeitungsbedingungsdaten auszugeben, von denen vorhergesagt wird, dass ein Bearbeitungsergebnis nah an einem Bearbeitungsergebnis der gegebenen Laserbearbeitungsbedingungsdaten erzielt wird, ohne dass das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt.
Laserbearbeitungssystem (1) nach Anspruch 5 oder 6, wobei die durch die Zustandsgrößen-Beobachtungseinheit (11) beobachtete Zustandsgröße mindestens eines der Folgenden umfasst: Charakteristiken einer optischen Ausgabe der Laservorrichtung (2), die eine Beziehung zwischen einem Befehl zur optischen Ausgabe für die Laservorrichtung (2) und einer von der Laservorrichtung (2) tatsächlich emittierten optischen Ausgabe anzeigen; eine optische Ausgabe, die von der Laservorrichtung (2) emittiert wird; ein Verhältnis einer optischen Ausgabe, die von dem Bearbeitungskopf (3) emittiert wird, zu der optischen Ausgabe von der Laservorrichtung (2); eine Temperatur eines Abschnitts, der mit dem Laseroszillator thermisch verbunden ist; Temperaturen von Abschnitten, die eine Komponente umfassen, die aufgrund einer Laseroszillation in der Laservorrichtung (2) eine Temperaturänderung erfährt; eine Temperatur des Bearbeitungskopfs (3); eine Temperatur des optischen Systems, das das Laserlicht von der Laservorrichtung (2) zu dem Bearbeitungskopf (3) propagiert; eine Temperatur der Antriebsvorrichtung (8); eine Temperatur einer Strukturkomponente, die den Bearbeitungskopf (3) oder die Antriebsvorrichtung (8) stützt; eine Art, eine Temperatur und eine Durchflussrate von Fluiden zum Kühlen der Komponente, die aufgrund der Laseroszillation eine Temperaturerhöhung erfährt; eine Temperatur und eine Luftfeuchtigkeit in der Laservorrichtung (2); eine Umgebungstemperatur und - feuchtigkeit um die Laservorrichtung (2) herum; einen tatsächlichen Strom eines Antriebsmotors der Antriebsvorrichtung (8); eine Ausgabe von einer Positionsdetektionseinheit der Antriebsvorrichtung (8); und Größen, die eine Dicke, eine Materialqualität, spezifische Wärme, eine Dichte, Wärmeleitfähigkeit, eine Temperatur und einen Oberflächenzustand des Werkstücks (7) umfassen.
Laserbearbeitungssystem (1) nach einem der Ansprüche 5 bis 7, wobei die von der Entscheidungseinheit (14) ausgegebenen Laserbearbeitungsbedingungsdaten mindestens eines der Folgenden umfassen: eine optische Ausgabe, eine optische Ausgangswellenform, einen Strahlmodus, und eine Laserwellenlänge des von jeder Laservorrichtung (2) emittierten Laserstrahls; eine Brennweite, einen F-Wert, und einen Transmissionsgrad des optischen Systems, das den Laserstrahl emittiert; eine relative Positionsbeziehung, die eine zeitliche Änderung zwischen einem Brennpunkt des zu dem Werkstück (7) emittierten Laserstrahls und einer bearbeiteten Fläche des Werkstücks (7) umfasst; eine Spotgröße, eine Leistungsdichte und eine Leistungsdichteverteilung des zu dem Werkstück (7) emittierten Laserstrahls auf der bearbeiteten Fläche des Werkstücks (7); eine relative Positionsbeziehung, die eine zeitliche Änderung zwischen dem Bearbeitungskopf (3) und dem Werkstück (7) umfasst; einen Winkel, der zwischen einer optischen Achse des Laserstrahls und der bearbeiteten Fläche des Werkstücks (7) gebildet wird; eine Bearbeitungsgeschwindigkeit; und eine Art und eine Durchflussrate oder einen Zufuhrdruck eines Hilfsgases.
Laserbearbeitungssystem (1) nach Anspruch 6, wobei die Lerneinheit (13) umfasst: ein Lernmodell zum Lernen von Laserbearbeitungsbedingungsdaten, welche von einem Laserbearbeitungsinhalt zum anderen variieren, eine Fehlerberechnungseinheit (15), die einen Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und von der Operationsergebnis-Erfassungseinheit (12) erfasst wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis berechnet, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, und eine Lernmodell-Aktualisierungseinheit (16), die das Lernmodell gemäß dem Unterschied aktualisiert.
Laserbearbeitungssystem (1) nach Anspruch 9, wobei in der Lerneinheit (13) die Fehlerberechnungseinheit (15), wenn das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel während der Bearbeitung des Werkstücks (7) auf der Grundlage der gegebenen Laserbearbeitungsbedingungsdaten übersteigt, ein Berechnungsergebnis ausgibt, welches anzeigt, dass ein vorgegebener Unterschied zwischen den Bearbeitungsergebnissen der Laserbearbeitungsbedingungsdaten aufgetreten ist, und das Lernmodell gemäß dem Berechnungsergebnis aktualisiert wird.
Laserbearbeitungssystem (1) nach Anspruch 6, wobei die Lerneinheit (13) eine Wertfunktion aufweist, die von einem Laserbearbeitungsinhalt zum anderen variiert und einen Wert von Laserbearbeitungsbedingungsdaten definiert, und ferner umfasst: eine Belohnungsberechnungseinheit (20), die, wenn ein Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und durch die Operationsergebnis-Erfassungseinheit (12) erlangt wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, klein ist, eine Plusbelohnung gemäß dem Unterschied liefert, und wenn der Unterschied groß ist, eine Minusbelohnung gemäß dem Unterschied bereitstellt, und eine Wertfunktions-Aktualisierungseinheit (21), die die Wertfunktion gemäß der Belohnung aktualisiert.
Laserbearbeitungssystem (1) nach Anspruch 11, wobei in der Lerneinheit (13) die Belohnungsberechnungseinheit (20) eine vorgegebene Minusbelohnung bereitstellt, wenn das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel während der Bearbeitung des Werkstücks (7) auf der Grundlage der gegebenen Laserbearbeitungsbedingungsdaten übersteigt, und die Wertfunktion gemäß der vorgegebenen Minusbelohnung aktualisiert wird.
Laserbearbeitungssystem (1) nach Anspruch 5, wobei: Charakteristiken der optischen Ausgabe der Laservorrichtung (2), die eine Beziehung zwischen einem Befehl zur optischen Ausgabe von der Steuervorrichtung (9) und einer optischen Ausgabe, die von der Laservorrichtung (2) tatsächlich emittiert wird, in der Laservorrichtung (2) oder der Steuervorrichtung (9) gespeichert werden, und die Charakteristiken der optischen Ausgabe nach einem vorgegebenen Plan gemessen werden, und die Charakteristiken der optischen Ausgabe der Laservorrichtung (2) auf der Grundlage eines Messergebnisses aktualisiert werden.
Laserbearbeitungssystem (1) nach einem der Ansprüche 5 bis 13, wobei: mindestens eine der Bearbeitungsergebnis-Beobachtungseinheiten (6) ein beliebiges von den Folgenden ist: eine digitale Vorrichtung zum zweidimensionalen Abbilden, ein CCD-Messmikroskop, eine Oberflächenrauheit-/Formmessvorrichtung des Kontakttyps, ein Weißlichtinterferometer, ein Lasermikroskop und eine kontaktfreien Vorrichtung zum dreidimensionalen Messen ist, und mindestens eine Dateninformation aus dem Folgenden als das Ergebnis der Laserbearbeitungsbedingungsdaten von der Bearbeitungsergebnis-Beobachtungseinheit (6) an die Operationsergebnis-Erfassungseinheit (12) ausgegeben wird: Glattheit oder Oberflächenrauheit einer Laserschnittfläche, einem Volumen pro Schnittlängeneinheit von wulstförmigen Absonderungen, die auf einer Vorder- oder einer Rückseite in der Nähe eines Schnittabschnitts ausgebildet werden, einer Sputterabscheidungsmenge pro Flächeneinheit auf der Rückseite, einer Oxidfarbdichte auf der Schnittfläche, Schnittgrößen-/Schnittformgenauigkeit, und Beobachtungsergebnisdaten einer Rechtwinkligkeit der Schnittfläche.
Laserbearbeitungssystem (1) nach einem der Ansprüche 5 bis 13, wobei: mindestens eine der Bearbeitungsergebnis-Beobachtungseinheiten (6) ein beliebiges von dem Folgenden ist: einer digitalen Vorrichtung zum zweidimensionalen Abbilden, einem CCD-Messmikroskop, einem Lasermikroskop, einer nichtdestruktiven Lichtanregungs-Inspektionsvorrichtung, die eine Lichtquelle und eine Infrarotkamera umfasst, einer Ultraschall-Defekterkennungs-Prüfvorrichtung, einer nichtdestruktiven Induktionserwärmungs-Inspektionsvorrichtung, einer Strahlungsübertragungs-Abbildungsvorrichtung, und einer Akustikemissions-Prüfvorrichtung ist, und mindestens eine Beobachtungsergebnisdateninformation unter den Folgenden als das Ergebnis der Laserbearbeitungsbedingungsdaten von der Bearbeitungsergebnis-Beobachtungseinheit (6) an die Operationsergebnis-Erfassungseinheit (12) ausgegeben wird: Risse in einem geschweißten Abschnitt, eine Gasblase, ein Pinhole, ein Mangel an Durchdringung, eine unvollständige Verschmelzung, ein Unterschnitt/eine Überlappung und einer Höckerbildung, durch den Laser verursacht.
Laserbearbeitungssystem (1) nach einem der Ansprüche 5 bis 15, wobei mehrere Laservorrichtungen (2) vorhanden sind, und mehrere Vorrichtungen zum maschinellen Lernen, die in den jeweiligen Laserbearbeitungssystemen installiert sind, Daten gemeinsam nutzen oder sie über ein Kommunikationsmedium miteinander austauschen.
Laserbearbeitungssystem (1) nach Anspruch 16, wobei die Vorrichtung zum maschinellen Lernen von den Laserbearbeitungssystemen über das Kommunikationsmedium gemeinsam genutzt wird.
Maschinelles Lernverfahren zum Lernen von Laserbearbeitungsbedingungsdaten, die an eine Steuervorrichtung (9) eines Laserbearbeitungssystems (1) ausgegeben werden, umfassend: Beobachten einer Zustandsgröße des Laserbearbeitungssystems (1), was Ausgabedaten von mindestens einer Laservorrichtung (2), Ausgabedaten von mindestens einem Bearbeitungskopf (3) und Ausgabedaten von mindestens einer Antriebsvorrichtung (8) zum Ändern einer relativen Positionsbeziehung zwischen dem Bearbeitungskopf (3) und einem Werkstück (7) umfasst, Empfangen, als Ergebnisse von Laserbearbeitungsbedingungsdaten, von Ausgabedaten von mindestens einer Reflexionslicht-Detektionseinheit (5), die zu der Laservorrichtung (2) rückkehrendes reflektiertes Licht detektiert, und Ausgabedaten von mindestens einer Bearbeitungsergebnis-Beobachtungseinheit (6), die von einem Bearbeitungszustand und einem Bearbeitungsergebnis des Werkstücks (7) mindestens eines zumindest während einer Laserbearbeitung oder nach einem Ende der Laserbearbeitung beobachtet, wobei eine Lerneinheit (13) die Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße des Laserbearbeitungssystems (1) und den Ergebnissen der Laserbearbeitungsbedingungsdaten lernt; wobei wenn bei einer Bearbeitung des Werkstücks (7) auf der Grundlage von gegebenen Laserbearbeitungsbedingungsdaten ein Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts einen zweiten vorgegebenen Pegel übersteigt, der niedriger eingestellt ist als ein erster vorgegebener Pegel, der niedriger eingestellt ist als ein Alarmpegel, welcher anzeigt, dass von dem Bearbeitungskopf (3), der Laservorrichtung (2) und einer optischen Laserlichtausbreitungskomponente zwischen dem Bearbeitungskopf (3) und der Laservorrichtung (2) mindestens eines durch das reflektierte Licht beschädigt werden kann, die Lerneinheit (13) Bezug auf die gelernten Laserbearbeitungsbedingungsdaten nimmt um Laserbearbeitungsbedingungsdaten auszugeben, von denen vorhergesagt wird, dass ein Bearbeitungsergebnis nah an einem Bearbeitungsergebnis der gegebenen Laserbearbeitungsbedingungsdaten erzielt wird, ohne dass das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt, und wobei die Lerneinheit (13) umfasst: ein Lernmodell zum Lernen von Laserbearbeitungsbedingungsdaten, welche von einem Laserbearbeitungsinhalt zum anderen variieren, wobei das Verfahren weiterhin umfasst: Berechnen eines Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und von der Operationsergebnis-Erfassungseinheit (12) erfasst wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, und Aktualisieren des Lernmodells gemäß dem Unterschied, wobei in der Lerneinheit (13) eine Fehlerberechnungseinheit (15), wenn das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel während der Bearbeitung des Werkstücks (7) auf der Grundlage der gegebenen Laserbearbeitungsbedingungsdaten übersteigt, ein Berechnungsergebnis ausgibt, welches anzeigt, dass ein vorgegebener Unterschied zwischen den Bearbeitungsergebnissen der Laserbearbeitungsbedingungsdaten aufgetreten ist, und das Lernmodell gemäß dem Berechnungsergebnis aktualisiert wird.
Maschinelles Lernverfahren zum Lernen von Laserbearbeitungsbedingungsdaten, die an eine Steuervorrichtung (9) eines Laserbearbeitungssystems (1) ausgegeben werden, umfassend: Beobachten einer Zustandsgröße des Laserbearbeitungssystems (1), was Ausgabedaten von mindestens einer Laservorrichtung (2), Ausgabedaten von mindestens einem Bearbeitungskopf (3) und Ausgabedaten von mindestens einer Antriebsvorrichtung (8) zum Ändern einer relativen Positionsbeziehung zwischen dem Bearbeitungskopf (3) und einem Werkstück (7) umfasst, und Empfangen, als Ergebnisse von Laserbearbeitungsbedingungsdaten, von Ausgabedaten von mindestens einer Reflexionslicht-Detektionseinheit (5), die zu der Laservorrichtung (2) rückkehrendes reflektiertes Licht detektiert, und Ausgabedaten von mindestens einer Bearbeitungsergebnis-Beobachtungseinheit (6), die von einem Bearbeitungszustand und einem Bearbeitungsergebnis des Werkstücks (7) mindestens eines zumindest während einer Laserbearbeitung oder nach einem Ende der Laserbearbeitung beobachtet, wobei eine Lerneinheit (13) die Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße des Laserbearbeitungssystems (1) und den Ergebnissen der Laserbearbeitungsbedingungsdaten lernt; wobei wenn bei einer Bearbeitung des Werkstücks (7) auf der Grundlage von gegebenen Laserbearbeitungsbedingungsdaten ein Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts einen zweiten vorgegebenen Pegel übersteigt, der niedriger eingestellt ist als ein erster vorgegebener Pegel, der niedriger eingestellt ist als ein Alarmpegel, welcher anzeigt, dass von dem Bearbeitungskopf (3), der Laservorrichtung (2) und einer optischen Laserlichtausbreitungskomponente zwischen dem Bearbeitungskopf (3) und der Laservorrichtung (2) mindestens eines durch das reflektierte Licht beschädigt werden kann, die Lerneinheit (13) Bezug auf die gelernten Laserbearbeitungsbedingungsdaten nimmt um Laserbearbeitungsbedingungsdaten auszugeben, von denen vorhergesagt wird, dass ein Bearbeitungsergebnis nah an einem Bearbeitungsergebnis der gegebenen Laserbearbeitungsbedingungsdaten erzielt wird, ohne dass das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel übersteigt; wobei die Lerneinheit (13) eine Wertfunktion aufweist, die von einem Laserbearbeitungsinhalt zum anderen variiert und einen Wert von Laserbearbeitungsbedingungsdaten definiert, wobei die Lerneinheit (13), wenn ein Unterschied zwischen einem Laserbearbeitungsergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und durch die Operationsergebnis-Erfassungseinheit (12) erlangt wird, und einem im Wesentlichen idealen Bearbeitungsergebnis oder einem Bearbeitungszielergebnis, das eine Bearbeitungsgeschwindigkeit oder eine für eine vorgegebene Bearbeitung aufgewendete Zeit umfasst und das für jeden Laserbearbeitungsinhalt eingestellt wird, klein ist, eine Plusbelohnung gemäß dem Unterschied liefert, und wenn der Unterschied groß ist, eine Minusbelohnung gemäß dem Unterschied bereitstellt, und die Wertfunktion gemäß der Belohnung aktualisiert, und in der Lerneinheit (13) eine Belohnungsberechnungseinheit (20) eine vorgegebene Minusbelohnung bereitstellt, wenn das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den zweiten vorgegebenen Pegel während der Bearbeitung des Werkstücks (7) auf der Grundlage der gegebenen Laserbearbeitungsbedingungsdaten übersteigt, und die Wertfunktion gemäß der vorgegebenen Minusbelohnung aktualisiert wird.
Maschinelles Lernverfahren zum Lernen von Laserbearbeitungsbedingungsdaten, die an eine Steuervorrichtung (9) eines Laserbearbeitungssystems (1) ausgegeben werden, umfassend: Beobachten einer Zustandsgröße, ohne jeglichen menschlichen Eingriff, des Laserbearbeitungssystems (1), was Ausgabedaten von mindestens einer Laservorrichtung (2), Ausgabedaten von mindestens einem Bearbeitungskopf (3) und Ausgabedaten von mindestens einer Antriebsvorrichtung (8) zum Ändern einer relativen Positionsbeziehung zwischen dem Bearbeitungskopf (3) und einem Werkstück (7) umfasst, Empfangen, als Ergebnisse von Laserbearbeitungsbedingungsdaten, von Ausgabedaten von mindestens einer Reflexionslicht-Detektionseinheit (5), die zu der Laservorrichtung (2) rückkehrendes reflektiertes Licht detektiert, und Ausgabedaten von mindestens einer Bearbeitungsergebnis-Beobachtungseinheit (6), die von einem Bearbeitungszustand und einem Bearbeitungsergebnis des Werkstücks (7) mindestens eines zumindest während einer Laserbearbeitung oder nach einem Ende der Laserbearbeitung beobachtet, wobei Lernen der Laserbearbeitungsbedingungsdaten in Verbindung mit der Zustandsgröße des Laserbearbeitungssystems (1) und den Ergebnissen der Laserbearbeitungsbedingungsdaten lernt; wobei das Laserbearbeitungssystem (1) umfasst: die Laservorrichtung (2); den Bearbeitungskopf (3); die Ausgangslicht-Detektionseinheit (4), die Reflexionslicht-Detektionseinheit (5), die Bearbeitungsergebnis-Beobachtungseinheit (6), und die Antriebsvorrichtung (8), wobei mindestens eines von jedem vorgesehen ist, und mindestens eine Steuervorrichtung (9), die die Laservorrichtung (2), den Bearbeitungskopf (3), die Ausgangslicht-Detektionseinheit (4), die Reflexionslicht-Detektionseinheit (5), die Bearbeitungsergebnis-Beobachtungseinheit (6) und die Antriebsvorrichtung (8) steuert, wobei wenn das Maß des durch die Reflexionslicht-Detektionseinheit (5) detektierten reflektierten Lichts den ersten vorgegebenen Pegel übersteigt, die Steuervorrichtung (9) die optische Ausgabe von der Laservorrichtung (2) abschneidet oder sie auf ein vorgegebenes Verhältnis reduziert, ohne auf ein Ausgeben nächster Laserbearbeitungsbedingungsdaten von der Vorrichtung zum maschinellen Lernen zu warten.