DE102018108780A1

DE102018108780A1 - Bearbeitungsflächenqualitätsbewertungsvorrichtung

Info

Publication number: DE102018108780A1
Application number: DE102018108780.2A
Authority: DE
Inventors: Nobuaki Aizawa; Tomokazu KAYANUMA; Zheng TONG
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2017-04-20
Filing date: 2018-04-13
Publication date: 2018-10-25
Anticipated expiration: 2038-04-14
Also published as: DE102018108780B4; CN108734386A; JP6560707B2; JP2018181218A; US20180307198A1

Abstract

Eine Bearbeitungsflächenqualitätsbewertungsvorrichtung umfasst eine Maschinenlernvorrichtung, die ein Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche eines Werkstücks durch einen Beobachter lernt, das einem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks entspricht. Die Maschinenlernvorrichtung beobachtet das Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks als eine Zustandsgröße, erlangt Etikettdaten, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter angeben, und lernt die Zustandsgröße und die Etikettdaten auf eine Weise, sodass sie miteinander korreliert sind.

Description

ALLGEMEINER STAND DER TECHNIK
Gebiet der Erfindung
Die vorliegende Erfindung betrifft eine Bearbeitungsflächenqualitätsbewertungsvorrichtung und insbesondere eine Technik zum Quantifizieren eines Bewertungsindexes zum konform Machen von Werkstücken.
Beschreibung des Standes der Technik
Konventionell wurden Bearbeitungsprogramme hergestellt und Materialien wurden durch Kontrolle über Werkzeugmaschinen basierend auf den Bearbeitungsprogrammen bearbeitet, sodass Werkstücke wie Komponenten und Matrizen hergestellt wurden. Unter den Qualitätsbewertungsindizes für Werkstücke, die auf solche Art und Weise hergestellt wurden, gibt es eine Qualität einer bearbeiteten Fläche. Die Qualität einer bearbeiteten Fläche bezeichnet einen Glättegrad einer Formänderung bei einem Werkstück (Unauffälligkeit von Fehlern oder Streifen auf einer bearbeiteten Fläche und Einheitlichkeit von Lichtreflexion darauf).
Verschiedene Techniken zum Verbessern der Qualität einer bearbeiteten Fläche waren bekannt. Beispielsweise offenbart die japanische Patentoffenlegungsschrift Nr. 2017-68325 ein Verfahren, bei dem eine optimale Geschwindigkeitsverteilung mit einer Ausgeglichenheit zwischen der Qualität einer bearbeiteten Fläche und der Bearbeitungszeit durch Maschinenlernen unter Verwendung von Vibrationsdaten für eine Werkzeugmaschine gefunden werden kann.
Daher ist die Qualität einer bearbeiteten Fläche einer von wichtigen Qualitätsbewertungsindizes für Werkstücke. Die Qualität einer bearbeiteten Fläche wird basierend auf verschiedenen Indizes bewertet. Bei einem von typischen Verfahren zum Bewerten der Qualität einer bearbeiteten Fläche erfolgt eine numerische Bewertung basierend auf verschiedenen Bewertungselementen, die unter Verwendung eines Lasermikroskops beobachtet werden können. Zum Beispiel ist ein Mittenrauhwert (Oberflächenrauheit) Sa einer Fläche ein typisches Bewertungselement für die Qualität einer bearbeiteten Fläche. Andere numerische Bewertungselemente sind die maximale Oberflächenhöhe Sv, das Oberflächenstrukturaspektverhältnis Str, die Wölbung Sku, Schiefe Ssk, das entwickelte Grenzflächenverhältnis Sdr und dergleichen.
Ein weiterer wichtiger Bewertungsindex für die Qualität einer bearbeiteten Fläche ist die Wahrnehmung eines Menschen. D. h., der Index ist, ob ein Beobachter, der eine Fläche eines bearbeiteten Werkstücks beobachtet, bestimmt, dass ein Aussehen der Fläche „gut“ ist oder nicht. Im Allgemeinen ist es schwierig, einen Bewertungsindex zu quantifizieren, der auf der Wahrnehmung basiert, da Beurteilungskriterien für den Bewertungsindex unter Beobachtern abweichen. D. h., es wurde nicht klargestellt, in welchem Fall Menschen bestimmen, dass das Aussehen „gut“ ist.
Als ein Versuch, einen Bewertungsindex zu quantifizieren, der auf der Wahrnehmung basiert, ist es denkbar, einen Vergleich zwischen einem numerischen Bewertungselement (wie die Oberflächenrauheit Sa), das von einem Messinstrument wie einem Lasermikroskop erlangt wurde, und Bewertungsergebnissen, die auf der Wahrnehmung von Menschen basieren, durchzuführen. Es wurde jedoch festgestellt, dass beide nicht einfach miteinander vergleichbar sind. Zum Beispiel war es konventionell möglich, einen Trend zu erfassen, wie beispielsweise welche Änderung einer Eigenschaft bezüglich einer Fläche eines Werkstücks mit der Variation in einem numerischen Bewertungselement auftritt. Die Wahrnehmung von Menschen ist jedoch mit verschiedenen numerischen Bewertungselementen vermischt und daher wurden Korrelationen dazwischen nicht klargestellt. Außerdem ist es nicht selten, dass sich die Wahrnehmung der gleichen Fläche zwischen Beobachtern unterscheidet. In der Tat hängt es vom Gefühl des Beobachters ab, ob die Qualität einer bearbeiteten Fläche eines bearbeiteten Werkstücks zufriedenstellend ist oder nicht. Dies macht es schwierig, zu bestimmen, ob Werkstücke eine beständige Qualität beibehalten oder nicht. Ein weiteres Problem besteht darin, dass es für Dritte schwierig ist, Kriterien für eine Qualitätsbewertung zu verstehen.
KURZDARSTELLUNG DER ERFINDUNG
Die Erfindung erfolgte, um die vorstehenden Probleme zu lösen. Eine Aufgabe der Erfindung ist es, eine Bearbeitungsflächenqualitätsbewertungsvorrichtung bereitzustellen, die eine Quantifizierung eines Bewertungsindexes zum konform Machen von Werkstücken ermöglicht.
Ein erster Modus einer Bearbeitungsflächenqualitätsbewertungsvorrichtung gemäß der Erfindung bestimmt ein Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche eines Werkstücks durch einen Beobachter, basierend auf einem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von einer Prüfvorrichtung und umfasst eine Maschinenlernvorrichtung, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter lernt, das dem Prüfergebnis von der Prüfvorrichtung entspricht. Die Maschinenlernvorrichtung umfasst eine Zustandsbeobachtungseinheit, die das Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von der Prüfvorrichtung als eine Zustandsgröße beobachtet, eine Etiketterfassungseinheit, die Etikettdaten erlangt, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter angeben, und eine Lerneinheit, welche die Zustandsgröße und die Etikettdaten auf eine Weise lernt, sodass sie miteinander korreliert sind.
Die Lerneinheit kann eine Fehlerberechnungseinheit, die einen Fehler zwischen einem Korrelationsmodell zur Bestimmung bezüglich des Bewertungsergebnisses bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter von der Zustandsgröße berechnet und eine Korrelationscharakteristik, die von Lehrdaten identifiziert wird, die im Voraus vorbereitet werden, und eine Modellaktualisierungseinheit, die das Korrelationsmodell aktualisiert, um den Fehler zu reduzieren, umfassen.
Die Lerneinheit kann eine Berechnung der Zustandsgröße und der Etikettdaten in einer mehrschichtigen Struktur ausführen.
Die Bearbeitungsflächenqualitätsbewertungsvorrichtung kann ferner eine Bestimmungsausgabeeinheit umfassen, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter, das basierend auf einem Ergebnis des Lernens durch die Lerneinheit bestimmt wurde, ausgibt. Die Bestimmungsausgabeeinheit kann eine Warnung ausgeben, wenn das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter, das durch die Lerneinheit bestimmt wurde, einen voreingestellten Schwellenwert überschreitet.
Das Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von der Prüfvorrichtung kann ein Wert sein, der unter Verwendung von mindestens einem von Oberflächenrauheit Sa, maximalen Oberflächenhöhe Sv, Oberflächenstrukturaspektverhältnis Str, Wölbung Sku, Schiefe Ssk, entwickeltes Grenzflächenverhältnis Sdr, Lichtreflexion, einem Bildmerkmal des Werkstücks erlangt wurde.
Die Prüfvorrichtung kann veranlasst werden, eine vorbestimmte Operation zur Bestimmung bezüglich des Bewertungsergebnisses bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter unter Verwendung der Lerneinheit auszuführen. Die vorbestimmte Operation für die Bestimmung kann automatisch oder als Reaktion auf eine Anforderung von einem Bediener ausgeführt werden.
Die Bearbeitungsflächenqualitätsbewertungsvorrichtung kann als ein Teil der Prüfvorrichtung konfiguriert sein.
Die Bearbeitungsflächenqualitätsbewertungsvorrichtung kann als ein Abschnitt einer Managementvorrichtung konfiguriert sein, die mehrere der Prüfvorrichtungen durch ein Netzwerk managt.
Ein zweiter Modus einer Bearbeitungsflächenqualitätsbewertungsvorrichtung gemäß der Erfindung bestimmt ein Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche eines Werkstücks durch einen Beobachter basierend auf einem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von einer Prüfvorrichtung und umfasst ein Modell, das eine Korrelation zwischen dem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von der Prüfvorrichtung und den Etikettdaten, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter angeben, darstellt und eine Bestimmungsausgabeeinheit, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter, das basierend auf dem Modell bestimmt wurde, ausgibt.
Gemäß der Erfindung kann die Bearbeitungsflächenqualitätsbewertungsvorrichtung, die eine Quantifizierung eines Bewertungsindexes zum konform Machen von Werkstücken ermöglicht, bereitgestellt werden.
Figurenliste

1 ist ein schematisches Funktionsdiagramm, das eine Bearbeitungsflächenqualitätsbewertungsvorrichtung gemäß einer ersten Ausführungsform der Erfindung veranschaulicht.
2 ist ein schematisches Funktionsdiagramm, das einen Modus der Bearbeitungsflächenqualitätsbewertungsvorrichtung veranschaulicht.
3A ist ein Diagramm, das Neuronen veranschaulicht.
3B ist ein Diagramm, das ein neuronales Netzwerk veranschaulicht.
4 ist ein schematisches Funktionsdiagramm, das eine Bearbeitungsflächenqualitätsbewertungsvorrichtung gemäß einer zweiten Ausführungsform der Erfindung veranschaulicht.
5 ist ein schematisches Funktionsdiagramm, das einen Modus eines Bearbeitungsflächenqualitätsbewertungssystems veranschaulicht.
6 ist ein schematisches Funktionsdiagramm, das einen weiteren Modus des Bearbeitungsflächenqualitätsbewertungssystems veranschaulicht.
7 ist ein schematisches Funktionsdiagramm, das einen Modus eines Bearbeitungsflächenqualitätsbewertungssystems veranschaulicht, das eine Managementvorrichtung umfasst.

AUSFÜHRLICHE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN
Im Folgenden werden Konfigurationsbeispiele einer Bearbeitungsflächenqualitätsbewertungsvorrichtung, die eine Ausführungsform der Erfindung ist, beschrieben. Eine Konfiguration der Bearbeitungsflächenqualitätsbewertungsvorrichtung der Erfindung ist jedoch nicht auf die folgenden Beispiele begrenzt und jede Konfiguration kann eingesetzt werden, solange die Konfiguration den Zweck der Erfindung erreichen kann.
1 ist ein Funktionsdiagramm, das eine schematische Konfiguration einer Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 veranschaulicht, welche die Ausführungsform der Erfindung ist.
Die Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 kann als ein Computer oder dergleichen implementiert sein, der über eine verdrahtete oder drahtlose Kommunikationsleitung mit einer Prüfvorrichtung (nicht veranschaulicht) für bearbeitete Werkstücke verbunden ist, um in der Lage zu sein, beispielsweise Datenkommunikation auszuführen. Obwohl die Prüfvorrichtung ein Analysator für eine bearbeitete Fläche (typischerweise Lasermikroskop), eine Bildgebungseinheit einer bearbeiteten Fläche, optisches Reflexionsvermögen-Messausrüstung oder dergleichen sein kann, ist die Prüfvorrichtung nicht auf diese begrenzt. Die Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 umfasst eine Vorverarbeitungseinheit 12, die eine Vorverarbeitung für Daten ausführt, die von der Prüfvorrichtung erlangt wurden, und eine Maschinenlernvorrichtung 20, die Software (wie einen Lernalgorithmus) und Hardware (wie eine CPU eines Computers) zum Selbstlernen bezüglich der Bewertung der Qualität einer bearbeiteten Fläche durch sogenanntes Maschinenlernen umfasst. Die Bewertung der Qualität einer bearbeiteten Fläche, die durch die Maschinenlernvorrichtung 20 gelernt wird, entspricht einer Modellstruktur, die eine Korrelation zwischen Prüfergebnissen von der Prüfvorrichtung (numerische Daten, die von der Prüfvorrichtung erlangt wurden) und Ergebnisse der Bewertung durch einen Beobachter (Ergebnisse der Wahrnehmungsbewertung bezüglich der Qualität einer bearbeiteten Fläche) bei Werkstücken, von denen die Prüfergebnisse erlangt wurden, darstellt.
Wie veranschaulicht, durch Funktionsblöcke in 1 umfasst die Maschinenlernvorrichtung 20 in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 eine Zustandsbeobachtungseinheit 22, welche die numerischen Daten beobachtet, die das Prüfergebnis bezüglich eines Werkstücks angeben, das von der Prüfvorrichtung (nicht veranschaulicht) erlangt wurde, als eine Zustandsgröße S, die einen aktuellen Zustand der Umgebung darstellt, eine Etiketterfassungseinheit 24, die Etikettdaten L erlangt, die das Bewertungsergebnis durch einen Beobachter bezüglich des Werkstücks angeben, und eine Lerneinheit 26, welche die Etikettdaten L lernt, die mit der Zustandsgröße S verknüpft sind.
Die Vorverarbeitungseinheit 12 kann als eine Funktion einer CPU eines Computers konfiguriert sein oder sie kann als Software zum Herstellen einer Computerfunktion einer CPU konfiguriert sein. Die Vorverarbeitungseinheit 12 führt eine Vorverarbeitung für Daten, die von der Prüfvorrichtung oder einem Sensor, der an der Prüfvorrichtung angebracht ist, erlangt wurden, für Daten, die durch die Verwendung oder die Konvertierung der Daten erlangt wurden, oder dergleichen aus und gibt die vorverarbeiteten Daten an die Zustandsbeobachtungseinheit 22 aus. Die Vorverarbeitungseinheit 12 erlangt das Bewertungsergebnis durch einen Beobachter bezüglich eines Werkstücks, d. h., das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche, das auf der Wahrnehmung basiert, von einer Eingabeeinheit (nicht veranschaulicht), führt die erforderliche Vorverarbeitung für das Ergebnis aus und gibt die vorverarbeiteten Daten an die Etiketterfassungseinheit 24 aus.
Die Vorverarbeitung, welche die Vorverarbeitungseinheit 12 ausführt, um die Zustandsgröße S zu erlangen, umfasst zum Beispiel verschiedene allgemein bekannte Prozesse zum Bewerten der Oberflächenrauheit Sa, der maximalen Oberflächenhöhe Sv, dem Oberflächenstrukturaspektverhältnis Str, der Wölbung Sku, Schiefe Ssk, des entwickelten Grenzflächenverhältnisses Sdr, der Lichtreflexion an dem bearbeiteten Werkstück, eines Bildmerkmals der bearbeiteten Fläche oder dergleichen. Die Vorverarbeitung, welche die Vorverarbeitungseinheit 12 ausführt, um die Etikettdaten L zu erlangen, umfasst die Eingabe und Analyse einer Datei, in der das Bewertungsergebnis durch einen Beobachter aufgezeichnet ist, die Erlangung und Analyse des Ergebnisses der Bewertung von einem Beobachter, die zum Beispiel direkt durch eine Schnittstelle wie eine Tastatur oder dergleichen eingegeben wird.
Die Zustandsbeobachtungseinheit 22 kann als eine Funktion einer CPU eines Computers konfiguriert sein oder kann zum Beispiel als Software zum Herstellen einer Computerfunktion einer CPU konfiguriert sein. Als die numerischen Daten, d. h. die Zustandsgröße S, die durch die Zustandsbeobachtungseinheit 22 zu beobachten ist, können zum Beispiel Daten, die das Prüfergebnis bezüglich der bearbeiteten Fläche angeben, verwendet werden. Die Daten umfassen Daten, die durch die Vorverarbeitungseinheit 12 für die Daten, die von der Prüfvorrichtung oder dem Sensor, der an der Prüfvorrichtung vorgesehen ist, erlangt wurden, und die Daten, die durch die Verwendung oder die Konvertierung der Daten erlangt wurden, verarbeitet werden.
Die Zustandsgröße S kann Identifikationsdaten umfassen, die einen Beobachter repräsentieren, der eine Bewertung an den Etikettdaten L ausführt, die später beschrieben wird, insbesondere eine verantwortliche Person, ein Bediener oder dergleichen. Daher kann eine Beziehung zwischen den Prüfergebnissen bezüglich der Qualität einer bearbeiteten Fläche von der Prüfvorrichtung und den Bewertungsergebnissen bezüglich der Qualität einer bearbeiteten Fläche, die auf der Wahrnehmung des Beobachters basiert, unabhängig voneinander für jeden Beobachter gelernt werden. Selbst wenn sich Kriterien für die Wahrnehmungsbewertung bezüglich der Qualität einer bearbeiteten Fläche unter Beobachtern unterscheiden, kann daher das geeignete Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche, das auf der Wahrnehmung eines Beobachters basiert, das dem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche von der Prüfvorrichtung entspricht, ausgegeben werden. Im Falle dass, die Identifikationsdaten, die den Beobachter repräsentieren, in der Zustandsgröße S nicht beinhaltet sind, kann ein allgemeines Bewertungsergebnis, in dem es keine Unterscheidung unter den Beobachtern gibt, erlangt werden.
Die Zustandsgröße S kann Identifikationsdaten umfassen, die einen Objektort für die Bewertung bezüglich den Etikettdaten L darstellen, was später beschrieben wird, d. h., ein Ort an dem bearbeiteten Werkstück, an dem die Qualität einer bearbeiteten Fläche zu bewerten ist. Daher kann die Beziehung zwischen den Prüfergebnissen bezüglich der Qualität einer bearbeiteten Fläche von der Prüfvorrichtung und den Bewertungsergebnissen bezüglich der Qualität einer bearbeiteten Fläche, die auf der Wahrnehmung eines Beobachters basiert, unabhängig voneinander für jeden Objektort gelernt werden. Selbst wenn sich die Kriterien für die Wahrnehmungsbewertung bezüglich der Qualität einer bearbeiteten Fläche unter Objektorten unterscheiden, kann daher das geeignete Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche, die auf der Wahrnehmung des Beobachters basiert, das dem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche von der Prüfvorrichtung entspricht, ausgegeben werden.
Die Etiketterfassungseinheit 24 kann als eine Funktion einer CPU eines Computers konfiguriert sein oder sie kann zum Beispiel als Software zum Herstellen einer Computerfunktion einer CPU konfiguriert sein. Als die Etikettdaten L, die durch die Etiketterfassungseinheit 24 zu erlangen sind, können zum Beispiel Daten verwendet werden, die durch die Vorverarbeitungseinheit 12 an angegebenen Daten vorverarbeitet wurden, die an die Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 infolge der Bewertung des bearbeiteten Werkstücks durch einen Beobachter gegeben wurden. Die Etikettdaten L geben das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche unter der Zustandsgröße S an, die auf der Wahrnehmung des Beobachters basiert. Das Bewertungsergebnis, das auf der Wahrnehmung des Beobachters basiert, kann ein binärer Wert sein, der anzeigt, ob ein bearbeitetes Werkstück konform ist oder nicht, oder es kann zum Beispiel ein mehrfacher Wert wie die Stufen 1 bis 10 sein.
Während des Lernens durch die Maschinenlernvorrichtung 20, die in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 beinhaltet ist, werden ein Bearbeiten durch eine Werkzeugmaschine, eine Messung durch die Prüfvorrichtung an einem Bewertungselement, das einen Aspekt der Qualität einer bearbeiteten Fläche des bearbeiteten Werkstücks angibt, und die Bestimmung durch einen Beobachter bezüglich der Qualität einer bearbeiteten Fläche in der Umgebung ausgeführt.
Die Lerneinheit 26 kann als eine Funktion einer CPU eines Computers konfiguriert sein oder sie kann als Software zum Herstellen einer Computerfunktion einer CPU konfiguriert sein. Die Lerneinheit 26 lernt die Bewertung bezüglich der Qualität einer bearbeiteten Fläche gemäß einem gewünschten Lernalgorithmus, der allgemein als Maschinenlernen bezeichnet wird. Die Lerneinheit 26 ist fähig, ein Lernen iterativ auszuführen, das auf einem Datensatz basiert, der die Zustandsgrößen S und die Etikettdaten L umfasst, die sich auf die Qualität einer bearbeiteten Fläche von bearbeiteten Werkstücken beziehen.
Die Iteration solch eines Lernzyklus macht es für die Lerneinheit 26 möglich, eine Charakteristik automatisch zu identifizieren, welche die Korrelation zwischen den Prüfergebnissen von der Prüfvorrichtung (numerische Daten, die von der Prüfvorrichtung erlangt wurden) und den Bewertungsergebnissen durch einen Beobachter (Ergebnisse der Wahrnehmungsbewertung bezüglich der Qualität einer bearbeiteten Fläche) bezüglich der Werkstücke, von denen die Prüfergebnisse erlangt wurden, impliziert. Obwohl die Korrelation zwischen den Prüfergebnissen von der Prüfvorrichtung und den Bewertungsergebnissen durch den Beobachter bezüglich der Werkstücke im Wesentlichen bei einem Start des Lernalgorithmus unbekannt ist, interpretiert die Lerneinheit 26 die Korrelation, indem sie allmählich die Charakteristik identifiziert, welche die Korrelation darstellt, während das Lernen fortschreitet. Wenn die Korrelation zwischen den Prüfergebnissen von der Prüfvorrichtung und den Bewertungsergebnissen durch den Beobachter bezüglich der Werkstücke bis zu einem Niveau interpretiert wird, das bis zu einem gewissen Grad zuverlässig ist, werden Ergebnisse des Lernens, die durch die Lerneinheit 26 iterativ ausgegeben werden, für eine Verhaltensauswahl (d. h. Entscheidungsfindung), betreffs dessen, wie das Bewertungsergebnis als die Wahrnehmung eines Menschen in Bezug auf ein gegenwärtiges Prüfergebnis zu bestimmen ist, verwendbar gemacht. D. h., durch die Lerneinheit 26 kann die Korrelation zwischen den Prüfergebnissen von der Prüfvorrichtung und dem Verhalten betreffs dessen, wie das Bewertungsergebnis als die Wahrnehmung des Beobachters in Bezug auf das gegenwärtige Prüfergebnis zu bestimmen ist, mit dem Fortschritt im Lernalgorithmus allmählich näher an eine optimale Lösung gebracht werden.
In der Maschinenlernvorrichtung 20, die in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 beinhaltet ist, wie sie vorstehend beschrieben wurde, lernt die Lerneinheit 26 das Bewertungsergebnis als die Wahrnehmung eines Beobachters, das dem Prüfergebnis von der Prüfvorrichtung entspricht, gemäß dem Maschinenlernalgorithmus unter Verwendung der Zustandsgröße S, die durch die Zustandsbeobachtungseinheit 22 beobachtet wurde, und den Etikettdaten L, die durch die Etiketterfassungseinheit 24 erlangt wurden. Die Zustandsgröße S wird unter Verwendung des Prüfergebnisses von der Prüfvorrichtung konfiguriert, was Daten sind, die fast nicht durch eine Störung beeinflusst werden, und die Etikettdaten L werden unzweideutig basierend auf den angegebenen Daten von einem Beobachter gefunden. Gemäß der Maschinenlernvorrichtung 20, die in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 beinhaltet ist, unter Verwendung der Ergebnisse des Lernens durch die Lerneinheit 26 kann daher eine Bestimmung bezüglich des Bewertungsergebnisses als die Wahrnehmung des Beobachters, das dem Prüfergebnis von der Prüfvorrichtung entspricht, automatisch und genau ohne Berechnung oder Bewertung ausgeführt werden.
Vorausgesetzt, dass die Bestimmung bezüglich des Bewertungsergebnisses als die Wahrnehmung eines Beobachters automatisch ohne Berechnung oder Bewertung ausgeführt werden kann, kann das Bewertungsergebnis bezüglich eines Werkstücks als die Wahrnehmung des Beobachters unverzüglich lediglich durch eine Überprüfung in der Prüfvorrichtung nach der Bearbeitung des Werkstücks durch eine Werkzeugmaschine bewertet werden. Infolgedessen kann die benötigte Zeit für die Bestimmung bezüglich des Bewertungsergebnisses bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Beobachters verkürzt werden. Zusätzlich wird ein Bediener in die Lage versetzt, basierend auf Inhalten der Bestimmung durch die Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 zu bestimmen, ob ein bearbeitetes Werkstück konform ist oder nicht, und er kann leicht eine Einstellung zum Verbessern der Qualität einer bearbeiteten Fläche oder dergleichen durchführen.
In einer Modifikation der Maschinenlernvorrichtung 20, die in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 beinhaltet ist, ist die Lerneinheit 26 fähig die Zustandsgröße S und die Etikettdaten L, die für jede von mehreren Prüfvorrichtungen erlangt wurden, zu verwenden und dadurch das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung eines Beobachters, das dem Prüfergebnis von jedem von den Prüfvorrichtungen entspricht, zu lernen. Gemäß dieser Konfiguration, bei der eine Menge an Datensätzen, welche die Zustandsgrößen S und die Etikettdaten L umfassen, die innerhalb eines gegebenen Zeitraums erlangt werden erhöht werden können, kann eine Geschwindigkeit, Zuverlässigkeit und dergleichen des Lernens der Ergebnisse der Bewertung bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Beobachters, die den Prüfergebnissen von den Prüfvorrichtungen entsprechen, mit verschiedenartigeren Datensätzen, die als Eingabe verwendet werden, verbessert werden.
In der Maschinenlernvorrichtung 20 mit der vorstehenden Konfiguration gibt es keine bestimmte Begrenzung bezüglich des Lernalgorithmus, der durch die Lerneinheit 26 ausgeführt wird, und ein Lernalgorithmus, der für Maschinenlernen öffentlich bekannt ist, kann eingesetzt werden. 2 veranschaulicht einen Modus der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10, die in 1 veranschaulicht ist, und eine Konfiguration, welche die Lerneinheit 26 umfasst, die überwachtes Lernen als ein Beispiel des Lernalgorithmus ausführt.
Das überwachte Lernen ist eine Technik, bei der eine große Menge bekannter Datensätze (die als Lehrdaten bezeichnet werden) von Eingabe und entsprechender Ausgabe im Voraus bereitgestellt werden und bei der ein Korrelationsmodell für die Bewertung einer erforderlichen Ausgabe für eine frische Eingabe (das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung eines Beobachters, das dem Prüfergebnis von der Prüfvorrichtung in der Maschinenlernvorrichtung 20 der Anmeldung entspricht) durch die Identifikation der Charakteristik gelernt wird, welche die Korrelation zwischen der Eingabe und der Ausgabe von den Lehrdaten impliziert.
In der Maschinenlernvorrichtung 20, die in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 beinhaltet ist, die in 2 veranschaulicht ist, umfasst die Lerneinheit 26 eine Fehlerberechnungseinheit 32, die einen Fehler E zwischen dem Korrelationsmodell M zur Ableitung des Ergebnisses der Bewertung bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung eines Beobachters von der Zustandsgröße S und der Korrelationscharakteristik, die von den Lehrdaten T identifiziert sind, die im Voraus vorbereitet sind, berechnet, und eine Modellaktualisierungseinheit 34, die das Korrelationsmodell M aktualisiert, um den Fehler E zu reduzieren. Die Lerneinheit 26 lernt die Bewertungsergebnisse bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Beobachters, die den Prüfergebnissen von der Prüfvorrichtung entsprechen, mit iterativer Aktualisierung des Korrelationsmodells M durch die Modellaktualisierungseinheit 34.
Das Korrelationsmodell M kann durch Regressionsanalyse, verstärkendes Lernen, Tiefenlernen oder dergleichen aufgebaut werden. Ein Anfangswert des Korrelationsmodells M wird zum Beispiel an die Lerneinheit 26 vor einem Start des überwachten Lernens als ein vereinfachter Ausdruck der Korrelation zwischen den Zustandsgrößen S und den Bewertungsergebnissen bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung eines Beobachters gegeben. Die Lehrdaten T können aus Erfahrungswerten (bekannte Datensätze der Prüfergebnisse von der Prüfvorrichtung und den Bewertungsergebnissen bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Beobachters) bestehen oder konfiguriert sein, die durch das Aufzeichnen der Ergebnisse der Bewertung bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Beobachters angesammelt wurden, die zum Beispiel den vergangenen Prüfergebnissen von der Prüfvorrichtung entsprechen, und werden vor dem Start des überwachten Lernens an die Lerneinheit 26 gegeben. Die Fehlerberechnungseinheit 32 identifiziert die Korrelationscharakteristik, welche die Korrelation zwischen den Prüfergebnissen von der Prüfvorrichtung und den Bewertungsergebnissen bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Beobachters von der großen Menge an Lehrdaten T impliziert, die an die Lerneinheit 26 gegeben werden, und findet den Fehler E zwischen der Korrelationscharakteristik und dem Korrelationsmodell M entsprechend der Zustandsgröße S im aktuellen Zustand. Die Modellaktualisierungseinheit 34 aktualisiert das Korrelationsmodell M, um den Fehler E zum Beispiel gemäß einer vorbestimmten Aktualisierungsregel zu reduzieren.
In einem anschließenden Lernzyklus verwendet die Fehlerberechnungseinheit 32 die Zustandsgröße S, die von der Überprüfung durch die Prüfvorrichtung erlangt wurde, und die Etikettdaten L, die das Bewertungsergebnis durch einen Beobachter sind, gemäß dem aktualisierten Korrelationsmodell M und findet dadurch den Fehler E in Zusammenhang mit dem Korrelationsmodell M entsprechend der Zustandsgröße S und den Etikettdaten L, und dann aktualisiert die Modellaktualisierungseinheit 34 das Korrelationsmodell M aufs Neue. Daher wird die Korrelation zwischen dem aktuellen Zustand der Umgebung (das Prüfergebnis von der Prüfvorrichtung) und der Bestimmung bezüglich des entsprechenden Zustandes (das Bewertungsergebnis als die Wahrnehmung eines Beobachters), die unbekannt war, allmählich klargestellt. Mit anderen Worten wird mit der Aktualisierung des Korrelationsmodells M eine Beziehung zwischen dem Prüfergebnis von der Prüfvorrichtung und dem Bewertungsergebnis als die Wahrnehmung des Beobachters allmählich durchgeführt, um sich an die optimale Lösung anzunähern.
Für das vorstehend beschriebene überwachte Lernen kann zum Beispiel ein neuronales Netzwerk verwendet werden. 3A veranschaulicht ein Modell von Neuronen schematisch. 3B veranschaulicht ein Modell eines dreischichtigen neuronalen Netzwerks schematisch, das durch die Kombination aus den Neuronen, die in 3A veranschaulicht sind, konfiguriert ist. Das neuronale Netzwerk kann unter Verwendung von Arithmetikeinheiten, Speichervorrichtungen und dergleichen konfiguriert sein, die zum Beispiel nach einem Neuronenmodell modelliert sind.
Die Neuronen, die in 3A veranschaulicht sind, geben ein Ergebnis y von mehreren Eingaben x (Eingaben x₁ bis x₃, als ein Beispiel) aus. Die Eingaben x₁ bis x₃ sind mit Gewichtungen w (w₁bis w₃) entsprechend den Eingaben x multipliziert. Daher geben die Neuronen die Ausgabe y ausgedrückt durch die nachfolgende Gleichung (1) aus. In Gleichung (1) sind alle der Eingaben x, der Ausgabe y und die Gewichtungen w Vektoren. θ ist eine Vorspannung und f_k ist eine aktivierende Funktion. $y = f_{k} (\sum_{i = 1}^{n} x_{i} w_{i} - θ)$
In dem dreischichtigen neuronalen Netzwerk, das in 3B veranschaulicht ist, werden mehrere Eingaben x (Eingabe s1 bis x3, als ein Beispiel) von einer linken Seite eingegeben und die Ergebnisse y (Ergebnisse y1 bis y3, als ein Beispiel) werden von einer rechten Seite ausgegeben. Bei einem Beispiel, das in 3B veranschaulicht ist, werden die Eingaben x1, x2 und x3 mit entsprechenden Gewichtungen (allgemein dargestellt als w1) multipliziert und die Eingaben x1, x2 und x3 werden jeweils in drei Neuronen N11, N12 und N13 eingegeben.
In 3B sind Ausgaben von den Neuronen N11 bis N13 allgemein als z1 dargestellt. z1 kann als Merkmalvektoren betrachtet werden, in denen Merkmalmengen der Eingabevektoren extrahiert werden. Im Beispiel, das in 3B veranschaulicht ist, werden die Merkmalvektoren z1 entsprechend mit Gewichtungen (allgemein dargestellt als w2) multipliziert und jeweils in zwei Neuronen N21 und N22 eingegeben. Die Merkmalvektoren z1 stellen Merkmale zwischen den Gewichtungen w1 und den Gewichtungen w2 dar.
In 3B sind Ausgaben von den Neuronen N21 und N22 allgemein als z2 dargestellt. z2 kann als Merkmalvektoren betrachtet werden, bei denen Merkmalmengen der Merkmalvektoren z1 extrahiert werden. In dem in 3B veranschaulichten Beispiel werden die Merkmalvektoren z2 mit entsprechenden Gewichtungen (allgemein dargestellt als w3) multipliziert und jeweils in drei Neuronen N31, N32 und N33 eingegeben. Die Merkmalvektoren z2 stellen Merkmale zwischen den Gewichtungen w2 und den Gewichtungen w3 dar. Schließlich geben die Neuronen N31 bis N33 entsprechend die Ergebnisse y1 bis y3 aus.
In der Maschinenlernvorrichtung 20, die in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 beinhaltet ist, führt die Lerneinheit 26 Berechnungen von mehrschichtiger Struktur entsprechend dem vorstehend beschriebenen neuronalen Netzwerk mit der Zustandsgröße S verwendet als die Eingaben x aus, sodass die Ergebnisse (Ergebnisse y) der Bewertung bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Menschen ausgegeben werden können. Betriebsmodi des neuronalen Netzwerks umfassen einen Lernmodus und einen Bestimmungsmodus. Die Gewichtungen w können unter Verwendung der Lerndatensätze in dem Lernmodus gelernt werden und die Bestimmung bezüglich des Bewertungsergebnisses bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Menschen kann zum Beispiel unter Verwendung der gelernten Gewichtungen w im Bestimmungsmodus erfolgen. Im Bestimmungsmodus können zudem Detektion, Klassifizierung, Schlussfolgern und dergleichen ausgeführt werden.
Die Konfiguration der vorstehend beschriebenen Bearbeitungsflächenqualitätsbewertungsvorrichtung 10 kann als ein Maschinenlernverfahren (oder Software) beschrieben werden, das durch eine CPU eines Computers ausgeführt wird. Das Maschinenlernverfahren ist ein Maschinenlernverfahren zum Lernen des Ergebnisses der Bewertung bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Menschen, das dem Prüfergebnis von der Prüfvorrichtung entspricht und umfasst:

einen Schritt des Veranlassens der CPU des Computers, die Zustandsgröße S, die das Prüfergebnis von der Prüfvorrichtung angibt, zu beobachten;
einen Schritt des Erlangens der Etikettdaten L, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Menschen angeben; und
einen Schritt des Lernens des Prüfergebnisses von der Prüfvorrichtung und des Bewertungsergebnisses bezüglich der Qualität einer bearbeiteten Fläche als die Wahrnehmung des Menschen auf eine Weise, sodass sie miteinander korreliert sind, unter Verwendung der Zustandsgröße S und der Etikettdaten L.

4 veranschaulicht eine Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 gemäß einer zweiten Ausführungsform.
Die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 umfasst eine Vorverarbeitungseinheit 42, eine Maschinenlernvorrichtung 50 und eine Zustandsdatenerfassungseinheit 46. Die Zustandsdatenerfassungseinheit 46 erlangt als die Zustandsdaten S0 Daten, die von einer Prüfvorrichtung, einem Sensor, der an der Prüfvorrichtung vorgesehen ist, eingegeben werden, oder geeignete Daten, die durch einen Bediener in die Vorverarbeitungseinheit 42 eingegeben werden.
Die Maschinenlernvorrichtung 50, die in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 beinhaltet ist, umfasst Software (wie einen arithmetischen Algorithmus) und Hardware (wie eine CPU eines Computers) zur Ausgabe des Ergebnisses der Bewertung basierend auf der Wahrnehmung eines Beobachters, das durch die Lerneinheit 26 basierend auf dem Prüfergebnis von der Prüfvorrichtung bestimmt wird, als Anzeige von Zeichen auf einem Display (nicht veranschaulicht), Ausgabe von Tönen oder Sprache von einem Lautsprecher (nicht veranschaulicht), Ausgabe durch eine Meldeleuchte (nicht veranschaulicht) oder eine Kombination davon, zusätzlich zur Software (wie ein Lernalgorithmus) und Hardware (wie eine CPU eines Computers) für das Selbstlernen durch das Maschinenlernen bezüglich des Bewertungsergebnisses basierend auf der Wahrnehmung eines Beobachters, das dem Prüfergebnis von der Prüfvorrichtung entspricht. Die Maschinenlernvorrichtung 50 kann eine Konfiguration aufweisen, bei der eine gemeinsame CPU die gesamte Software wie den Lernalgorithmus und den arithmetischen Algorithmus ausführt.
Eine Bestimmungsausgabeeinheit 52 kann zum Beispiel als eine Funktion einer CPU eines Computers konfiguriert sein. Alternativ kann die Bestimmungsausgabeeinheit 52 zum Beispiel als Software zum Herstellen einer Computerfunktion einer CPU konfiguriert sein. Die Bestimmungsausgabeeinheit 52 gibt Befehle aus, um einen Bediener über das Bewertungsergebnis basierend auf der Wahrnehmung eines Beobachters, das durch die Lerneinheit 26 basierend auf dem Prüfergebnis von der Prüfvorrichtung bestimmt wurde, als Anzeige von Zeichen, Ausgabe von Tönen oder Sprache, Ausgabe durch die Meldeleuchte oder eine Kombination davon zu benachrichtigen. Die Bestimmungsausgabeeinheit 52 kann die Befehle zur Benachrichtigung auf einem Display oder dergleichen, das in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 beinhaltet ist, ausgeben, oder sie kann die Befehle zur Benachrichtigung an ein Display oder dergleichen, das in der Prüfvorrichtung beinhaltet ist, ausgeben.
Die Maschinenlernvorrichtung 50, die in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 beinhaltet ist, welche die vorstehende Konfiguration aufweist, erreicht Wirkungen, die Wirkungen der vorstehend beschriebenen und in den 1 und 2 veranschaulichten Maschinenlernvorrichtung 20 entsprechen. Zusätzlich ist die Maschinenlernvorrichtung 50, die in 4 veranschaulicht ist, fähig, einen Zustand der Umgebung durch eine Ausgabe von der Bestimmungsausgabeeinheit 52 zu ändern. Bei der Maschinenlernvorrichtung 20, die in den 1 und 2 veranschaulicht ist, kann andererseits eine Funktion, die der Bestimmungsausgabeeinheit zur Reflexion der Ergebnisse des Lernens durch die Lerneinheit 26 in der Umgebung äquivalent ist, in einer externen Vorrichtung (wie einer Steuerung für eine Werkzeugmaschine) gesucht werden.
Bei einer Modifikation der Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 kann die Bestimmungsausgabeeinheit 52 einen vorbestimmten Schwellenwert für jedes von den Bewertungsergebnissen durch einen Beobachter, die durch die Lerneinheit 26 basierend auf den Prüfergebnissen von der Prüfvorrichtung bestimmt werden, einstellen und kann Informationen als eine Warnung ausgeben, wenn ein Bewertungsergebnis durch den Beobachter, das durch die Lerneinheit 26 basierend auf dem Prüfergebnis von der Prüfvorrichtung bestimmt wird, unter den Schwellenwert abfällt.
5 veranschaulicht ein Bearbeitungsflächenqualitätsbewertungssystem 70 gemäß einer Ausführungsform, das die Prüfvorrichtungen 60 umfasst. Das Bearbeitungsflächenqualitätsbewertungssystem 70 umfasst mehrere Prüfvorrichtungen 60, 60', die fähig sind, eine ähnliche Überprüfung mit ähnlichen Inhalten und ähnlicher Genauigkeit durchzuführen, und ein Netzwerk 72, das die Prüfvorrichtungen 60, 60' verbindet. Mindestens eines von den mehreren Prüfvorrichtungen 60, 60' ist als die Prüfvorrichtung 60 konfiguriert, welche die vorstehend beschriebene Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 umfasst. Das Bearbeitungsflächenqualitätsbewertungssystem 70 kann die Prüfvorrichtungen 60' umfassen, welche die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 nicht umfassen. Die Prüfvorrichtungen 60, 60' weisen eine gewöhnliche Konfiguration auf, die für eine Überprüfung der Qualität einer bearbeiteten Fläche eines bearbeiteten Werkstücks erforderlich ist.
Bei dem Bearbeitungsflächenqualitätsbewertungssystem 70 mit der vorstehenden Konfiguration sind die Prüfvorrichtungen 60, welche die Bearbeitungsflächenqualitätsbewertungsvorrichtungen 40 umfassen, unter den mehreren Prüfvorrichtungen 60, 60' jeweils fähig, das Bewertungsergebnis basierend auf der Wahrnehmung eines Beobachters, das dem Prüfergebnis von der Prüfvorrichtung 60 entspricht, unter Verwendung von den Ergebnissen des Lernens durch die Lerneinheit 26 ohne Berechnung oder Bewertung automatisch und genau zu finden. Die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 von mindestens einer Prüfvorrichtung 60 kann konfiguriert sein, die Ergebnisse der Bewertung basierend auf der Wahrnehmung des Beobachters, die den Prüfergebnissen von den Prüfvorrichtungen 60, 60' entsprechen, die allen Prüfvorrichtungen 60, 60' gemeinsam sind, basierend auf der Zustandsgröße S und den Etikettdaten L, die für jede von den mehreren anderen Prüfvorrichtungen 60, 60' erlangt werden, zu lernen und alle Prüfvorrichtungen 60, 60' können konfiguriert sein, die Ergebnisse solchen Lernens zu teilen. Gemäß dem Bearbeitungsflächenqualitätsbewertungssystem 70 können daher die Geschwindigkeit, Zuverlässigkeit und dergleichen des Lernens der Ergebnisse der Bewertung basierend auf der Wahrnehmung des Beobachters, die den Prüfergebnissen von den Prüfvorrichtungen entsprechen, unter Verwendung von verschiedenartigeren Datensätzen (einschließlich der Zustandsgrößen S und der Etikettdaten L) als Eingabe verbessert werden.
6 veranschaulicht ein Bearbeitungsflächenqualitätsbewertungssystem 70' gemäß einer weiteren Ausführungsform, das die Prüfvorrichtungen 60' umfasst.
Das Bearbeitungsflächenqualitätsbewertungssystem 70' umfasst die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder 10), die mehreren Prüfvorrichtungen 60', die fähig sind, einer Überprüfung mit dem gleichen Inhalt und der gleichen Genauigkeit durchzuführen, und das Netzwerk 72, das die Prüfvorrichtungen 60' und die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder 10) verbindet.
Bei dem Bearbeitungsflächenqualitätsbewertungssystem 70' mit der vorstehenden Konfiguration kann die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder 10) die Ergebnisse der Bewertung basierend auf der Wahrnehmung eines Beobachters, die den Prüfergebnissen von den Prüfvorrichtungen entsprechen, die allen Prüfvorrichtungen 60' gemeinsam sind, basierend auf der Zustandsgröße S und den Etikettdaten L, die für jede von den mehreren Prüfvorrichtungen 60' erlangt werden, lernen und daher können die Ergebnisse der Bewertung basierend auf der Wahrnehmung des Beobachters, die den Prüfergebnissen von den Prüfvorrichtungen entsprechen, unter Verwendung von den Ergebnissen solchen Lernens ohne Berechnung oder Bewertung automatisch und genau gefunden werden.
Das Bearbeitungsflächenqualitätsbewertungssystem 70' kann eine Konfiguration aufweisen, bei der die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder 10) in einem Cloud-Server existiert, der im Netzwerk 72 vorgesehen ist. Gemäß dieser Konfiguration kann eine erforderliche Anzahl an Prüfvorrichtungen 60' mit der Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder 10) falls notwendig ungeachtet von Orten und Zeiträumen an und zu denen die mehreren Prüfvorrichtungen 60' existieren verbunden werden.
Der Bediener, der in das Bearbeitungsflächenqualitätsbewertungssystem 70, 70' eingreift, kann bestimmen, ob ein erlangtes Niveau des Lernens der Bewertungsergebnisse durch die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder 10) basierend auf der Wahrnehmung eines Beobachters, die den Prüfergebnissen von den Prüfvorrichtungen entsprechen, ein Anforderungsniveau erreicht hat oder nicht, zu einer geeigneten Zeit nach dem Start des Lernens durch die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder 10).
Bei einer Modifikation des Bearbeitungsflächenqualitätsbewertungssystems 70, 70' kann die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 implementiert werden, sodass sie in einer Managementvorrichtung 80 integriert ist, welche die Prüfvorrichtungen 60, 60' managt. Wie veranschaulicht in 7 sind die mehreren Prüfvorrichtungen 60, 60' mit der Managementvorrichtung 80 durch das Netzwerk 72 verbunden und die Managementvorrichtung 80 erfasst Daten in Zusammenhang mit Betriebszuständen, den Prüfergebnissen und dergleichen in den Prüfvorrichtungen 60, 60' durch das Netzwerk 72. Die Managementvorrichtung 80 kann Informationen von gewünschten Prüfvorrichtungen 60, 60' empfangen, kann die Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 anweisen, die Prüfergebnisse von den Prüfvorrichtungen 60, 60' zu bestimmen und kann Ergebnisse der Bestimmung auf ein Display, das in der Managementvorrichtung 80 oder dergleichen vorgesehen ist oder an die Prüfvorrichtungen 60, 60', die der Bestimmung unterworfen sind, ausgeben. Solch eine Konfiguration macht es möglich, das Management der Ergebnisse der Bestimmung auf den Prüfvorrichtungen 60, 60' und dergleichen in der Managementvorrichtung 80 zu vereinheitlichen und die Zustandsgrößen zu sammeln, sodass sie Proben von den mehreren Prüfvorrichtungen 60, 60' beim Neulernen sind, und weist daher den Vorteil auf, dass eine große Menge von Daten für das Neulernen leicht gesammelt werden können.
Obwohl die Ausführungsformen der Erfindung vorstehend beschrieben wurden, ist die Erfindung nicht auf die vorstehend beschriebenen Ausführungsformen begrenzt und kann auf verschiedene Weisen mit geeigneter Modifikation verkörpert werden.
Zum Beispiel sind die Lernalgorithmen, die durch die Maschinenlernvorrichtungen 20, 50 ausgeführt werden, der arithmetische Algorithmus, der durch die Maschinenlernvorrichtung 50 ausgeführt wird, Steuerungsalgorithmen, die durch die Bearbeitungsflächenqualitätsbewertungsvorrichtungen 10, 40 ausgeführt werden, und dergleichen nicht auf das vorstehende begrenzt und verschiedene Algorithmen können eingesetzt werden.
Obwohl die Vorverarbeitungseinheit 12 in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10) in den vorstehend beschriebenen Ausführungsformen vorgesehen ist, kann die Vorverarbeitungseinheit 12 in der Prüfvorrichtung vorgesehen werden. In diesem Fall kann die Vorverarbeitung entweder in der Bearbeitungsflächenqualitätsbewertungsvorrichtung 40 (oder der Bearbeitungsflächenqualitätsbewertungsvorrichtung 10) oder der Prüfvorrichtung oder in beiden ausgeführt werden. Standorte zum Verarbeiten können in Anbetracht der Verarbeitungskapazität und Kommunikationsgeschwindigkeit geeignet festgelegt werden.
Obwohl die Beispiele, bei denen die Lerneinheit 26 den Algorithmus des überwachten Lernens verwendet, hauptsächlich für die vorstehend beschriebenen Ausführungsformen beschrieben wurden, ist die Erfindung nicht auf die Beispiele begrenzt. Die Zustandsbeobachtungseinheit 22 kann zum Beispiel konfiguriert sein, nur die Prüfergebnisse von der Prüfvorrichtung bei Werkstücken, die von einem Beobachter als konforme Werkstücke bestimmt wurden, als die Zustandsgrößen S einzugeben, und die Lerneinheit 26 kann konfiguriert sein, ein Cluster zu bilden, das ein Merkmal der Prüfergebnisse bezüglich der Werkstücke darstellt, die entsprechend einem unüberwachten Lernalgorithmus als konform bestimmt wurden. Bei diesem Beispiel kann die Lerneinheit 26 bestimmen, ob die Prüfergebnisse von der Prüfvorrichtung bei bearbeiteten Werkstücken, die neu hergestellt wurden, zu dem Cluster gehören oder nicht, und kann daher die Ergebnisse der Bewertung bezüglich der bearbeiteten Werkstücke bewerten, die auf der Wahrnehmung des Beobachters basieren. Ob ein Prüfergebnis zu dem Cluster gehört oder nicht, kann zum Beispiel basierend auf einer Schwellenwertbestimmung bezüglich eines Abstands von einer Mitte des Clusters oder dergleichen bestimmt werden.
Bei dieser Technik können Lernprozesse zum Beispiel unabhängig für jeden Beobachter oder jeden Objektort ausgeführt werden. D. h., das Lernen kann unter Verwendung von einer unterschiedlichen Lerneinheit 26 für jeden Beobachter oder jeden Objektort ausgeführt werden. Daher wird ein unterschiedlicher Cluster für jeden Beobachter oder jeden Objektort gebildet, sodass die Beziehung zwischen den Prüfergebnissen bezüglich der Qualität einer bearbeiteten Fläche von der Prüfvorrichtung und den Bewertungsergebnissen bezüglich der Qualität einer bearbeiteten Fläche, die auf der Wahrnehmung eines Beobachters basieren, unabhängig voneinander für jeden Beobachter oder jeden Objektort gelernt werden kann. Selbst wenn sich die Kriterien für die Wahrnehmungsbewertung bezüglich der Qualität einer bearbeiteten Fläche unter Beobachtern oder Objektorten unterscheiden, kann daher das geeignete Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche, das auf der Wahrnehmung des Beobachters basiert, das dem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche von der Prüfvorrichtung entspricht, ausgegeben werden.

Claims

Bearbeitungsflächenqualitätsbewertungsvorrichtung, die ein Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche eines Werkstücks durch einen Beobachter basierend auf einem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von einer Prüfvorrichtung bestimmt, wobei die Bearbeitungsflächenqualitätsbewertungsvorrichtung umfasst: eine Maschinenlernvorrichtung, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter lernt, das dem Prüfergebnis von der Prüfvorrichtung entspricht, wobei die Maschinenlernvorrichtung umfasst eine Zustandsbeobachtungseinheit, die das Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von der Prüfvorrichtung als eine Zustandsgröße beobachtet, eine Etiketterfassungseinheit, die Etikettdaten erlangt, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter angeben, und eine Lerneinheit, welche die Zustandsgröße und die Etikettdaten auf eine Weise lernt, sodass sie miteinander korreliert sind.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 1, wobei die Lerneinheit umfasst eine Fehlerberechnungseinheit, die einen Fehler zwischen einem Korrelationsmodell zur Bestimmung bezüglich des Bewertungsergebnisses bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter von der Zustandsgröße und einer Korrelationscharakteristik, die von im Voraus vorbereiteten Lehrdaten identifiziert wird, berechnet und eine Modellaktualisierungseinheit, die das Korrelationsmodell aktualisiert, um den Fehler zu reduzieren.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 1, wobei die Lerneinheit eine Berechnung der Zustandsgröße und der Etikettdaten in einer mehrschichtigen Struktur ausführt.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 1, ferner umfassend: eine Bestimmungsausgabeeinheit, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter, das basierend auf einem Ergebnis eines Lernens durch die Lerneinheit bestimmt wurde, ausgibt.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 4, wobei die Bestimmungsausgabeeinheit eine Warnung ausgibt, wenn das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter, das durch die Lerneinheit bestimmt wurde, einen voreingestellten Schwellenwert überschreitet.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 1, wobei das Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von der Prüfvorrichtung ein Wert ist, der unter Verwendung von mindestens einem von Oberflächenrauheit Sa, maximaler Höhe Sv, Oberflächenstrukturaspektverhältnis Str, Wölbung Sku, Ssk, entwickeltem Grenzflächenverhältnis Sdr, Lichtreflexion und einem Bildmerkmal des Werkstücks erlangt wurde.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 1, wobei die Prüfvorrichtung veranlasst wird, eine vorbestimmte Operation zur Bestimmung bezüglich des Bewertungsergebnisses bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter unter Verwendung der Lerneinheit auszuführen.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 7, wobei die vorbestimmte Operation zur Bestimmung automatisch oder als Reaktion auf eine Anforderung von einem Bediener ausgeführt wird.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 1, wobei die Bearbeitungsflächenqualitätsbewertungsvorrichtung als ein Teil der Prüfvorrichtung konfiguriert ist.
Bearbeitungsflächenqualitätsbewertungsvorrichtung nach Anspruch 1, wobei die Bearbeitungsflächenqualitätsbewertungsvorrichtung als ein Teil einer Managementvorrichtung konfiguriert ist, die mehrere der Prüfvorrichtungen durch ein Netzwerk managt.
Bearbeitungsflächenqualitätsbewertungsvorrichtung, die ein Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche eines Werkstücks durch einen Beobachter basierend auf einem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von einer Prüfvorrichtung bestimmt, wobei die Bearbeitungsflächenqualitätsbewertungsvorrichtung umfasst: ein Modell, das eine Korrelation zwischen dem Prüfergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks von der Prüfvorrichtung und Etikettdaten, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter angeben, darstellt und eine Bestimmungsausgabeeinheit, die das Bewertungsergebnis bezüglich der Qualität einer bearbeiteten Fläche des Werkstücks durch den Beobachter, das basierend auf dem Modell bestimmt wurde, ausgibt.