DE102018009026B4

DE102018009026B4 - Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung und Maschinenlernvorrichtung

Info

Publication number: DE102018009026B4
Application number: DE102018009026.5A
Authority: DE
Inventors: Tetsushi TAKAHARA
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2017-11-24
Filing date: 2018-11-16
Publication date: 2023-06-07
Anticipated expiration: 2038-11-17
Also published as: DE102018009026A1; US10866573B2; JP6637021B2; CN109834504A; JP2019093479A; US20190163158A1; CN109834504B

Abstract

Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung (1), die einen Zeitpunkt der Zufuhr einer Schneidflüssigkeit durch eine Schneidflüssigkeitzufuhrvorrichtung (2) schätzt, die die Schneidflüssigkeit zu einer Arbeitsposition zuführt, wobei die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung (1) umfasst:
eine Maschinenlernvorrichtung (100), die eine Schätzung des Zeitpunkts der Zufuhr der Schneidflüssigkeit in Bezug auf einen Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung (2) lernt, wobei:
die Maschinenlernvorrichtung (100) umfasst:
eine Statusbeobachtungseinheit (106), die Betriebsstatusdaten (S1) zum Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung (2) als Statusvariable (S) beobachtet, die einen aktuellen Umgebungsstatus darstellt,
eine Kennzeichnungsdatenerfassungseinheit (108), die Zufuhrzeitpunktdaten (L1), die den Zeitpunkt der Zufuhr der Schneidflüssigkeit indizieren, als Kennzeichnungsdaten (L) erfasst, und
eine Lerneinheit (110), die die Betriebsstatusdaten (S1) und die Zufuhrzeitpunktdaten (L1) in Assoziation miteinander unter Verwendung der Statusvariable (S) und der Kennzeichnungsdaten (L) lernt.

Description

HINTERGRUND DER ERFINDUNG
Gebiet der Erfindung
Die vorliegende Erfindung bezieht sich auf Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtungen und Maschinenlernvorrichtungen und insbesondere auf eine Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung und eine Maschinenlernvorrichtung zum Steuern eines Zeitpunkts einer Zufuhr einer Schneidflüssigkeit durch Vorausschauen in Bezug auf Blockverarbeitung.
Beschreibung des verwandten Standes der Technik
Bei einer Schneidarbeit ist es erforderlich, eine Schneidflüssigkeit geeignet zu einer Schneidstelle zuzuführen, um ein stabiles Schneiden durchzuführen. Wenn jedoch ein Elektromotor oder ein Magnetventil, der bzw. das die Schneidflüssigkeit zuführt, von der Schneidstelle entfernt angeordnet ist, kommt es von einem Zeitpunkt, an dem eine Schneidflüssigkeitzufuhranweisung in einem Arbeitsprogramm bereitgestellt wird, bis zu einem Zeitpunkt, an dem die Schneidflüssigkeit tatsächlich ausgegeben und zur Schneidstelle zugeführt wird, zu einer Verzögerung und beginnt die Arbeit ggf. ohne Anwendung der Schneidflüssigkeit.
Um dieses Problem zu verhindern, wird ein Verfahren herangezogen, bei dem hauptsächlich eine Schneidflüssigkeitzufuhranweisung in einem Programm ausreichend lange vor Beginn des Schneidens bereitgestellt wird oder die Schneidflüssigkeit stets zugeführt wird. Außerdem offenbart JP 2003 - 068680 A als Technik zum Verringern einer Verzögerung bei der Zufuhr der Schneidflüssigkeit aus dem Stand der Technik eine Technik, bei der eine Verzögerung beim Einspritzen einer Arbeitsflüssigkeit durch Bereitstellen eines Rückschlagventils nahe einer Einspritzdüse für die Arbeitsflüssigkeit gelöst wird.
Bei dem Verfahren des Bereitstellens einer Anweisung ausreichend lange vor Beginn des Schneidens oder des stetigen Zuführens der Schneidflüssigkeit wird die Schneidflüssigkeit jedoch vor dem tatsächlichen Beginn der Arbeit zugeführt, wodurch nicht nur die Schneidflüssigkeit verschwendet wird, sondern auch die Betriebszeit einer die Schneidflüssigkeit zuführenden Pumpe erhöht und auch elektrische Energie verschwendet wird. Auch wenn es mit der in JP 2003 - 068680 A offenbarten Technik möglich ist, eine Verzögerung beim Einspritzen der Arbeitsflüssigkeit in einem gewissen Grad zu beheben, müssen außerdem alle Maschinen, die die Schneidflüssigkeit zuführen, mit einem Rückschlagventil versehen werden. Des Weiteren muss das Rückschlagventil als physikalische Struktur gewartet werden, wodurch die Kosten nachteilig erhöht werden.
Weiteren Stand der Technik offenbaren die Druckschriften DE 10 2017 003 904 A1 und DE 10 2016 011 528 A1 .
KURZDARSTELLUNG DER ERFINDUNG
Ein Ziel der vorliegenden Erfindung liegt in der Bereitstellung einer Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung und einer Maschinenlernvorrichtung, die in der Lage sind, eine Schneidflüssigkeit gemäß einem Arbeitszeitpunkt zuzuführen, ohne dabei die Schneidflüssigkeit, elektrische Energie und so weiter zu verschwenden.
Durch Lesen von Blöcken eines Arbeitsprogramms vorab stellt die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung der vorliegenden Erfindung eine Funktion des Berechnens eines Anweisungszeitpunkts für eine Schneidflüssigkeitzufuhr und des Startens einer Schneidflüssigkeitzufuhrsteuerung vor Ausführung der Anweisung bereit, so dass die Schneidflüssigkeit zum Anweisungszeitpunkt an eine Schneidstelle zugeführt wird. Eine Verzögerungszeit bei der Zufuhr der Schneidflüssigkeit zur Schneidstelle ist durch manuelle Einstellung mittels Sichtprüfung durch einen Benutzer, einen Durchflusssensor, der nahe einer Ausgabeöffnung für die Schneidflüssigkeit eingerichtet ist, die Last eines Elektromotors, der die Schneidflüssigkeit zuführt (die Last erhöht sich, während eine Leitung mit der Schneidflüssigkeit gefüllt wird), automatisches Einstellen durch eine Sichtkamera oder dergleichen oder eine Kombination daraus gegeben. Maschinenlernen wird verwendet, um den Zeitpunkt der Zufuhr der Schneidflüssigkeit automatisch einzustellen.
Eine Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung gemäß einem Aspekt der vorliegenden Erfindung schätzt einen Zeitpunkt der Zufuhr einer Schneidflüssigkeit durch eine Schneidflüssigkeitzufuhrvorrichtung, die die Schneidflüssigkeit zu einer Arbeitsposition zuführt. Die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung umfasst eine Maschinenlernvorrichtung, die eine Schätzung, die eine Schätzung des Zeitpunkts der Zufuhr der Schneidflüssigkeit in Bezug auf einen Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung lernt. Die Maschinenlernvorrichtung umfasst eine Statusbeobachtungseinheit, die Betriebsstatusdaten zum Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung als Statusvariable beobachtet, die einen aktuellen Umgebungsstatus darstellt, eine Kennzeichnungsdatenerfassungseinheit, die Zufuhrzeitpunktdaten, die den Zeitpunkt der Zufuhr der Schneidflüssigkeit indiziert, als Kennzeichnungsdaten erfasst, und eine Lerneinheit, die die Betriebsstatusdaten und die Zufuhrzeitpunktdaten in Assoziation miteinander unter Verwendung der Statusvariable und der Kennzeichnungsdaten lernt.
Die Lerneinheit kann eine Fehlerberechnungseinheit, die einen Fehler zwischen einem Korrelationsmodell zum Schätzen des Zeitpunkts der Zufuhr der Schneidflüssigkeit anhand der Statusvariable und einem Korrelationsmerkmal, das anhand von vorab erstellten Lehrerdaten identifiziert wird, berechnet, und eine Modellaktualisierungseinheit umfassen, die das Korrelationsmodell aktualisiert, um den Fehler zu verringern.
Die Lerneinheit kann die Statusvariable und die Kennzeichnungsdaten in einer mehrschichtigen Struktur berechnen.
Die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung kann ferner eine Schätzungsergebnisausgabeeinheit umfassen, die ein Schätzungsergebnis des Zeitpunkts der Zufuhr der Schneidflüssigkeit auf Basis des Lernergebnisses durch die Lerneinheit ausgibt.
Die Maschinenlernvorrichtung kann auf einem Cloud-Server vorliegen.
Eine Maschinenlernvorrichtung gemäß einem Aspekt der vorliegenden Erfindung lernt eine Schätzung eines Zeitpunkts der Zufuhr einer Schneidflüssigkeit in Bezug auf einen Betriebsstatus einer Schneidflüssigkeitzufuhrvorrichtung, die die Schneidflüssigkeit zu einer Arbeitsposition zuführt. Die Maschinenlernvorrichtung umfasst eine Statusbeobachtungseinheit, die Betriebsstatusdaten zum Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung als Statusvariable beobachtet, die einen aktuellen Umgebungsstatus darstellt, eine Kennzeichnungsdatenerfassungseinheit, die Zufuhrzeitpunktdaten, die den Zeitpunkt der Zufuhr der Schneidflüssigkeit indiziert, als Kennzeichnungsdaten erfasst, und eine Lerneinheit, die die Betriebsstatusdaten und die Zufuhrzeitpunktdaten in Assoziation miteinander unter Verwendung der Statusvariable und der Kennzeichnungsdaten lernt.
Gemäß der vorliegenden Erfindung ist es nicht erforderlich, ein Programm unter Berücksichtigung einer Verzögerung bei der Ausgabe der Schneidflüssigkeit zu entwickeln, und kann ein stabiles Arbeiten erzielt werden. Außerdem kann der Energieverbrauch durch bedarfsgerechtes Stoppen des Elektromotors verringert werden. Außerdem wird zum Zeitpunkt des Stoppens der Zufuhr der Schneidflüssigkeit eine ähnliche Steuerung angewandt, um eine Verringerung des Energieverbrauchs zu ermöglichen.
Figurenliste

1 ist ein schematisches Schaubild einer Hardwarestruktur einer Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung gemäß einer Ausführungsform.
2 ist ein schematisches Funktionsblockschaubild der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung gemäß einer Ausführungsform.
3 ist ein schematisches Funktionsblockschaubild eines Modus der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung.
4A ist ein Schaubild, das ein Neuron erläutert.
4B ist ein Schaubild, das ein neuronales Netzwerk erläutert.
5 ist ein schematisches Funktionsblockschaubild eines Modus eines Systems, das die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung auf weist.

AUSFÜHRLICHE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORM
1 ist ein schematisches Schaubild einer Hardwarestruktur von Hauptteilen einer Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung gemäß einer Ausführungsform.
Eine Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 kann z. B. als Steuerung umgesetzt sein, die eine Fertigungsmaschine steuert. Außerdem kann die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 als Computer, der gemeinsam mit einer Steuerung bereitgestellt ist, die eine Fertigungsmaschine steuert, als Zellcomputer, der über ein Netzwerk mit einer Steuerung verbunden ist, die eine Fertigungsmaschine steuert, als Host-Computer, Cloud-Server oder dergleichen umgesetzt sein. 1 zeigt ein Beispiel, bei dem die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 als Computer umgesetzt ist, der gemeinsam mit einer Steuerung bereitgestellt ist, die eine Fertigungsmaschine steuert.
Eine in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfasste CPU 11 gemäß der vorliegenden Ausführungsform ist ein Prozessor, der eine allgemeine Steuerung der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 durchführt. Die CPU 11 liest ein in einem ROM 12 gespeichertes Systemprogramm über einen Bus 20 und steuert die gesamte Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 gemäß dem Systemprogramm. In einem RAM 13 werden temporäre Berechnungsdaten und Anzeigedaten, diverse Daten, die von einem Benutzer über eine nicht gezeigte Eingabeeinheit eingegeben werden, und so weiter temporär gespeichert.
Ein nicht flüchtiger Speicher 14 ist als Speicher konfiguriert, in dem ein Speicherstatus sogar bei abgeschalteter Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 beibehalten wird, z. B. durch eine Notversorgung durch eine nicht gezeigte Batterie. In diesem nicht flüchtigen Speicher 14 werden diverse Daten, die von einer Steuerung 3 erfasst werden, die eine Fertigungsmaschine, eine Schneidflüssigkeitzufuhrvorrichtung 2 als periphere Vorrichtung dieser und einen nicht gezeigten Roboter steuert, gespeichert (z. B. ein Arbeitsprogramm, das aus der Steuerung 3 über eine Schnittstelle 19 erfasst und derzeit in der Steuerung 3 ausgeführt wird, ein Erfassungswert eines an der Fertigungsmaschine angebrachten Sensors, der Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 und die Menge einer Schneidflüssigkeit in einem Tank, die über eine Schnittstelle 18 erfasst wird, ein Pumpendruck und Bilder, die von einer nicht gezeigten Kamera, die am Roboter angebracht ist). Diese diversen Daten, die im nicht flüchtigen Speicher 14 gespeichert werden, können zur Verwendung in den RAM 13 entwickelt werden. Außerdem werden diverse Systemprogramme vorab in den ROM 12 geschrieben, die für den Betrieb der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 erforderlich sind (darunter ein Systemprogramm zum Steuern von Austauschen mit einer Maschinenlernvorrichtung 100).
Eine Anzeigevorrichtung 70 ist eine Vorrichtung zum Anzeigen von Text und Graphiken, die Status der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1, der Schneidflüssigkeitzufuhrvorrichtung 2 und so weiter indizieren, die über eine Schnittstelle 17 ausgegeben werden, und eine Flüssigkristallanzeige oder dergleichen kann verwendet werden.
Eine Schnittstelle 21 ist eine Schnittstelle zum Verbinden der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 und der Maschinenlernvorrichtung 100. Die Maschinenlernvorrichtung 100 umfasst einen Prozessor 101, der die gesamte Maschinenlernvorrichtung 100 steuert, einen ROM 102, auf dem ein Systemprogramm und dergleichen gespeichert sind, einen RAM 103 zum temporären Speichern bei jeder Verarbeitung in Zusammenhang mit Maschinenlernen und einen nicht flüchtigen Speicher 104, der zum Speichern eines Lernmodells und dergleichen verwendet wird. Die Maschinenlernvorrichtung 100 kann jedes Informationsstück, das von der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 erfasst wird, über die Schnittstelle 21 beobachten (z. B. ein Block eines in der Steuerung 3 auszuführenden Arbeitsprogramms, einen Erfassungswert eines an der Fertigungsmaschine angebrachten Sensors, der Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2, die Menge der Schneidflüssigkeit im Tank, ein Pumpendruck und Bilder, die von der am Roboter angebrachten Kamera aufgenommen werden). Außerdem steuert die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 den Zeitpunkt der Zufuhr der Schneidflüssigkeit und so weiter auf Basis eines von der Maschinenlernvorrichtung 100 ausgegebenen Werts.
2 ist ein schematisches Funktionsblockschaubild der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 und der Maschinenlernvorrichtung 100 gemäß der vorliegenden Ausführungsform.
Jeder in 2 gezeigte Funktionsblock wird durch die in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfasste CPU 11 und den in 1 gezeigten Prozessor 101 der Maschinenlernvorrichtung 100 erzielt, die jeweils ihr Systemprogramm ausführen und den Betrieb jeder Einheit der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 und der Maschinenlernvorrichtung 100 steuern.
Die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfasst eine Anweisungsanalyseeinheit 32, die Blöcke des Arbeitsprogramms liest, die aus der Steuerung 3 erfasst werden, um Daten für eine Steuerung durch eine nachstehend beschriebene Steuereinheit 34 zu generieren, und die Steuereinheit 34, die die Fertigungsmaschine und die periphere Vorrichtung dieser, d. h. die Schneidflüssigkeitzufuhrvorrichtung 2, auf Basis der Daten für eine Steuerung, die von der Anweisungsanalyseeinheit 32 ausgegeben werden, und des Ergebnisses der Schätzung des Zeitpunkts der Zufuhr der Schneidflüssigkeit, wie von der Maschinenlernvorrichtung 100 ausgegeben, steuert.
Die Anweisungsanalyseeinheit 32 analysiert Blöcke des Arbeitsprogramms, die aus der Steuerung 3 erfasst werden, um Daten für eine Steuerung zur Verwendung durch die Steuereinheit 34 bei der Steuerung der Fertigungsmaschine zu generieren. Beim Lesen von Blöcken des Arbeitsprogramms, die aus der Steuerung 3 erfasst werden, vor Ausführung durch die Steuerung 3 und Finden einer Schneidflüssigkeitzufuhranweisung (z. B. M08 von M-Code) weist außerdem die Anweisungsanalyseeinheit 32 die Maschinenlernvorrichtung 100 an, einen Zeitpunkt der Zufuhr der Schneidflüssigkeit (Zeitpunkt des Betriebs einer Pumpe) durch die Schneidflüssigkeitzufuhranweisung an.
Unterdessen umfasst die in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfasste Maschinenlernvorrichtung 100 Software (wie z. B. einen Lernalgorithmus) und Hardware (wie z. B. den Prozessor 101), mit der sie die Schätzung des Zeitpunkts der Zufuhr der Schneidflüssigkeit in Bezug auf den Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 durch sogenanntes Maschinenlernen selbst lernt. Das von der in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfassten Maschinenlernvorrichtung 100 Gelernte entspricht einer Modellstruktur, die eine Korrelation zwischen dem Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 und dem Zeitpunkt der Zufuhr der Schneidflüssigkeit darstellt.
Wie von den Funktionsblöcken von 2 veranschaulicht, umfasst die in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfasste Maschinenlernvorrichtung 100 eine Statusbeobachtungseinheit 106, eine Kennzeichnungsdatenerfassungseinheit 108, eine Lerneinheit 110 und eine Schätzungsergebnisausgabeeinheit 122. Die Statusbeobachtungseinheit 106 beobachtet Betriebsstatusdaten S1, die einen Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 indizieren, als Statusvariable S, die einen aktuellen Umgebungsstatus darstellt. Die Kennzeichnungsdatenerfassungseinheit 108 erfasst Kennzeichnungsdaten L, die Zufuhrzeitpunktdaten L1 umfassen, die einen Zeitpunkt der Zufuhr der Schneidflüssigkeit indizieren. Die Lerneinheit 110 lernt den Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 in Assoziation mit dem Zeitpunkt der Zufuhr der Schneidflüssigkeit unter Verwendung der Statusvariable S und der Kennzeichnungsdaten L. Die Schätzungsergebnisausgabeeinheit 122 gibt den Zeitpunkt der Zufuhr der Schneidflüssigkeit, der anhand des Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 unter Verwendung eines durch die Lerneinheit 110 gelernten Modells geschätzt wird, aus.
Die Statusbeobachtungseinheit 106 erfasst die Betriebsstatusdaten S1 als Statusvariable S aus dem nicht flüchtigen Speicher 14 beim Lernen durch die Lerneinheit 110. Außerdem erfasst die Statusbeobachtungseinheit 106 beim Schätzen des Zeitpunkts der Zufuhr der Schneidflüssigkeit unter Verwendung des Lernergebnisses der Lerneinheit 110 die Betriebsstatusdaten S1 als Statusvariable S aus der Schneidflüssigkeitzufuhrvorrichtung 2 (natürlich kann dieses Erfassen auch über den nicht flüchtigen Speicher 14 erfolgen).
Von Statusvariablen S, die von der Statusbeobachtungseinheit 106 zu beobachten sind, können die Betriebsstatusdaten S1 z. B. als Satz von Daten zu einer Situation der Zufuhr der Schneidflüssigkeit durch die Schneidflüssigkeitzufuhrvorrichtung 2 erfasst werden. Die Daten zur Situation der Zufuhr der Schneidflüssigkeit durch die Schneidflüssigkeitzufuhrvorrichtung 2 umfassen z. B. eine Zeit, die seit dem Stopp der vorherigen Zufuhr der Schneidflüssigkeit (ein Zeitpunkt, an dem die Pumpe abgeschaltet wird oder ein Ventil geschlossen wird) verstrichen ist, und einen Pumpendruck zum Zeitpunkt der vorherigen Zufuhr der Schneidflüssigkeit. Beliebige von diversen Daten zur Zufuhr der Schneidflüssigkeit durch die Schneidflüssigkeitzufuhrvorrichtung 2 können gemäß einer Betriebsumgebung jeder Schneidflüssigkeitzufuhrvorrichtung 2 als diese Betriebsstatusdaten S1 verwendet werden. Die Daten zu jedem Betriebsstatus, die in den Betriebsstatusdaten S1 umfasst sind, können z. B. ein einzelner numerischer Wert oder eine Reihe von Werten sein, die durch Abtasten von Werten, die in einem vordefinierten Zeitraum variieren, in einem vordefinierten Zyklus erfasst wird bzw. werden.
Zum Zeitpunkt des Lernens durch die Lerneinheit 110 berechnet die Kennzeichnungsdatenerfassungseinheit 108 die Zufuhrzeitpunktdaten L1 zum Zeitpunkt der Zufuhr der Schneidflüssigkeit auf Basis der im nicht flüchtigen Speicher 14 gespeicherten Daten als Kennzeichnungsdaten L. Die Zufuhrzeitpunktdaten L1 werden z. B. auf Basis eines Zeitraums von einem Zeitpunkt, an dem die Steuereinheit 34 die Schneidflüssigkeitzufuhrvorrichtung 2 anweist, die Schneidflüssigkeit zuzuführen, bis zu einem Zeitpunkt, an dem die Schneidflüssigkeit tatsächlich aus einer Düse oder dergleichen ausgegeben wird, um zu einer Arbeitsposition zugeführt zu werden, berechnet. Was den Zeitpunkt betrifft, an dem die Steuereinheit 34 die Schneidflüssigkeitzufuhrvorrichtung 2 anweist, die Schneidflüssigkeit zuzuführen, wird ein Zeitpunkt der Ausgabe der Anweisung durch die Steuereinheit 34 entsprechend im nicht flüchtigen Speicher 14 gespeichert. Außerdem kann, was den Zeitpunkt betrifft, an dem die Schneidflüssigkeit tatsächlich aus der Düse oder dergleichen ausgegeben wird, um zur Arbeitsposition zugeführt zu werden, ein beliebiger der nachstehenden Zeitpunkte verwendet werden, z. B. ein Zeitpunkt, der von einem Benutzer durch eine Sichtprüfung manuell gemessen und über eine nicht gezeigte Eingabevorrichtung eingestellt wird, ein Zeitpunkt, an dem die Ausgabe durch einen Durchflusssensor erfasst wird, der nahe einer Ausgabeöffnung für die Schneidflüssigkeit eingerichtet ist, ein Ausgabezeitpunkt, der anhand der Last eines Elektromotors geschätzt wird, der die Schneidflüssigkeit zuführt (während eine Leitung mit der Schneidflüssigkeit gefüllt wird, erhöht sich die Last der Pumpe, um mit der Ausgabe stabilisiert zu werden, und somit kann dieser Moment als Ausgabezeitpunkt geschätzt werden), und ein Zeitpunkt, an dem eine Ausgabe der Schneidflüssigkeit durch eine am Roboter angebrachte Kamera oder dergleichen beobachtet wird. Die Kennzeichnungsdatenerfassungseinheit 108 wird zum Zeitpunkt des Lernens durch die Lerneinheit 110 verwendet und ist nach abgeschlossenem Lernen durch die Lerneinheit 110 nicht notwendigerweise eine unverzichtbare Komponente für die Maschinenlernvorrichtung 100.
Die Lerneinheit 110 lernt die Kennzeichnungsdaten L (Zufuhrzeitpunktdaten L1, die den Zeitpunkt der Zufuhr der Schneidflüssigkeit indizieren) in Bezug auf die Statusvariable S (Betriebsstatusdaten S1, die den Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 indizieren) durch einen beliebigen der nachstehenden Lernalgorithmen, die gesammelt als Maschinenlernen bezeichnet werden. Die Lerneinheit 110 kann z. B. eine Korrelation zwischen den Betriebsstatusdaten S1, die in den Statusvariablen S umfasst sind, und den Zufuhrzeitpunktdaten L1, die in den Kennzeichnungsdaten L umfasst sind, lernen. Die Lerneinheit 110 kann ein Lernen auf Basis eines Datensatzes, der die Statusvariablen S und die Kennzeichnungsdaten L umfasst, wiederholt durchführen.
Beim Lernen durch die Lerneinheit 110 wird wünschenswerterweise ein Lernzyklus auf Basis der für jede einer Mehrzahl von Schneidflüssigkeitzufuhrvorrichtungen 2 erfassten Daten mehrmals durchgeführt. Durch Wiederholen dieses Lernzyklus interpretiert die Lerneinheit 110 die Korrelation zwischen dem Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 (Betriebsstatusdaten S1) und dem Zeitpunkt der Zufuhr der Schneidflüssigkeit (Zufuhrzeitpunktdaten L1) automatisch. Zu Beginn des Lernalgorithmus ist die Korrelation der Zufuhrzeitpunktdaten L1 in Bezug auf die Betriebsstatusdaten S1 im Wesentlichen unbekannt. Mit fortschreitendem Lernen durch die Lerneinheit 110 jedoch wird die Beziehung der Zufuhrzeitpunktdaten L1 in Bezug auf die Betriebsstatusdaten S1 schrittweise interpretiert und wird das als Ergebnis erfasste gelernte Modell verwendet, wodurch es möglich ist, die Korrelation der Zufuhrzeitpunktdaten L1 in Bezug auf die Betriebsstatusdaten S1 zu interpretieren.
Die Schätzungsergebnisausgabeeinheit 122 schätzt einen Zeitpunkt der Zufuhr der Schneidflüssigkeit auf Basis des Betriebsstatus des Schneidflüssigkeitzufuhrvorrichtung 2 auf Basis des Ergebnisses des Lernens durch die Lerneinheit 110 (gelerntes Modell) und gibt den geschätzten Zeitpunkt der Zufuhr der Schneidflüssigkeit aus. Mehr im Detail indizieren die Zufuhrzeitpunktdaten L1 zum Zeitpunkt der Zufuhr der Schneidflüssigkeit, der von der Lerneinheit 110 in Assoziation mit den Betriebsstatusdaten S1 gelernt wird, die den Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 indizieren, einen Zeitraum von einem Zeitpunkt, an dem die Steuereinheit 34 die Schneidflüssigkeitzufuhrvorrichtung 2 anweist, die Schneidflüssigkeit zuzuführen, bis zu einem Zeitpunkt, an dem die Schneidflüssigkeit tatsächlich zur Arbeitsposition zugeführt wird, und wird dieser Wert bei einer Schätzung unter Verwendung des durch die Lerneinheit 110 gelernten Modells ausgegeben. Auf Basis dieses ausgegebenen Werts schätzt die Schätzungsergebnisausgabeeinheit 122 sodann einen Zeitpunkt, an dem eine Anweisung zum Starten der Zufuhr der Schneidflüssigkeit an die Schneidflüssigkeitzufuhrvorrichtung 2 ausgegeben wird, vor einem Zeitpunkt, an dem der Block der Schneidflüssigkeitzufuhranweisung (M08) im Arbeitsprogramm ausgeführt wird, und gibt das Schätzungsergebnis an die Steuereinheit 34 aus.
Als Modifikationsbeispiel für die in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfassten Maschinenlernvorrichtung 100 eines Förderers kann die Statusbeobachtungseinheit 106 zusätzlich zu den Betriebsstatusdaten S1, Schneidflüssigkeitstatusdaten S2, die den Status der Schneidflüssigkeit indizieren, die von Schneidflüssigkeitzufuhrvorrichtung 2 zuzuführen ist, als eine der Statusvariablen S beobachten. Diese Schneidflüssigkeitstatusdaten S2 umfassen z. B. die Menge der Schneidflüssigkeit, die in einem Schneidflüssigkeittank noch vorhanden ist (wenn die Schneidflüssigkeit knapp wird, wird Luft in der zuzuführenden Schneidflüssigkeit eingeschlossen, wodurch die Zufuhrverzögerung potenziell verschlechtert wird), und die Qualität der Schneidflüssigkeit (die Flüssigkeitsqualität der Schneidflüssigkeit ändert sich nach saisonalen Faktoren, Verschlechterung über die Zeit hinweg und so weiter).
Gemäß dem oben beschriebenen Modifikationsbeispiel kann die Maschinenlernvorrichtung 100 die Zufuhrzeitpunktdaten L1 in Assoziation mit den Betriebsstatusdaten S1 und den Schneidflüssigkeitstatusdaten S2 lernen. Daher kann eine genaue Schätzung in Bezug auf eine Änderung des Zeitpunkts der Zufuhr der Schneidflüssigkeit durch eine Änderung eines Schneidflüssigkeitstatus durchgeführt werden.
Bei der oben strukturierten Maschinenlernvorrichtung 100 unterliegt der von der Lerneinheit 110 auszuführende Lernalgorithmus keinen besonderen Beschränkungen und kann ein beliebiger Lernalgorithmus, der als Maschinenlernen bekannt ist, verwendet werden. 3 zeigt einen Strukturmodus, der sich von jenem der in 2 gezeigten Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 unterscheidet, der eine Lerneinheit 110 umfasst, die ein überwachtes Lernen als Beispiel für den Lernalgorithmus durchführt. Überwachtes Lernen ist eine Technik des Lernens eines Korrelationsmodells zum Schätzen einer notwendigen Ausgabe für eine neue Eingabe, indem bekannte Datensätze von Eingaben und deren entsprechenden Ausgaben (die als Lehrerdaten bezeichnet werden) und Identifikationsmerkmale, die eine Korrelation zwischen einer Eingabe und einer Ausgabe aus Lehrerdaten implizieren, bereitgestellt werden.
Bei der Maschinenlernvorrichtung 100, die in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfasst ist, die in 3 gezeigt ist, umfasst die Lerneinheit 110 eine Fehlerberechnungseinheit 112 und eine Modellaktualisierungseinheit 114. Die Fehlerberechnungseinheit 112 berechnet einen Fehler E zwischen einem Korrelationsmodell M, das den Zeitpunkt der Zufuhr der Schneidflüssigkeit anhand des Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 schätzt, und einem Korrelationsmerkmal, das anhand von Lehrerdaten T identifiziert wird, die aus den zuvor erfassten Daten zum Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 und dem Ergebnis des tatsächlichen Zeitpunkt der Zufuhr der Schneidflüssigkeit erfasst werden. Die Modellaktualisierungseinheit 114 aktualisiert das Korrelationsmodell M, um den Fehler E zu verringern. Da die Modellaktualisierungseinheit 114 eine Aktualisierung des Korrelationsmodells M wiederholt, lernt die Lerneinheit 110 eine Schätzung des Zeitpunkts der Zufuhr der Schneidflüssigkeit anhand des Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2.
Ein Ausgangswert des Korrelationsmodells M stellt vereinfacht z. B. eine Korrelation zwischen der Statusvariable S und den Kennzeichnungsdaten L (z. B. durch eine lineare Funktion) dar und wird vor Start des überwachten Lernens an die Lerneinheit 110 bereitgestellt. Wie oben beschrieben, können die Lehrerdaten T bei der vorliegenden Erfindung unter Verwendung der zuvor erfassten Daten zum Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 und Daten zum tatsächlichen Zeitpunkt der Zufuhr der Schneidflüssigkeit konfiguriert werden und werden nach Bedarf zum Zeitpunkt des Betriebs der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 an die Lerneinheit 110 bereitgestellt. Die Fehlerberechnungseinheit 112 identifiziert ein Korrelationsmerkmal, das eine Korrelation zwischen dem Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 und dem Zeitpunkt der Zufuhr der Schneidflüssigkeit anhand der Lehrerdaten T, die nach Bedarf an die Lerneinheit 110 bereitgestellt werden, und findet den Fehler E zwischen diesem Korrelationsmerkmal und dem Korrelationsmodell M, der Statusvariable S und den Kennzeichnungsdaten L im aktuellen Status entsprechend. Die Modellaktualisierungseinheit 114 aktualisiert das Korrelationsmodell M, um den Fehler E zu verringern, indem sie z. B. eine vordefinierte Aktualisierungsregel befolgt.
Im nächsten Lernzyklus schätzt die Fehlerberechnungseinheit 112 den Zeitpunkt der Zufuhr der Schneidflüssigkeit unter Verwendung der Statusvariable S unter Befolgung des Korrelationsmodells M nach der Aktualisierung und findet den Fehler E zwischen dem Ergebnis der Schätzung und den tatsächlich erfassten Kennzeichnungsdaten L und aktualisiert die Modellaktualisierungseinheit 114 das Korrelationsmodell M erneut. Auf diese Weise wird eine bislang unbekannte Korrelation zwischen dem aktuellen Umgebungsstatus und dessen Schätzung schrittweise ersichtlich.
Wenn das oben beschriebene überwachte Lernen fortgeschritten ist, kann ein neuronales Netzwerk verwendet werden. 4A zeigt ein Modell eines Neurons schematisch. 4B zeigt ein Modell eines dreischichtigen neuronalen Netzwerks, das durch Kombinieren der in 4A gezeigten Neuronen konfiguriert wird, schematisch. Das neuronale Netzwerk kann z. B. durch eine Berechnungsvorrichtung, einen Speicher oder dergleichen konfiguriert sein, die bzw. der das Modell des Neurons nachahmt.
Das in 4A gezeigte Neuron gibt ein Ergebnis y einer Mehrzahl von Eingaben x (hier z. B. Eingaben x₁, x₂ und x₃) aus. Die Eingaben x₁ bis x₃ werden mit Gewichtungen w (w₁ bis w₃) multipliziert, die diesen Eingaben x entsprechen. Folglich gibt das Neuron das Ergebnis y aus, das durch die nachstehende Formel 1 ausgedrückt wird. In Formel 1 sind die Eingaben x, die Ergebnisse y und die Gewichtungen w allesamt Vektoren. Außerdem ist θ eine Verzerrung und ist f_k eine Aktivierungsfunktion. $y = f_{k} (\sum_{i = 1}^{n} x_{i} w_{i} - θ)$
Eine Mehrzahl von Eingaben x (hier z. B. Eingaben x1, x2 und x3) wird von der linken Seite des dreischichtigen neuronalen Netzwerks, das in 4B gezeigt ist, in dieses eingegeben und Ergebnisse y (hier z. B. Ergebnisse y1, y2 und y3) werden von dessen rechter Seite ausgegeben. Bei einem in der Zeichnung gezeigten Beispiel werden die Eingaben x1, x2 und x3 jeweils mit einer entsprechenden Gewichtung (generisch als w1 ausgedrückt) multipliziert und werden die Eingaben x1, x2 und x3 jeweils in drei Neuronen N11, N12 und N13 eingegeben.
Die Ausgaben der Neuronen N11 bis N13 sind generisch als z1 ausgedrückt. Die Ausgabe z1 kann als Merkmalsvektor angesehen werden, der durch Extrahieren eines Merkmalsbetrags des entsprechenden Eingabevektors erfasst wird. Bei dem in 4B gezeigten Beispiel werden die Merkmalsvektoren z1 jeweils mit einer entsprechenden Gewichtung (generisch als w2 ausgedrückt) multipliziert und werden die Merkmalsvektoren z1 jeweils in zwei Neuronen N21 und N22 eingegeben. Der Merkmalsvektor z1 indiziert ein Merkmal zwischen der Gewichtung w1 und der Gewichtung w2.
Die Ausgaben der Neuronen N21 und N22 sind generisch als z2 ausgedrückt. Die Ausgabe z2 kann als Merkmal angesehen werden, das durch Extrahieren eines Merkmalsbetrags des entsprechenden Eingabevektors erfasst wird. Bei dem in 4B gezeigten Beispiel werden die Merkmalsvektoren z2 jeweils mit einer entsprechenden Gewichtung (generisch als w3 ausgedrückt) multipliziert und werden die Merkmalsvektoren z2 jeweils in drei Neuronen N31, N32 und N33 eingegeben. Der Merkmalsvektor z2 indiziert ein Merkmal zwischen der Gewichtung w2 und der Gewichtung w3. Schließlich geben die Neuronen N31 bis N33 jeweils die Ergebnisse y1 bis y3 aus.
Es ist auch möglich, ein Schema heranzuziehen, bei dem ein neuronales Netzwerk mit drei oder mehr Schichten verwendet wird, wobei es sich um das sogenannte tiefe Lernen handelt.
Bei der in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfassten Maschinenlernvorrichtung 100 führt die Lerneinheit 110 eine Berechnung in einer mehrschichtigen Struktur gemäß dem oben beschriebenen neuronalen Netzwerk unter Verwendung der Statusvariablen S als Eingaben x durch und kann somit der Zeitpunkt der Zufuhr der Schneidflüssigkeit (Ergebnisse y) anhand der Werte (Eingaben x) des Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 geschätzt werden. Betriebsmodi des neuronalen Netzwerks umfassen einen Lernmodus und einen Wertprognosemodus. Beispielsweise werden die Gewichtungen w im Lernmodus unter Verwendung eines Lerndatensatzes gelernt und kann eine Wertermittlung zu Verhalten im Wertprognosemodus unter Verwendung der gelernten Gewichtungen w durchgeführt werden. Außerdem können im Wertprognosemodus eine Erkennung, Klassifizierung, Folgerung und so weiter durchgeführt werden.
Die oben beschriebene Struktur der Maschinenlernvorrichtung 100 kann als Maschinenlernverfahren (oder -software) geschrieben werden, wobei jeder Schritt vom Prozessor 101 durchzuführen ist. Dieses Maschinenlernverfahren ist ein Maschinenlernverfahren des Lernens einer Schätzung eines Zeitpunkt der Zufuhr der Schneidflüssigkeit anhand des Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 und umfasst einen Schritt, bei dem der Prozessor 101 den Betriebsstatus (Betriebsstatusdaten S1) der Schneidflüssigkeitzufuhrvorrichtung 2 als Statusvariable S beobachtet, die einen aktuellen Status indiziert, einen Schritt, bei dem der Prozessor 101 den Zeitpunkt der Zufuhr der Schneidflüssigkeit (Zufuhrzeitpunktdaten L1) als Kennzeichnungsdaten L erfasst, und einen Schritt, bei dem der Prozessor 101 die Betriebsstatusdaten S1 und den Zeitpunkt der Zufuhr der Schneidflüssigkeit in Assoziation miteinander unter Verwendung der Statusvariable S und der Kennzeichnungsdaten L lernt.
Das gelernte Modell, das von der Lerneinheit 110 der Maschinenlernvorrichtung 100 gelernt und erfasst wird, kann als Programmmodul verwendet werden, das ein Teil einer maschinenlernbezogenen Software ist. Das gelernte Modell der vorliegenden Erfindung kann auf einem Computer verwendet werden, der einen Prozessor wie z. B. eine CPU oder eine GPU und einen Speicher umfasst. Mehr im Detail arbeitet der Prozessor des Computers so, dass er eine Berechnung durch Befolgen einer Anweisung vom gelernten Modell, das im Speicher gespeichert ist, unter Verwendung des Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 als Eingabe durchführt und ein Schätzungsergebnis des Zeitpunkts der Zufuhr der Schneidflüssigkeit auf Basis des Berechnungsergebnisses ausgibt. Das gelernte Modell der vorliegenden Erfindung kann zur Verwendung über ein externes Speichermedium, ein Netzwerk oder dergleichen auf einen anderen Computer kopiert werden.
Außerdem kann, wenn das gelernte Modell der vorliegenden Erfindung zur Verwendung in einer neuen Umgebung auf einen anderen Computer kopiert wird, das gelernte Modell veranlasst werden, ein weiteres Lernen auf Basis neuer Statusvariablen und Kennzeichnungsdaten durchzuführen, die in dieser neuen Umgebung erfasst werden. In diesem Fall kann ein gelerntes Modell erfasst werden, das vom gelernten Modell in der neuen Umgebung abgeleitet wird (nachstehend als abgeleitetes Modell bezeichnet). Das abgeleitete Modell der vorliegenden Erfindung gleicht dahingehend dem ursprünglichen gelernten Modell, dass das Schätzungsergebnis des Zeitpunkts der Zufuhr der Schneidflüssigkeit auf Basis des Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 ausgegeben wird, unterscheidet sich von diesem jedoch dahingehend, dass ein Ergebnis ausgegeben wird, das für die neue Umgebung besser als das ursprüngliche gelernte Modell geeignet ist. Dieses abgeleitete Modell kann auch zur Verwendung über ein externes Speichermedium, ein Netzwerk oder dergleichen auf einen anderen Computer kopiert werden.
Ferner kann unter Verwendung der Ausgabe, die für die Eingabe in die Maschinenlernvorrichtung erfasst wird, in der das gelernte Modell der vorliegenden Erfindung integriert ist, ein gelerntes Modell, das durch Lernen von Null weg auf einer anderen Maschinenlernvorrichtung erfasst wird (nachstehend als destilliertes Modell bezeichnet), erzeugt und verwendet werden (dieser Lernprozess wird als Destillation bezeichnet). Bei einer Destillation wird das ursprüngliche gelernte Modell als Lehrermodell bezeichnet und wird ein neu erstelltes destilliertes Modell als Studentenmodell bezeichnet. Das destillierte Modell ist im Allgemeinen kleiner als das ursprüngliche gelernte Modell, kann jedoch eine in Bezug auf das ursprüngliche gelernte Modell äquivalente Genauigkeit aufweisen, und ist daher besser zur Verteilung auf einen anderen Computer über ein externes Speichermedium, ein Netzwerk oder dergleichen geeignet.
5 ist ein System 170 gemäß einer Ausführungsform, die die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfasst.
Das System 170 umfasst zumindest eine Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1, die als Teil eines Computers wie z. B. eines Zellcomputers, eines Host-Computers oder eines Cloud-Computers umgesetzt ist, (eine Fertigungsmaschine, umfassend) eine Mehrzahl von Schneidflüssigkeitzufuhrvorrichtungen 2 und ein kabelgebundenes/drahtloses Netzwerk 172, das die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 und die Schneidflüssigkeitzufuhrvorrichtungen 2 miteinander verbindet. Auch wenn in 5 nicht gezeigt, sind mit dem Netzwerk 172 auch Steuerungen verbunden, die jeweils die Schneidflüssigkeitzufuhrvorrichtung 2 dieser als periphere Vorrichtung ansehen.
Bei dem oben strukturierten System 170 kann die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1, die die Maschinenlernvorrichtung 100 umfasst, den Zeitpunkt der Zufuhr der Schneidflüssigkeit in Bezug auf den Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung 2 anhand des Lernergebnisses der Lerneinheit 110 automatisch und genau schätzen. Außerdem kann konfiguriert sein, dass die Maschinenlernvorrichtung 100 der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 eine Schätzung des Zeitpunkts der Zufuhr der Schneidflüssigkeit, den alle Schneidflüssigkeitzufuhrvorrichtungen 2 gemein haben, auf Basis der Statusvariable und der Kennzeichnungsdaten L lernt, die für jede der Mehrzahl von Schneidflüssigkeitzufuhrvorrichtungen 2 erfasst werden, und kann das Lernergebnis bei allen der Schneidflüssigkeitzufuhrvorrichtungen 2 verwendet werden. Aus diesem Grund können die Geschwindigkeit und Zuverlässigkeit des Lernens einer Schätzung des Zeitpunkts der Zufuhr der Schneidflüssigkeit gemäß dem System 170 mit diverseren Datensätzen (darunter die Statusvariable S und die Kennzeichnungsdaten L) als Eingaben verbessert werden.
Auch wenn die Ausführungsform der vorliegenden Erfindung oben beschrieben wurde, ist die vorliegende Erfindung nicht nur auf die Beispiele der oben beschriebenen Ausführungsform beschränkt und kann unter entsprechenden Änderungen oder Modifikationen in diversen Weisen ausgeführt werden.
Beispielsweise sind der Lernalgorithmus und der arithmetische Algorithmus, die von der Maschinenlernvorrichtung 100 auszuführen sind, der Algorithmus, der von der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 auszuführen sind, und dergleichen nicht auf die oben beschriebenen beschränkt und können diverse Algorithmen verwendet werden.
Bei der oben beschriebenen Ausführungsform weisen die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 und die Maschinenlernvorrichtung 100 außerdem jeweils eine andere CPU auf. Die Maschinenlernvorrichtung 100 kann jedoch durch die CPU 11, die in der Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung 1 umfasst ist, und das im ROM 12 gespeicherte Systemprogramm erzielt werden.

Claims

Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung (1), die einen Zeitpunkt der Zufuhr einer Schneidflüssigkeit durch eine Schneidflüssigkeitzufuhrvorrichtung (2) schätzt, die die Schneidflüssigkeit zu einer Arbeitsposition zuführt, wobei die Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung (1) umfasst: eine Maschinenlernvorrichtung (100), die eine Schätzung des Zeitpunkts der Zufuhr der Schneidflüssigkeit in Bezug auf einen Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung (2) lernt, wobei: die Maschinenlernvorrichtung (100) umfasst: eine Statusbeobachtungseinheit (106), die Betriebsstatusdaten (S1) zum Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung (2) als Statusvariable (S) beobachtet, die einen aktuellen Umgebungsstatus darstellt, eine Kennzeichnungsdatenerfassungseinheit (108), die Zufuhrzeitpunktdaten (L1), die den Zeitpunkt der Zufuhr der Schneidflüssigkeit indizieren, als Kennzeichnungsdaten (L) erfasst, und eine Lerneinheit (110), die die Betriebsstatusdaten (S1) und die Zufuhrzeitpunktdaten (L1) in Assoziation miteinander unter Verwendung der Statusvariable (S) und der Kennzeichnungsdaten (L) lernt.
Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung (1) nach Anspruch 1, wobei: die Lerneinheit (110) umfasst: eine Fehlerberechnungseinheit (112), die einen Fehler (E) zwischen einem Korrelationsmodell (M) zum Schätzen des Zeitpunkts der Zufuhr der Schneidflüssigkeit anhand der Statusvariable (S) und einem Korrelationsmerkmal, das anhand von vorab erstellten Lehrerdaten (T) identifiziert wird, berechnet, und eine Modellaktualisierungseinheit (114), die das Korrelationsmodell (M) aktualisiert, um den Fehler (E) zu verringern.
Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung (1) nach Anspruch 1 oder 2, wobei: die Lerneinheit (110) die Statusvariable (S) und die Kennzeichnungsdaten (L) in einer mehrschichtigen Struktur berechnet.
Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung (1) nach einem der Ansprüche 1 bis 3, die ferner umfasst: eine Schätzungsergebnisausgabeeinheit (122), die ein Schätzungsergebnis des Zeitpunkts der Zufuhr der Schneidflüssigkeit auf Basis des Lernergebnisses durch die Lerneinheit (110) ausgibt.
Schneidflüssigkeitzufuhrzeitpunktsteuervorrichtung (1) nach einem der Ansprüche 1 bis 4, wobei: die Maschinenlernvorrichtung (100) auf einem Cloud-Server vorliegt.
Maschinenlernvorrichtung (100), die eine Schätzung eines Zeitpunkts der Zufuhr einer Schneidflüssigkeit in Bezug auf einen Betriebsstatus einer Schneidflüssigkeitzufuhrvorrichtung (2) lernt, die die Schneidflüssigkeit zu einer Arbeitsposition zuführt, wobei die Maschinenlernvorrichtung (100) umfasst: eine Statusbeobachtungseinheit (106), die Betriebsstatusdaten (S1) zum Betriebsstatus der Schneidflüssigkeitzufuhrvorrichtung (2) als Statusvariable (S) beobachtet, die einen aktuellen Umgebungsstatus darstellt; eine Kennzeichnungsdatenerfassungseinheit (108), die Zufuhrzeitpunktdaten (L1), die den Zeitpunkt der Zufuhr der Schneidflüssigkeit indizieren, als Kennzeichnungsdaten (L) erfasst; und eine Lerneinheit (110), die die Betriebsstatusdaten (S1) und die Zufuhrzeitpunktdaten (L1) in Assoziation miteinander unter Verwendung der Statusvariable (S) und der Kennzeichnungsdaten (L) lernt.