DE102018126429A1

DE102018126429A1 - Bearbeitungsbedingungsanpassungsvorrichtung und Maschinenlernvorrichtung

Info

Publication number: DE102018126429A1
Application number: DE102018126429.1A
Authority: DE
Inventors: Naoki Sato
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2017-10-31
Filing date: 2018-10-24
Publication date: 2019-05-02
Also published as: CN109725606B; JP6659652B2; US10635091B2; JP2019082894A; US20190129386A1; CN109725606A

Abstract

Eine Maschinenlernvorrichtung einer Bearbeitungsbedingungsanpassungsvorrichtung weist Folgendes auf: eine Zustandsbeobachtungseinheit, die jeweils die Bearbeitungsbedingungsdaten, die eine Bearbeitungsbedingung jedes verwendeten Werkzeugs angeben, und Zykluszeitdaten, die eine Zykluszeit einer Bearbeitung angeben, als eine Zustandsvariable beobachtet; eine Bestimmungsdatenerfassungseinheit, die Bestimmungsdaten, die ein Ergebnis einer Eignungsbestimmung einer Bearbeitung in dem Fall, bei dem eine Anpassung der Bearbeitungsbedingung durchgeführt wird, angeben, erhält; und eine Lerneinheit, die Lernen durch Zuordnen der Bearbeitungsbedingungsdaten und der Zykluszeitdaten zu der Anpassung der Bearbeitungsbedingung unter Verwendung der Zustandsvariable und der Bestimmungsdaten derart durchführt, effektive Verwendung der Zuteilung einer Zykluszeit zu ermöglichen.

Description

[HINTERGRUND DER ERFINDUNG]
Gebiet der Erfindung
Die vorliegende Erfindung betrifft eine Bearbeitungsbedingungsanpassungsvorrichtung und eine Maschinenlernvorrichtung und insbesondere eine Betriebsplanungsvorrichtung und eine Maschinenlernvorrichtung zum Bestimmen von Bearbeitungsbedingungen einer Vielzahl an Werkzeugmaschinen.
Beschreibung der verwandten Technik
Im Allgemeinen wird in dem Fall, dass eine Benutzerperson, die Bearbeitung von Komponenten unter Verwendung einer Werkzeugmaschine durchführt, eine große Menge an Massenproduktionsteilen bearbeitet, wobei das Augenmerk auf Bearbeitung während kürzerer Zykluszeiten hinsichtlich Produktivität liegt, Bearbeitung wird derart unter einer strengen Bearbeitungsbedingung durchgeführt, dass die Bearbeitungszeit reduziert wird, während Bearbeitungsgenauigkeit zu einem bestimmten Niveau beibehalten wird.
In dem Fall, dass Bearbeitung eines Teils in einer Fertigungsstraße aus einer Vielzahl an Werkzeugmaschinen durchgeführt wird, indem einzelnen Werkzeugmaschinen Bearbeitungsschritte zugeordnet werden, kommt es jedoch bei der Werkzeugmaschine mit der längsten Zykluszeit zu einem Engpass und es ist nicht möglich, die Zykluszeit der gesamten Fertigungsstraße zu reduzieren, auch wenn die Zykluszeiten der anderen Werkzeugmaschinen reduziert sind.
Zum Beispiel wie in 8 gezeigt, ist es in einer Fertigungsstraße, bei der Bearbeitung durch sequentiellen Einsatz von vier Werkzeugmaschinen durchgeführt wird und das Endprodukt dadurch erzeugt wird, in dem Fall, dass eine Zykluszeit 2, bei der es sich um eine Zeit handelt, die für einen Bearbeitungsprozess oder dergleichen in Schritt 2 benötigt wird, die längste Zykluszeit ist, wenn der vorherige Bearbeitungsprozess der Werkzeugmaschine, die in Schritt 2 verwendet wird, nicht abgeschlossen ist, in Schritt 2 nicht möglich, ein Werkstück, das in Schritt 1 bearbeitet wird, zu bearbeiten, da auf Beendigung des vorherigen Bearbeitungsprozesses gewartet wird. Dadurch wird, auch wenn eine strenge Bearbeitungsbedingung derart für die Werkzeugmaschine, die in Schritt 1 verwendet wird, eingestellt ist, dass eine Zykluszeit 1, bei der es sich um eine Zeit handelt, die für den Bearbeitungsprozess und dergleichen in Schritt 1 benötigt wird, reduziert ist, die Anzahl an Werkstücken, die in Schritt 2 zu bearbeiten sind, zwischen Schritt 1 und Schritt 2 nutzlos erhöht und es wird keine signifikante Reduktion der Zykluszeit der gesamten Fertigungsstraße erzielt. Zusätzlich erreicht ein Werkstück, das in Schritt 3 bearbeitet werden soll, nicht Schritt 3, wenn der Bearbeitungsprozess in Schritt 2 nicht beendet ist. Dadurch wird, auch wenn eine strenge Bearbeitungsbedingung derart für die Werkzeugmaschine, die in Schritt 3 verwendet wird, eingestellt ist, dass eine Zykluszeit 3, bei der es sich um eine Zeit handelt, die für den Bearbeitungsprozess und dergleichen in Schritt 3 benötigt wird, reduziert ist, die Leerlaufzeit der Werkzeugmaschine in Schritt 3 nutzlos erhöht und es wird keine signifikante Reduktion der Zykluszeit der gesamten Fertigungsstraße erzielt. Um dies zu bewältigen, werden in einer solchen Fertigungsstraße die Bearbeitungsbedingungen der Werkzeugmaschinen, die sich von der Werkzeugmaschine mit der längsten Zykluszeit unterscheiden, derart eingestellt, dass die Bearbeitungsprozesse mit den Zykluszeiten, die entsprechend der Werkzeugmaschine mit der längsten Zykluszeit eingestellt sind, durchgeführt werden, und die Bearbeitungsbedingungen werden für andere Zwecke als eine Reduktion der Zykluszeit (zum Beispiel eine Verbesserung der Bearbeitungsgenauigkeit, Instandhaltung der Lebensdauer eines Werkzeugs oder dergleichen und eine Reduktion des Leistungsverbrauchs) angepasst.
Als herkömmliche Weise zum Anpassen der Bearbeitungsbedingung offenbart zum Beispiel das japanische Patent Nr. 4643725 die Technik des optimalen Reduzierens von Leistungsverbrauch der gesamten Werkzeugmaschine.
In dem Fall, dass die Bearbeitungsbedingung mit Augenmerkt auf zum Beispiel eine Reduktion des Leistungsverbrauchs angepasst wird, wird typischer Weise eine Veränderung, wie zum Beispiel eine Reduktion der Schnittvorschubgeschwindigkeit oder Spindeldrehzahl als die Bearbeitungsbedingung hinzugefügt. Bei einer Bearbeitungsoperation basierend auf einem Bearbeitungsprogramm werden jedoch verschiedene Bearbeitungsprozesse, wie zum Beispiel Fräsen, Bohren und Gewindebohren unter Verwendung verschiedener Werkzeugmaschinen durchgeführt und Leistungsverbrauch unterscheidet sich abhängig von einem Bearbeitungsverfahren oder einem Werkzeug, das bei dem Bearbeitungsprozess verwendet wird. Zusätzlich stehen verschiedene Bedingungen in komplexer Beziehung zum Leistungsverbrauch. Zum Beispiel gibt es Fälle, bei denen eine Reduktion der Beschleunigung/Entschleunigung zur Reduktion von Leistungsverbrauch zu einer Erhöhung der Bewegungszeit einer Spindel und dem gesamten Leistungsverbrauch führt. Deshalb ist es schwierig, zu bestimmen, wie Leistungsverbrauch am effizientesten in der Zuteilung der Zykluszeit in der Fertigungsstraße aus einer Vielzahl an Werkzeugmaschinen mittels Veränderns der Bearbeitungsbedingung reduziert werden kann.
[KURZFASSUNG DER ERFINDUNG]
Um dies zu bewältigen, ist es eine Aufgabe der vorliegenden Erfindung, eine Bearbeitungsbedingungsanpassungsvorrichtung und eine Maschinenlernvorrichtung, die das Anpassen einer Bearbeitungsbedingung, die eine effiziente Verwendung der Zuteilung einer Zykluszeit in einer Fertigungsstraße aus einer Vielzahl an Werkzeugmaschinen ermöglicht, gestatten, bereitzustellen.
Die vorliegende Erfindung setzt eine Maschinenlernvorrichtung, die ein Lernmodell erstellt, das Leistungsverbrauch und eine Zykluszeit berücksichtigt, basierend auf Zustandsdaten, wie zum Beispiel eine Bearbeitungsbedingung jedes Werkzeugs, das von einer Fertigungsmaschine bei der Bearbeitung verwendet wird (eine Spindeldrehzahl, eine Schnittvorschubgeschwindigkeit und dergleichen), und der Zykluszeit, in einer Bearbeitungsbedingungsanpassungsvorrichtung, die die Bearbeitungsbedingungen einer Vielzahl an Bearbeitungsmaschinen einstellt, ein. Bei der Bearbeitungsbedingungsanpassungsvorrichtung der vorliegenden Erfindung ist es möglich, die Anpassung der Bearbeitungsbedingung basierend auf den Zustandsdaten, die durch die Fertigungsmaschine erhalten werden, unter Verwendung des Lernmodells, das ein Lernergebnis der Maschinenlernvorrichtung ist, durchzuführen und den Inhalt der Anpassung der Bearbeitungsbedingung unter Verwendung des Leistungsverbrauchs und der Zykluszeit, die sich aus der Ausführung einer Bearbeitungsoperation basierend auf der angepassten Bearbeitungsbedingung ergeben, als Bestimmungsdaten zu evaluieren.
Ein Aspekt der vorliegenden Erfindung ist eine Bearbeitungsbedingungsanpassungsvorrichtung zum Anpassen einer Bearbeitungsbedingung jeder der Vielzahl an Fertigungsmaschinen, die eine Fertigungsstraße bilden, wobei die Bearbeitungsbedingungsanpassungsvorrichtung Folgendes aufweist: eine Maschinenlernvorrichtung, die eine Anpassung der Bearbeitungsbedingung der Fertigungsmaschine lernt, wobei die Maschinenlernvorrichtung eine Zustandsbeobachtungseinheit, die jeweils die Bearbeitungsbedingungsdaten, die die Bearbeitungsbedingung jedes Werkzeugs, das von der Fertigungsmaschine beim Bearbeiten verwendet wird, angeben, und der Zykluszeitdaten bezüglich einer Zykluszeit einer Bearbeitung durch die Fertigungsmaschine als eine Zustandsvariable, die einen aktuellen Zustand einer Umgebung darstellt, beobachtet, eine Bestimmungsdatenerfassungseinheit, die Bestimmungsdaten, die ein Ergebnis einer Eignungsbestimmung einer Bearbeitung durch die Fertigungsmaschine in einem Fall, bei dem die Anpassung der Bearbeitungsbedingung durchgeführt wird, angeben, erhält, und eine Lerneinheit, die Lernen durch Zuordnen der Bearbeitungsbedingungsdaten und der Zykluszeitdaten zu der Anpassung der Bearbeitungsbedingung unter Verwendung der Zustandsvariable und der Bestimmungsdaten durchführt, aufweist.
Ein weiterer Aspekt der vorliegenden Erfindung ist eine Maschinenlernvorrichtung zum Lernen einer Anpassung einer Bearbeitungsbedingung jeder einer Vielzahl an Fertigungsmaschinen, die eine Fertigungsstraße bilden, wobei die Maschinenlernvorrichtung Folgendes aufweist: eine Zustandsbeobachtungseinheit, die jeweils die Bearbeitungsbedingungsdaten, die die Bearbeitungsbedingung jedes Werkzeugs, das von der Fertigungsmaschine beim Bearbeiten verwendet wird, angeben, und der Zykluszeitdaten bezüglich einer Zykluszeit einer Bearbeitung durch die Fertigungsmaschine als eine Zustandsvariable, die einen aktuellen Zustand einer Umgebung darstellt, beobachtet; eine Bestimmungsdatenerfassungseinheit, die Bestimmungsdaten, die ein Ergebnis einer Eignungsbestimmung einer Bearbeitung durch die Fertigungsmaschine in einem Fall, bei dem die Anpassung der Bearbeitungsbedingung durchgeführt wird, angeben, erhält; und eine Lerneinheit, die Lernen durch Zuordnen der Bearbeitungsbedingungsdaten und der Zykluszeitdaten zu der Anpassung der Bearbeitungsbedingung unter Verwendung der Zustandsvariable und der Bestimmungsdaten durchführt.
Gemäß der vorliegenden Erfindung kann in einer Fertigungsstraße, die eine Vielzahl an Fertigungsmaschinen verwendet, wobei die Zykluszeit gleich oder kürzer als die längste Zykluszeit einer der Fertigungsmaschinen als ein Soll eingestellt ist, Bearbeitung durch jede der anderen Fertigungsmaschinen unter der Bearbeitungsbedingung, die Leistungsverbrauch minimiert, durchgeführt werden, und als ein Ergebnis wird Energieeinsparung der gesamten Bearbeitungsstraße gestattet.
Figurenliste

1 ist ein schematisches Hardware-Konfigurationsdiagramm einer Bearbeitungsbedingungsanpassungsvorrichtung gemäß einer ersten Ausführungsform;
2 ist ein schematisches Funktionsblockdiagramm der Bearbeitungsbedingungsanpassungsvorrichtung gemäß der ersten Ausführungsform;
3 ist eine Ansicht zur Erläuterung von Bearbeitungsbedingungsdaten;
4 ist ein schematisches Funktionsblockdiagramm, das einen Modus der Bearbeitungsbedingungsanpassungsvorrichtung zeigt;
5 ist ein vereinfachtes Flussdiagramm, das einen Modus eines Maschinenlernverfahrens zeigt;
6A ist eine Ansicht zur Erläuterung eines Neurons;
6B ist eine Ansicht zur Erläuterung eines neuronalen Netzwerks;
7 ist ein schematisches Funktionsblockdiagramm, das einen Modus eines Systems zeigt, in dem die Bearbeitungsbedingungsanpassungsvorrichtung eingebaut ist; und
8 ist eine Ansicht zur Erläuterung eines Problems, das in einer Fertigungsstraße einer Fertigungsmaschine auftritt.

[DETAILLIERTE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN]
Im Folgenden wird eine Ausführungsformen der vorliegenden Erfindung mit Bezug auf die Zeichnungen beschrieben.
1 ist ein schematisches Hardware-Konfigurationsdiagramm, das den Hauptabschnitt einer Bearbeitungsbedingungsanpassungsvorrichtung gemäß einer ersten Ausführungsform zeigt. Eine Bearbeitungsbedingungsanpassungsvorrichtung 1 kann als Teil einer Steuervorrichtung, die eine Fertigungsmaschine, zum Beispiel eine Werkzeugmaschine, steuert, eingebaut werden. Zusätzlich kann die Bearbeitungsbedingungsanpassungsvorrichtung 1 als Teil eines Rechners, wie zum Beispiel eines Zell-Computers, eines Host-Computers oder eines Cloud-Servers, der über ein Netzwerk mit der Fertigungsmaschine verbunden ist, eingebaut werden. Eine CPU 11 der Bearbeitungsbedingungsanpassungsvorrichtung 1 gemäß der vorliegenden Ausführungsform ist ein Prozessor, der die gesamte Bearbeitungsbedingungsanpassungsvorrichtung 1 steuert. Die CPU 11 liest ein Systemprogramm, das in einem ROM 12 gespeichert ist, über einen Bus 20 aus, und steuert die gesamte Bearbeitungsbedingungsanpassungsvorrichtung 1 gemäß dem Systemprogramm. Ein RAM 13 speichert temporär temporäre Berechnungsdaten und Anzeigedaten und verschiedene Datenstücke, die von einer Bedienperson über eine Eingabeeinheit, die nicht gezeigt ist, eingegeben werden.
Ein nichtflüchtiger Speicher 14 ist als ein Speicher ausgelegt, in dem ein Speicherzustand durch Sichern unter Verwendung zum Beispiel einer Batterie, die nicht gezeigt ist, aufrechterhalten wird, auch wenn die Bearbeitungsbedingungsanpassungsvorrichtung 1 ausgeschalten wird.
Der nichtflüchtige Speicher 14 speichert verschiedene Datenstücke, die von der Bedienperson über die Eingabeeinheit, die nicht gezeigt ist, eingegeben werden, verschiedene Datenstücke, die von einer Fertigungsmaschine 70, die über eine Schnittstelle 18 mit einem drahtgebundenen/drahtlosen Netzwerk 172 verbunden ist, erhalten werden (zum Beispiel ein Bearbeitungsprogramm, das durch die Fertigungsmaschine 70 ausgeführt wird, Leistungsverbrauch und Stromverbrauch, der in der Fertigungsmaschine 70 detektiert wird, und dergleichen), und eine Programmeingabe über eine Schnittstelle, die nicht gezeigt ist. Die Programme und Datenstücke, die in dem nichtflüchtigen Speicher 14 gespeichert sind, können während Ausführung/Verwendung in das RAM 13 geladen werden. Zusätzlich werden verschiedene Systemprogramme, wie zum Beispiel ein bekanntes Analyseprogramm (darunter ein Systemprogramm zum Steuern von Austausch mit einer Maschinenlernvorrichtung 100 wie später beschrieben), im Voraus in das ROM 12 geschrieben.
Die Fertigungsmaschine 70 bildet eine Fertigungsstraße, die als das Anpassungsziel von Leistungsverbrauch durch die Bearbeitungsbedingungsanpassungsvorrichtung 1 dient. Die Fertigungsmaschine 70 kann eine Verfahrensmaschine, wie zum Beispiel eine Werkzeugmaschine, eine Drahterodiermaschine oder eine Spritzgussmaschine, sein. Die Fertigungsmaschine 70 kann einen Befehl von der CPU 11 über die Schnittstelle 18 und das Netzwerk 172 erhalten und eine Bearbeitungsbedingung und dergleichen, die während der Bearbeitungsoperation verwendet wird, einstellen. Zusätzlich benachrichtigt die Fertigungsmaschine 70 die CPU 11 über ein Bearbeitungsprogramm, das bei der Bearbeitungsoperation verwendet wird, und Messwerte, die von den Leistungsmessungsvorrichtungen und Strommessvorrichtungen, die in einzelnen Einheiten vorgesehen sind, gemessen werden, über das Netzwerk 172 und die Schnittstelle 18.
Eine Schnittstelle 21 ist die Schnittstelle zum Verbinden der Bearbeitungsbedingungsanpassungsvorrichtung 1 und der Maschinenlernvorrichtung 100. Die Maschinenlernvorrichtung 100 weist einen Prozessor 101, der die gesamte Maschinenlernvorrichtung 100 steuert, ein ROM 102, das ein Systemprogramm oder dergleichen speichert, ein RAM 103 zum Durchführen von temporärem Speichern bei jeder Verarbeitung bezüglich Maschinenlernen und einen nichtflüchtigen Speicher 104, der zum Speichern eines Lernmodells oder dergleichen verwendet wird, auf. Die Maschinenlernvorrichtung 100 kann einzelne Stücke von Informationen, von der Bearbeitungsbedingungsanpassungsvorrichtung 1 über die Schnittstelle 18 (zum Beispiel das Bearbeitungsprogramm, das durch die Fertigungsmaschine 70 ausgeführt wird, und der Leistungsverbrauch und Stromverbrauch, der in der Fertigungsmaschine 70 detektiert wird) erhalten werden können, beobachten. Die Bearbeitungsbedingungsanpassungsvorrichtung 1 empfängt einen Anpassungsbefehl der Bearbeitungsbedingung der Fertigungsmaschine 70, der von der Maschinenlernvorrichtung 100 ausgegeben wird, um die Fertigungsmaschine 70 zu steuern.
2 ist ein schematisches Funktionsblockdiagramm der Bearbeitungsbedingungsanpassungsvorrichtung 1 und der Maschinenlernvorrichtung 100 gemäß der ersten Ausführungsform. Die CPU 11 der Bearbeitungsbedingungsanpassungsvorrichtung 1 und der Prozessor 101 der Maschinenlernvorrichtung 100, wie in 1 gezeigt, führen ihre jeweiligen Systemprogramme aus, um die Operationen der einzelnen Einheiten der Bearbeitungsbedingungsanpassungsvorrichtung 1 und der Maschinenlernvorrichtung 100 zu steuern, und die einzelnen Funktionsblöcke, die in 2 gezeigt sind, werden somit umgesetzt.
Die Bearbeitungsbedingungsanpassungsvorrichtung 1 der vorliegenden Ausführungsform weist eine Bearbeitungsbedingungsanpassungseinheit 34 auf, die die Bearbeitungsbedingung in der Bearbeitungsoperation der Fertigungsmaschine 70 basierend auf der Anpassungsbefehlsausgabe der Maschinenlernvorrichtung 100 anpasst. Zu Beispielen der Bearbeitungsbedingung in der Bearbeitungsoperation der Fertigungsmaschine 70, die von der Bearbeitungsbedingungsanpassungseinheit 34 angepasst wird, gehören die Spindeldrehzahl und die Schnittvorschubgeschwindigkeit jedes verwendeten Werkzeugs in der Bearbeitungsoperation, die durch die Fertigungsmaschine 70 durchgeführt wird. Die Bearbeitungsbedingung ist jedoch nicht darauf beschränkt und die Bearbeitungsbedingung, die unter Verwendung der Funktion und Spezifikation der Fertigungsmaschine 70 angepasst werden kann, kann ebenfalls ausgegeben werden.
Die Maschinenlernvorrichtung 100 der vorliegenden Ausführungsform weist Software (einen Lernalgorithmus oder dergleichen) und Hardware (den Prozessor 101 oder dergleichen) zum Lernen einer Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, durch sogenanntes Maschinenlernen auf. Was von der Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 gelernt wird, entspricht einer Modellstruktur, die eine Korrelation zwischen der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70, darstellt, und der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird.
Wie in 2 unter Verwendung des Funktionsblocks gezeigt, weist die Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 eine Zustandsbeobachtungseinheit 106, die jeweils die Bearbeitungsbedingungsdaten S1, die die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, angeben, und Zykluszeitdaten S2 bezüglich der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 als eine Zustandsvariable S, die den aktuellen Zustand einer Umgebung darstellt, beobachtet, eine Bestimmungsdatenerfassungseinheit 108, die Bestimmungsdaten D, die Leistungsverbrauchdaten D1 aufweisen, die elektrische Leistung, die bei der Bearbeitungsoperation durch die Fertigungsmaschine 70 verbraucht wird, angeben, und Zykluszeitbestimmungsdaten D2, die die Zykluszeit bei der Bearbeitungsoperation durch die Fertigungsmaschine 70 angeben, erhält, in dem Fall, dass das Anpassen der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, durchgeführt wird, und eine Lerneinheit 110, die Lernen durch Zuordnen der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, zu der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, unter Verwendung der Zustandsvariable S und der Bestimmungsdaten D durchführt, auf.
Unter den Zustandsvariablen S, die von der Zustandsbeobachtungseinheit 106 beobachtet werden, können die Bearbeitungsbedingungsdaten S1 als ein Satz von Bearbeitungsbedingungen jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, erhalten werden. Es ist möglich, die Spindeldrehzahl und die Schnittvorschubgeschwindigkeit als die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, zu verwenden. Die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, kann von dem Bearbeitungsprogramm, das in der Fertigungsmaschine 70 ausgeführt wird, und den Parameter oder dergleichen, die in der Fertigungsmaschine 70 eingestellt sind, erhalten werden. Zum Beispiel ist es in dem Fall, dass die Bearbeitungsbedingungsdaten S1 zum Beispiel von dem Bearbeitungsprogramm, das in 3 gezeigt ist, erhalten werden, nur nötig, das Bearbeitungsprogramm zu analysieren, um das Werkzeug, das beim Bearbeiten verwendet wird, von einem Werkzeugaustauschbefehl zu bestimmen, und die Spindeldrehzahl und die Schnittvorschubgeschwindigkeit des Bearbeitens mittels jedes Werkzeugs von einem Spindeldrehzahlbefehl S und einem Vorschubgeschwindigkeitsbefehl F zu bestimmen. Zusätzlich kann die Bearbeitungsbedingung, die nicht explizit in dem Bearbeitungsprogramm spezifiziert ist, von Parametern oder dergleichen, die in der Fertigungsmaschine 70 eingestellt sind (in dem Beispiel in 3 sind der Vorgabewert der Spindeldrehzahl aaaa und der Vorgabewert der Vorschubdrehzahl bbbb als Parameter eingestellt und diese Werte werden als die Bearbeitungsbedingung eines Werkzeugs 1 bestimmt), erhalten werden. Ein Satz von Daten bezüglich der Bearbeitungsbedingung jedes Werkzeugs, das beim Bearbeiten in der Fertigungsmaschine 70 verwendet wird, der auf diese Weise erhalten wird, wird geeignet als die Bearbeitungsbedingungsdaten S1 verwendet.
Unter den Zustandsvariablen S, die von der Zustandsbeobachtungseinheit 106 beobachtet werden, können die Zykluszeitdaten S2 als die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 erhalten werden. Die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 kann als die Zykluszeitdaten S2 verwendet werden, und eine Differenz (Zuteilung) zwischen der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 und der längsten Zykluszeit (im Folgenden als die längste Zykluszeit bezeichnet) unter den Zykluszeiten einer Vielzahl der Fertigungsmaschinen, die die Fertigungsstraße ergeben, kann ebenfalls verwendet werden. Des Weiteren kann der Matrixwert der Zykluszeit jedes verwendeten Werkzeugs zu den Zykluszeitdaten S2 hinzugefügt werden.
Die Bearbeitungsbedingungsdaten S1 und die Zykluszeitdaten S2 können online von den einzelnen Fertigungsmaschinen 70, die die Fertigungsstraße bilden, erhalten werden. Zusätzlich können die Bearbeitungsbedingungsdaten S1 und die Zykluszeitdaten S2 auch von dem Bearbeitungsprogramm, das bei zuvor durchgeführtem Bearbeiten verwendet wurde, erhalten werden. Im Fall des Letzteren ist es nicht möglich, die Eignung des Leistungsverbrauchs und der Zykluszeit in Echtzeit zu bestimmen, aber es ist es möglich, das Lernen unter Verwendung von zum Beispiel einer bekannten Simulationsvorrichtung in Kombination fortzuschreiten und geschätzte Werte des Leistungsverbrauchs und der Zykluszeit von dem Ergebnis der Simulation zu erhalten.
Es ist möglich, ein Ergebnis, das durch Anwenden der Anpassung der Bearbeitungsbedingung jedes Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, die in der direkt vorhergehenden Lernperiode von der Maschinenlernvorrichtung 100 basierend auf dem Lernergebnis der Lerneinheit 110 bestimmt wurde, an die Bearbeitungsbedingung jedes Werkzeugs, das in der Fertigungsmaschine 70 verwendet wird, während der direkt vorhergehenden Lernperiode erhalten wird, als die Bearbeitungsbedingungsdaten S1 zu verwenden. In dem Fall, dass ein solches Verfahren verwendet wird, kann die Maschinenlernvorrichtung 100 das Ergebnis der Anpassung der Bearbeitungsbeindung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, temporär zu den Bearbeitungsbedingungsdaten S1 in dem RAM 103 für jede Lernperiode speichern, und die Zustandsbeobachtungseinheit 106 kann von dem RAM 103 einen Wert, der durch Anwenden der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, die von der Maschinenlernvorrichtung 100 bestimmt wird, an die Bearbeitungsbedingungsdaten S1 in der direkt vorhergehenden Lernperiode als die Bearbeitungsbedingungsdaten S1 in der aktuellen Lernperiode erhalten wird, erfassen.
Die Bestimmungsdatenerfassungseinheit 108 kann elektrische Leistung, die bei der Bearbeitungsoperation durch die Fertigungsmaschine 70 verbraucht wird, in dem Fall, dass die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, durchgeführt wird, als die Leistungsverbrauchdaten D1 verwenden. Der Wert elektrischer Leistung, die bei einer Bearbeitung durch die Fertigungsmaschine 70 verbraucht wird, der basierend auf dem Messwert, der von der Leistungsmessvorrichtung oder der Strommessvorrichtung, die an der Fertigungsmaschine 70 befestigt ist, erfasst wird, berechnet wird, kann auch als die Leistungsverbrauchdaten D1, die von der Bestimmungsdatenerfassungseinheit 108 verwendet werden, verwendet werden. Die Leistungsverbrauchdaten D1 können als ein Index, der die Reduktionsmenge des Leistungsverbrauchs hinsichtlich zum Beispiel eines vorbestimmten Sollleistungsverbrauchwerts angibt, verwendet werden. Alternativ dazu können die Leistungsverbrauchdaten D1 auch als ein Index, der die Reduktionsmenge des Leistungsverbrauchs während Bearbeitung, die in der aktuellen Lernperiode durchgeführt wird, hinsichtlich Leistungsverbrauch während Bearbeitung, die in der direkt vorhergehenden Lernperiode durchgeführt wird, angibt, verwendet werden.
Zusätzlich kann die Bestimmungsdatenerfassungseinheit 108 die Zykluszeit der Bearbeitungsoperation durch die Fertigungsmaschine 70, in dem Fall, dass die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, durchgeführt wird, als die Zykluszeitbestimmungsdaten D2 verwenden. Eine Zeit, die für eine Bearbeitung verwendet wird und in der Fertigungsmaschine 70 gemessen wird, kann von der Bestimmungsdatenerfassungseinheit 108 als die Zykluszeitbestimmungsdaten D2 verwendet werden. Die Zykluszeitbestimmungsdaten D2 können als ein Index, der Nähe zu der längsten Zykluszeit (längste Zykluszeit) unter Zykluszeiten, die jeweils für eine Bearbeitung verwendet werden und bei der ersten Bearbeitung in jeder einer Vielzahl an Fertigungsmaschinen 70, die mit der Fertigungsstraße verbunden sind, gemessen werden (Zykluszeiten der einzelnen Fertigungsmaschinen 70), angibt, verwendet werden.
Wenn die Zustandsvariablen S, die gleichzeitig in die Lerneinheit 110 eingegeben werden, auf Basis der Lernperiode der Lerneinheit 110 betrachtet werden, basieren die Zustandsvariablen S auf Daten in einer direkt vorhergehenden Lernperiode, in der die Bestimmungsdaten D erfasst werden. Somit werden, während die Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 mit dem Lernen, dem Anpassen der Bearbeitungsbedingungsdaten S1 und der Zykluszeitdaten S2 fortschreitet, die Ausführung der Anpassung der Bearbeitungsbedingung der Fertigungsmaschine 70 basierend auf den Bearbeitungsbedingungsdaten S1 und den Zykluszeitdaten S2 und die Erfassung der Bestimmungsdaten D wiederholt in der Umgebung durchgeführt.
Die Lerneinheit 110 lernt die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 gemäß eines beliebigen Lernalgorithmus, was gesamt als Maschinenlernen bezeichnet wird. Die Lerneinheit 110 kann das Lernen basierend auf dem Datensatz, der die Zustandsvariablen S und die Bewertungsdaten D, die oben beschriebene sind, aufweist, wiederholt ausführen. Während der Wiederholung eines Lernzyklus der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70, werden unter den Zustandsvariablen S die Bearbeitungsbedingungsdaten S1 von der Bearbeitungsbedingung jedes Werkzeugs, das der Anpassung der Bearbeitungsbedingung in der direkt vorhergehenden Lernperiode wie beschrieben ausgesetzt wird, erfasst, die Zykluszeitdaten S2 werden mittels Messens der Zeit der Bearbeitung, die unter der angepassten Bearbeitungsbedingung durchgeführt wird, erfasst, und das Ergebnis einer Eignungsbestimmung einer Bearbeitung, die basierend auf der angepassten Bearbeitungsbedingung durchgeführt wird, wird als die Bestimmungsdaten D verwendet.
Durch das Wiederholen des Lernzyklus wie oben beschrieben kann die Lerneinheit 110 automatisch Merkmale erkennen, die eine Korrelation zwischen der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70, und der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an den Zustand andeuten. Die Korrelation zwischen der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70, und der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, ist im Wesentlichen zu Beginn des Lernalgorithmus bekannt, doch die Lerneinheit 110 erkennt die Merkmale schrittweise und interpretiert die Korrelation, während die Lerneinheit 110 das Lernen fortschreitet. Wenn die Korrelation zwischen der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70, und der Anpassung der Bearbeitungsbedingung jedes Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, zu einem solchen Maß interpretiert wird, dass ein bestimmtes Niveau an Verlässlichkeit erzielt ist, kann das Lernergebnis, das wiederholt von der Lerneinheit 110 ausgegeben wird, zum Durchführen einer Auswahl einer Aktion (zum Beispiel Entscheidungsfindung) bezüglich dessen, wie die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an den aktuellen Zustand (zum Beispiel die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70) stattfinden soll, verwendet werden. Das heißt, die Lerneinheit 110 kann beim Fortschreiten des Lernalgorithmus veranlassen, dass sich die Korrelation zwischen der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70, und der Aktion bezüglich des Einstellens von Werten bei der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an den Zustand schrittweise der optimalen Lösung nähert.
Die Anpassungsbefehlausgabeeinheit 122 bestimmt die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, basierend auf dem Ergebnis des Lernens der Lerneinheit 110 und gibt den Inhalt der bestimmten Anpassung an die Bearbeitungsbedingungsanpassungseinheit 34 als einen Befehl aus. Wenn die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, in die Maschinenlernvorrichtung 100 eingegeben wird, in einem Zustand, in dem das Lernen von der Lerneinheit 110 abgeschlossen ist, gibt die Anpassungsbefehlausgabeeinheit 122 den Anpassungsbefehl der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, aus.
Wie oben beschrieben, lernt die Lerneinheit 110 in der Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, gemäß dem Maschinenlernalgorithmus unter Verwendung der Zustandsvariablen S, die von der Zustandsbeobachtungseinheit 106 beobachtet werden, und der Bestimmungsdaten D, die von der Bestimmungsdatenerfassungseinheit 108 erfasst werden. Die Zustandsvariablen S weisen Datenstücke, wie zum Beispiel die Bearbeitungsbedingungsdaten S1 und die Zykluszeitdaten S2, auf und die Bestimmungsdaten D werden eindeutig durch Analysieren von Informationen, die durch die Fertigungsmaschine 70 erfasst werden, durch die Bearbeitungsbedingungsanpassungsvorrichtung 1 bestimmt. Demnach wird es gemäß der Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 durch Verwenden des Lernergebnisses der Lerneinheit 110 möglich, die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, die der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 entspricht, automatisch und genau durchzuführen.
Falls die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, automatisch durchgeführt werden kann, ist es möglich, den richtigen Wert der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, nur durch Erfassen der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, (Bearbeitungsbedingungsdaten S1) und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 (Zykluszeitdaten S2) schnell zu bestimmen. Demnach ist es möglich, die Bestimmung der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, effizient durchzuführen.
Als eine Modifikation der Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 kann die Zustandsbeobachtungseinheit 106 ferner Bearbeitungsmengendaten S3, die eine Bearbeitungsmenge jedes Werkzeugs bei einer Bearbeitung durch die Fertigungsmaschine 70, angeben, als die Zustandsvariable S beobachten. Ein Wert, der durch Berechnen der Schnittvorschubgeschwindigkeit für jedes Werkzeug basierend auf zum Beispiel des Analyseergebnisses des Bearbeitungsprogramms erhalten wird, kann als die Bearbeitungsmengendaten S3 verwendet werden.
Gemäß der obigen Modifikation wird es für die Maschinenlernvorrichtung 100 möglich, die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, (Bearbeitungsbedingungsdaten S1), die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 (Zykluszeitdaten S2) und die Bearbeitungsmenge jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, (Bearbeitungsmengendaten S3) zu bestimmen und zu gestatten, dass die Anpassung der Bearbeitungsbedingung höhere Genauigkeit aufweist.
Als eine weitere Modifikation der Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 kann die Zustandsbeobachtungseinheit 106 ferner Beschleunigungs/Entschleunigungsdaten S4, die die Anzahl an Malen der Beschleunigung und Entschleunigung jedes Werkzeugs bei einer Bearbeitung durch die Fertigungsmaschine 70 angeben, als die Zustandsvariable S beobachten. Eine Summe, die durch Multiplizieren der Anzahl an Malen der Schnittvorschubgeschwindigkeit mit 2 (Beschleunigung und Entschleunigung) für jedes Werkzeug basierend auf dem Analyseergebnis des Bearbeitungsprogramms erhalten wird, kann als die Beschleunigungs/Entschleunigungsdaten S4 verwendet werden.
Gemäß der obigen Modifikation wird es für die Maschinenlernvorrichtung 100 möglich, die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an die andere Zustandsvariablen S und die Beschleunigung/Entschleunigung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, (Beschleunigungs/Entschleunigungsdaten S4) zu bestimmen und zu gestatten, dass die Anpassung der Bearbeitungsbedingung höhere Genauigkeit aufweist.
Bei der Maschinenlernvorrichtung 100 mit der obigen Konfiguration ist der Lernalgorithmus, der von der Lerneinheit 110 ausgeführt wird, nicht besonders beschränkt, und es ist möglich, einen bekannten Lernalgorithmus als das Maschinenlernen zu verwenden. 4 zeigt einen Modus der Bearbeitungsbedingungsanpassungsvorrichtung 1, die in 2 gezeigt ist, und zeigt eine Konfiguration, die die Lerneinheit 110, die verstärkendes Lernen als ein Beispiel für einen Lernalgorithmus ausführt, aufweist. Verstärkendes Lernen ist ein Verfahren, das einen Zyklus wiederholt, bei dem ein aktueller Zustand einer Umgebung, der ein Lernziel (zum Beispiel eine Eingabe) aufweist, beobachtet wird, eine vorbestimmte Aktion (zum Beispiel eine Ausgabe) in dem aktuellen Zustand ausgeführt wird, und eine Belohnung für die Aktion mittels eines Versuch-und-Irrtum-Verfahrens bereitgestellt wird, um eine Regel zu lernen, die die Gesamtmenge der Belohnung (die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, in der Maschinenlernvorrichtung der vorliegenden Anwendung) als die optimale Lösung minimiert.
Bei der Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1, die in 4 gezeigt ist, weist die Lerneinheit 110 eine Belohnungsberechnungseinheit 112, die eine Belohnung R bezüglich des Ergebnisses der Eignungsbestimmung einer Bearbeitung durch die Fertigungsmaschine 70 (entspricht den Bestimmungsdaten D, die in der Lernperiode direkt nachfolgenden der Lernperiode, bei der die Zustandsvariablen S erfasst werden, verwendet werden) bestimmt, in dem Fall, dass die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, basierend auf den Zustandsvariablen S durchgeführt wird, und eine Wertfunktionsaktualisierungseinheit 114, die eine Funktion Q, die den Wert der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, darstellt, unter Verwendung der Belohnung R aktualisiert, auf. Die Lerneinheit 110 lernt die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 durch Veranlassen, dass die Wertfunktionsaktualisierungseinheit 114 die Aktualisierung der Funktion Q wiederholt.
Es wird eine Beschreibung eines Beispiels des Algorithmus des verstärkenden Lernens, das von der Lerneinheit 110 ausgeführt wird, bereitgestellt. Der Algorithmus in diesem Beispiel ist als Q-Lernen bekannt und ist ein Verfahren zum Lernen der Funktion Q (s, a), die den Wert der Aktion in dem Fall, bei dem eine Aktion a in einem Zustand s ausgewählt wird, wobei der Zustand s eines Mittels und die Aktion a, die von einem Mittel in dem Zustand s ausgewählt werden kann, als unabhängige Variablen verwendet werden, darstellt. Auswahl der Aktion a, bei der die Wertfunktion Q das Maximum im Zustand s wird, ist die optimale Lösung. Q-Lernen beginnt in einem Zustand, bei dem eine Korrelation zwischen dem Zustand s und der Aktion a nicht bekannt ist, die Wertfunktion Q wird wiederholt aktualisiert, indem ein Versuch-und-Irrtum-Prozess, bei dem verschiedene Aktionen a in einem beliebigen Zustand s ausgewählt werden, wiederholt wird, und die Wertfunktion Q veranlasst wird, sich der optimalen Lösung zu nähern. Hier ist es möglich, zu veranlassen, dass sich die Funktion Q der optimalen Lösung in einer relativ kurzen Zeitperiode nähert, indem eine Konfiguration angenommen wird, bei der, wenn sich die Umgebung (zum Beispiel der Zustand s) als Ergebnis des Auswählens der Aktion a in dem Zustand s verändert, die Belohnung r entsprechend der Veränderung (zum Beispiel Gewichten der Aktion a) erhalten wird, und Leiten des Lernens derart, dass die Aktion a, die das Erhalten der höheren Belohnung r gestattet, wird ausgewählt.
Im Allgemeinen kann die Aktualisierungsgleichung der Wertfunktion Q durch die folgende Gleichung (1) dargestellt werden. In der Gleichung (1) stellen s_t und a_t den Zustand und die Aktion zu einem Zeitpunkt t dar, und der Zustand wird von der Aktion a_t zu s_t+1 geändert. r_t+1 ist die Belohnung, das von der Veränderung des Zustands von s_t zu s_t+1 erhalten wird. Der Ausdruck maxQ bezeichnet Q, wenn die Aktion a, mit der die Wertfunktion Q das Maximum wird (wobei angenommen wird, dass die Wertfunktion Q zum Zeitpunkt t zum Maximum wird), zu einem Zeitpunkt t+1 stattfindet, α und γ stellen einen Lernfaktor und eine Nachlassrate dar und sind derart willkürlich gewählt, dass sie 0 < α ≤ 1 und 0 < γ ≤ 1 erfüllen. $Q (s_{t}, a_{t}) \leftarrow Q (s_{t}, a_{t}) + α (r_{t + 1} + γ max_{a} Q (s_{t + 1}, a) - Q (s_{t}, a_{t}))$
In dem Fall, bei dem die Lerneinheit 110 Q-Lernen ausführt, entsprechen die Zustandsvariablen S, die von der Zustandsbeobachtungseinheit 106 beobachtet werden, und die Bestimmungsdaten D, die von der Bestimmungsdatenerfassungseinheit 108 erfasst werden, dem Zustand s in der Aktualisierungsgleichung, die Aktion bezüglich dessen, wie die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an den aktuellen Zustand (zum Beispiel die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70) bestimmt wird, entspricht der Aktion a in der Aktualisierungsfunktion und die Belohnung R, das von der Belohnungsberechnungseinheit 112 bestimmt wird, entspricht der Belohnung r in der Aktualisierungsgleichung. Deshalb aktualisiert die Wertfunktionsaktualisierungseinheit 114 wiederholt die Funktion Q, die den Wert der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an den aktuellen Zustand darstellt, mittels Q-Lernens, das die Belohnung R verwendet.
Die Belohnung R, das von der Belohnungsberechnungseinheit 112 bestimmt wird, kann eine positive (Plus-) Belohnung R sein, zum Beispiel in dem Fall, bei dem das Ergebnis der Eignungsbestimmung einer Bearbeitung durch die Fertigungsmaschine 70 „geeignet“ angibt, wenn die Anpassung der Bearbeitungsbedingung der Fertigungsmaschine 70 basierend auf der Anpassung der Bearbeitungsbedingung, die nach der Bestimmung der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, bestimmt wird, gemacht wird (zum Beispiel in dem Fall, bei dem Leistungsverbrauch bei einer Bearbeitung durch die Fertigungsmaschine 70 niedriger als der vorbestimmte Sollleistungsverbrauch wird, in dem Fall, bei dem der Leistungsverbrauch bei einer Bearbeitung durch die Fertigungsmaschine 70 niedriger als der Leistungsverbrauch bei einer Bearbeitung durch die Fertigungsmaschine 70 basierend auf der Bearbeitungsbedingung vor der Anpassung wird, oder in dem Fall, bei dem sich die Zykluszeit bei einer Bearbeitung durch die Fertigungsmaschine 70 der längsten Zykluszeit nähert). Auf der anderen Seite kann die Belohnung R, das von der Belohnungsberechnungseinheit 112 bestimmt wird, eine negative (Minus-) Belohnung R sein, in dem Fall, bei dem das Ergebnis der Eignungsbestimmung des Betriebszustands der Fertigungsmaschine 70 „nicht geeignet“ angibt, wenn die Anpassung der Bearbeitungsbedingung der Fertigungsmaschine 70 basierend auf der Anpassung der Bearbeitungsbedingung, die nach der Bestimmung der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, bestimmt wird, gemacht wird (zum Beispiel in dem Fall, bei dem Leistungsverbrauch bei einer Bearbeitung durch die Fertigungsmaschine 70 den vorbestimmten Sollleistungsverbrauch übersteigt, in dem Fall, bei dem der Leistungsverbrauch bei einer Bearbeitung durch die Fertigungsmaschine 70 den Leistungsverbrauch bei einer Bearbeitung durch die Fertigungsmaschine 70 basierend auf der Bearbeitungsbedingung vor der Anpassung übersteigt, oder in dem Fall, bei dem sich die Zykluszeit bei einer Bearbeitung durch die Fertigungsmaschine 70 von der längsten Zykluszeit entfernt). Die absoluten Werte der positiven und negativen Belohnung R können gleich sein oder sich voneinander unterscheiden. Zusätzlich kann die Bestimmung auch unter Verwendung der Bestimmungsbedingung, bei der eine Vielzahl an Werten, die in den Bestimmungsdaten D enthalten sind, kombiniert sind, durchgeführt werden.
Des Weiteren kann das Ergebnis der Eignungsbestimmung einer Bearbeitung durch die Fertigungsmaschine 70 von einer Vielzahl an Levels statt nur zwei Levels von „geeignet“ und „nicht geeignet“ dargestellt werden. Zum Beispiel ist es, in dem Fall, dass Sollleistungsverbrauch bei einer Bearbeitung durch die Fertigungsmaschine 70 P_max ist, möglich, eine Konfiguration anzunehmen, bei der die Belohnung R = 5 bereitgestellt wird, wenn Leistungsverbrauch P bei einer Bearbeitung durch die Fertigungsmaschine 70 0 ≤ P < P_max/5 erfüllt, die Belohnung R = 3 bereitgestellt wird, wenn der Leistungsverbrauch P P_max/5 ≤ P < P_max/2 erfüllt, die Belohnung R = 2 bereitgestellt wird, wenn der Leistungsverbrauch P P_max/2 ≤ P < P_max erfüllt, und die Belohnung R = 1 bereitgestellt wird, wenn der Leistungsverbrauch P P_max ≤ P erfüllt. Zusätzlich kann das Bereitstellen der Belohnung geeigneter Weise gemäß dem Zweck des Lernens angepasst werden. Zum Beispiel kann eine große Minus- Belohnung bereitgestellt werden, wenn die Zykluszeit bei einer Bearbeitung durch die Fertigungsmaschine 70 die längste Zykluszeit überschreitet. Des Weiteren ist es auch möglich, P_max auf einen relativ großen Wert in der Anfangsstufe des Lernens einzustellen und P_max bei Fortschreiten des Lernens zu reduzieren.
Die Wertfunktionsaktualisierungseinheit 114 kann mit einer Aktionswerttabelle versehen sein, in der die Zustandsvariablen S, die Bestimmungsdaten D und die Belohnung R einem Aktionswert, der durch die Funktion Q (zum Beispiel einen numerischen Wert) dargestellt wird, zugeordnet werden. In diesem Fall ist Aktualisieren der Funktion Q durch die Wertfunktionsaktualisierungseinheit 114 dem Aktualisieren der Aktionswerttabelle durch die Wertfunktionsaktualisierungseinheit 114 äquivalent. Zu Beginn des Q-Lernens ist die Korrelation zwischen dem aktuellen Zustand der Umgebung und der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, bekannt, und somit sind verschiedene Zustandsvariablen S, Stücke der Bestimmungsdaten D und Belohnungen R in der Aktionswerttabelle vorbereitet, um den Werten der Aktionswerte (Funktionen Q), die willkürlich bestimmt werden, zugeordnet zu werden. Es ist anzumerken, dass die Belohnungsberechnungseinheit 112, wenn die Bestimmungsdaten D gefunden werden, die Belohnung R sofort entsprechend der Bestimmungsdaten D berechnen kann, und die berechnete Belohnung R wird in die Aktionswerttabelle geschrieben.
Wenn Q-Lernen unter Verwendung der Belohnung 2 entsprechend dem Ergebnis der Eignungsbestimmung des Betriebszustands der Fertigungsmaschine 70 fortschreitet, wird das Lernen Richtung der Auswahl der Aktion, die Erhalten der höheren Belohnung R gestattet, geleitet, der Wert des Aktionswerts (Funktion Q) der Aktion, die in dem aktuellen Zustand getätigt wird, wird gemäß dem Zustand der Umgebung (das heißt die Zustandsvariablen S und die Bestimmungsdaten D), was sich als Ergebnis des Ausführens der ausgewählten Aktion in dem aktuellen Zustand ändert, neu geschrieben und die Aktionswerttabelle wird damit aktualisiert. Durch Wiederholen der Aktualisierung wird der Wert des Aktionswerts (Funktion Q), der in der Aktionswerttabelle angezeigt wird, derart neu geschrieben, dass eine geeignetere Aktion (in dem Fall der vorliegenden Erfindung, eine Aktion, die den Leistungsverbrauch reduziert, nachdem die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70 veranlasst wird, sich ferner der längsten Zykluszeit zu nähern) einen größeren Wert hat. Somit wird die unbekannte Korrelation zwischen dem aktuellen Zustand der Umgebung (der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70) und der Aktion an dem aktuellen Zustand (die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird) schrittweise aufgedeckt. Das heißt, die Korrelation zwischen der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und der Zykluszeit einer Bearbeitung durch die Fertigungsmaschine 70, und der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, wird durch das Aktualisieren der Aktionswerttabelle veranlasst, sich schrittweise der optimalen Lösung zu nähern.
Der oben beschriebene Vorgang des Q-Lernens (das heißt ein Modus des Maschinenlernverfahrens), der von der Lerneinheit 110 ausgeführt wird, wird ferner mit Bezug auf 5 beschrieben. Zuerst, in Schritt SA01, wählt die Wertfunktionsaktualisierungseinheit 114 willkürlich die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, als die Aktion, die in dem aktuellen Zustand, der von den Zustandsvariablen S, die von der Zustandsbeobachtungseinheit 106 beobachtet werden, angegeben wird, getätigt wird, in Referenz auf die aktuelle Aktionswerttabelle aus. Als nächstes erfasst die Wertfunktionsaktualisierungseinheit 114 die Zustandsvariablen S in dem aktuellen Zustand, der von der Zustandsbeobachtungseinheit 106 in Schritt SA02 beobachtet wird, und erfasst die Bestimmungsdaten D in dem aktuellen Zustand, die von der Bestimmungsdatenerfassungseinheit 108 in Schritt SA03 erfasst werden. Nachfolgend bestimmt die Wertfunktionsaktualisierungseinheit 114, ob die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, basierend auf den Bestimmungsdaten D aus Schritt SA04 geeignet ist oder nicht. In dem Fall, dass die Wertfunktionsaktualisierungseinheit 114 bestimmt, dass die Anpassung der Bearbeitungsbedingung geeignet ist, wendet die Wertfunktionsaktualisierungseinheit 114 die positive Belohnung R, das von der Belohnungsberechnungseinheit 112 bestimmt wird, and die Aktualisierungsgleichung der Funktion Q in Schritt SA05 an, und aktualisiert dann die Aktionswerttabelle unter Verwendung der Zustandsvariablen S und der Bestimmungsdaten D in dem aktuellen Zustand, und des Werts des Aktionswerts (der Funktion Q nach der Aktualisierung) in Schritt SA06. In dem Fall, dass die Wertfunktionsaktualisierungseinheit 114 in Schritt SA04 bestimmt, dass die Anpassung der Bearbeitungsbedingung jedes Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, nicht geeignet ist, wendet die Wertfunktionsaktualisierungseinheit 114 die negative Belohnung R, das von der Belohnungsberechnungseinheit 112 bestimmt wird, and die Aktualisierungsgleichung der Funktion Q in Schritt SA07 an, und aktualisiert dann die Aktionswerttabelle unter Verwendung der Zustandsvariablen S und der Bestimmungsdaten D in dem aktuellen Zustand, der Belohnung R, und des Werts des Aktionswerts (der Funktion Q nach der Aktualisierung) in Schritt SA06. Die Lerneinheit 110 aktualisiert die Aktionswerttabelle wiederholt durch Wiederholen der Schritte SA01 bis SA07 und schreitet das Lernen der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, fort. Es ist anzumerken, dass der Vorgang zum Bestimmen der Belohnung R und der Vorgang zum Aktualisieren der Wertfunktion in den Schritten SA04 bis SA07 auf jedem Datenstück, das in den Bestimmungsdaten D enthalten ist, ausgeführt werden.
Es ist möglich, zum Beispiel ein neuronales Netzwerk zu verwenden, wenn verstärkendes Lernen, wie oben beschrieben, fortschreitet. 6A zeigt schematisch ein Neuron-Modell. 6B zeigt schematisch das Modell des neuronalen Netzwerks, das drei Schichten aufweist, das durch kombinieren von Neuronen gebildet wird, wie in 6A gezeigt. Das neuronale Netzwerk kann zum Beispiel von einer Recheneinheit oder einer Speichereinheit, die das Neuron-Modell simulieren, gebildet werden.
Das Neuron, das in 6A gezeigt ist, gibt ein Ergebnis y, das einer Vielzahl an Eingaben x (hier sind Eingaben x₁ bis x₃ als ein Beispiel gezeigt) entspricht, aus. Die einzelnen Eingaben x₁ bis x₃ werden mit Gewichten w (w₁ bis w₃ ), die den Eingaben x entsprechen, multipliziert. Dies gestattet es dem Neuron, die Ausgabe y, die von der folgenden Gleichung (2) dargestellt wird, auszugeben. Es ist anzumerken, dass in Gleichung (2) alle der Eingaben x, der Ausgaben y und der Gewichte w Vektoren sind. Zusätzlich ist θ eine Verzerrung, und f_k ist eine Aktivierungsfunktion. $y = f_{k} (\sum_{i = 1}^{n} x_{i} w_{i} - θ)$
In dem neuronalen Netzwerk, das drei Schichten aufweist, wie in 6B gezeigt, wird eine Vielzahl an Eingaben x (hier sind Eingaben x1 bis x3 als ein Beispiel gezeigt) von der linken Seite eingegeben, und Ergebnisse y (hier sind Ergebnisse y1 bis y3 als ein Beispiel gezeigt) werden von der rechten Seite ausgegeben. Bei einem Beispiel, das in der Zeichnung gezeigt ist, werden die Eingaben x1, x2 und x3 mit entsprechenden Gewichten (gemeinsam durch w1 dargestellt) multipliziert und in jedes der drei Neuronen N11, N12 und N13 eingegeben.
In 6B werden die einzelnen Ausgaben der Neuronen N11 bis N13 gemeinsam durch z1 dargestellt. z1 kann als Merkmalsvektoren gesehen werden, die durch Extrahieren der Merkmalwerte der Eingabevektoren erhalten werden. Bei dem Beispiel, das in der Zeichnung gezeigt ist, werden die Merkmalsvektoren z1 mit entsprechenden Gewichten (gemeinsam durch w2 dargestellt) multipliziert und in jedes der zwei Neuronen N21 und N22 eingegeben. Die Merkmalvektoren z1 stellen Merkmale zwischen dem Gewicht w1 und dem Gewicht w2 dar.
In 6B werden die einzelnen Ausgaben der Neuronen N21 bis N22 gemeinsam durch z2 dargestellt. z2 kann als Merkmalvektoren gesehen werden, die durch Extrahieren der Merkmalwerte der Merkmalvektoren z1 erhalten werden. Bei dem Beispiel, das in der Zeichnung gezeigt ist, werden die Merkmalsvektoren z2 mit entsprechenden Gewichten (gemeinsam durch w3 dargestellt) multipliziert und in jedes der drei Neuronen N31, N32 und N33 eingegeben. Die Merkmalvektoren z2 stellen Merkmale zwischen dem Gewicht w2 und dem Gewicht w3 dar. Schließlich geben die Neuronen N31 bis N33 die Ergebnisse y1 bis y3 aus.
Es ist anzumerken, dass es auch möglich ist, das Verfahren des sogenannten tiefen Lernens, das das neuronale Netzwerk, das vier oder mehr Schichten aufweist, verwendet, zu verwenden.
Bei der Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 führt die Lerneinheit 110 Rechnen unter Verwendung einer mehrschichtigen Struktur, die auf dem neuronalen Netzwerk, das oben beschrieben ist, basiert, unter Verwendung der Zustandsvariablen S und der Bestimmungsdaten D als die Eingaben x durch und die Anpassung der Bearbeitungsbedingung jedes Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, (das Ergebnis y) kann damit ausgegeben werden. Zusätzlich führt in der Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 die Lerneinheit 110 Rechnen unter Verwendung der mehrschichtigen Struktur, die auf dem neuronalen Netzwerk, das oben beschrieben wird, basiert, unter Verwendung des neuronalen Netzwerks als die Wertfunktion beim Q-Lernen und Verwendung der Zustandsvariablen S und der Aktion a als die Eingaben x durch und der Wert der Aktion (das Ergebnis y) in dem Zustand kann ebenfalls damit ausgegeben werden. Es ist anzumerken, dass der Betriebsmodus des neuronalen Netzwerks einen Lernmodus und einen Wertvorhersagemodus aufweist, und es ist zum Beispiel möglich, das Gewicht w unter Verwendung des Lerndatensatzes in dem Lernmodus zu lernen und Wertbestimmung der Aktion unter Verwendung des gelernten Gewichts w in dem Wertvorhersagemodus durchzuführen. Es ist anzumerken, dass es in dem Wertvorhersagemodus auch möglich ist, Erkennung, Klassifizierung und Folgerung durchzuführen.
Die Konfiguration der Bearbeitungsbedingungsanpassungsvorrichtung 1, die oben beschrieben ist, kann als ein Maschinenlernverfahren (oder Software) beschrieben werden, dass von dem Prozessor 101 ausgeführt wird. Dieses Maschinenlernverfahren ist das Maschinenlernverfahren zum Lernen der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, und eine CPU eines Rechners weist den Schritt des Beobachtens der Bearbeitungsbedingungsdaten S1 als die Zustandsvariable S, die den aktuellen Zustand der Umgebung, in der das Bearbeiten durch die Fertigungsmaschine 70 durchgeführt wird, darstellt, den Schritt des Erfassens der Bestimmungsdaten D, die das Ergebnis der Eignungsbestimmung einer Bearbeitung durch die Fertigungsmaschine 70 basierend auf einem bestimmten Betriebsparameter angeben, und den Schritt des Durchführens von Lernen durch Zuordnen der Bearbeitungsbedingungsdaten S1 zu der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, unter Verwendung der Zustandsvariable S und der Bestimmungsdaten D auf.
7 zeigt ein System 170 gemäß einem Modus, das die Bearbeitungsbedingungsanpassungsvorrichtung 1 aufweist. Das System 170 weist mindestens eine Bearbeitungsbedingungsanpassungsvorrichtung 1, die als Teil eines Rechners, wie zum Beispiel eines Zell-Computers, eines Host-Computers oder eines Cloud-Servers, montiert ist, eine Vielzahl an Fertigungsmaschinen 70, die als Testziele dienen, und das drahtgebundene/drahtlose Netzwerk 172, das die Bearbeitungsbedingungsanpassungsvorrichtung 1 und die Fertigungsmaschinen 70 verbindet, auf.
Bei dem System 170 mit der obigen Konfiguration kann die Bearbeitungsbedingungsanpassungsvorrichtung 1, die die Maschinenlernvorrichtung 100 aufweist, die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, an die Bearbeitungsbedingung jedes verwendeten Werkzeugs, von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, für jede Fertigungsmaschine 70 automatisch und genau unter Verwendung des Lernergebnisses der Lerneinheit 110 bestimmen. Zusätzlich ist es möglich, eine Konfiguration, bei der die Maschinenlernvorrichtung 100 der Bearbeitungsbedingungsanpassungsvorrichtung 1 die Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, die allen der Fertigungsmaschinen 70 gemeinsam ist, basierend auf den Zustandsvariablen S und den Bestimmungsdaten D, die für jede der Vielzahl an Fertigungsmaschinen 70 erhalten werden, lernt und das Lernergebnis bei Bearbeitungsprozessen von allen der Fertigungsmaschinen 70 geteilt wird, anzunehmen. Folglich ist es gemäß dem System 170 möglich, die Geschwindigkeit und Verlässlichkeit des Lernens der Anpassung der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine 70 beim Bearbeiten verwendet wird, unter Verwendung verschiedenartigerer Datensätze (darunter die Zustandsvariablen S und die Bestimmungsdaten D) als die Eingabe zu verbessern.
Auch wenn die Ausführungsform der vorliegenden Erfindung in dem Maße beschrieben wurde, ist die vorliegende Erfindung nicht auf das Beispiel der oben beschriebenen Ausführungsformen beschränkt und kann durch geeignete Änderungen daran auf verschiedene Weisen umgesetzt werden.
Zum Beispiel sind der Lernalgorithmus und der Rechenalgorithmus, die von der Maschinenlernvorrichtung 100 ausgeführt werden, und der Steueralgorithmus, der von der Bearbeitungsbedingungsanpassungsvorrichtung 1 ausgeführt wird, nicht auf die oben beschriebenen beschränkt, und es ist möglich, verschiedene Algorithmen zu verwenden.
Zusätzlich sind in der Ausführungsform, die oben beschrieben ist, die Bearbeitungsbedingungsanpassungsvorrichtung 1 und die Maschinenlernvorrichtung 100 als die Vorrichtungen, die unterschiedliche CPUs aufweisen, beschrieben, aber die Maschinenlernvorrichtung 100 kann auch von der CPU 11 der Bearbeitungsbedingungsanpassungsvorrichtung 1 und dem Systemprogramm, das in dem ROM 12 gespeichert ist, implementiert werden.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

JP 4643725 [0005]

Claims

Bearbeitungsbedingungsanpassungsvorrichtung zum Anpassen einer Bearbeitungsbedingung jeder einer Vielzahl an Fertigungsmaschinen, die eine Fertigungsstraße bilden, wobei die Bearbeitungsbedingungsanpassungsvorrichtung Folgendes aufweist: eine Maschinenlernvorrichtung, die eine Anpassung der Bearbeitungsbedingung der Fertigungsmaschine lernt, wobei die Maschinenlernvorrichtung Folgendes aufweist: eine Zustandsbeobachtungseinheit, die jeweils Bearbeitungsbedingungsdaten, die eine Bearbeitungsbedingung jedes verwendeten Werkzeugs, das durch die Fertigungsmaschine beim Bearbeiten verwendet wird, angeben, und Zykluszeitdaten bezüglich einer Zykluszeit einer Bearbeitung durch die Fertigungsmaschine als eine Zustandsvariable, die einen aktuellen Zustand der Umgebung angibt, beobachtet, eine Bestimmungsdatenerfassungseinheit, die Bestimmungsdaten, die ein Ergebnis einer Eignungsbestimmung einer Bearbeitung durch die Fertigungsmaschine, in einem Fall, dass die Anpassung der Bearbeitungsbedingung durchgeführt wird, angeben, erfasst, und eine Lerneinheit, die Lernen durch Zuordnen der Bearbeitungsbedingungsdaten und der Zykluszeitdaten zu der Anpassung der Bearbeitungsbedingung unter Verwendung der Zustandsvariable und der Bestimmungsdaten durchführt.
Bearbeitungsbedingungsanpassungsvorrichtung nach Anspruch 1, wobei die Anpassung der Bearbeitungsbedingung Leistungsverbrauch reduziert, nachdem die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine veranlasst wird, sich einer längsten Zykluszeit unter den Zykluszeiten einer Bearbeitung durch die Vielzahl an Fertigungsmaschinen zu nähern.
Bearbeitungsbedingungsanpassungsvorrichtung nach Anspruch 1 oder 2, wobei die Zustandsbeobachtungseinheit ferner Bearbeitungsmengendaten, die eine Bearbeitungsmenge jedes Werkzeugs bei einer Bearbeitung durch die Fertigungsmaschine angeben, als die Zustandsvariable beobachtet.
Bearbeitungsbedingungsanpassungsvorrichtung nach einem der Ansprüche 1 bis 3, wobei die Zustandsbeobachtungseinheit ferner Beschleunigungs/Entschleunigungsdaten, die die Anzahl von Malen von Beschleunigung und Entschleunigung jedes Werkzeugs bei einer Bearbeitung durch die Fertigungsmaschine angeben, als die Zustandsvariable beobachtet.
Bearbeitungsbedingungsanpassungsvorrichtung nach einem der Ansprüche 1 bis 4, wobei die Lerneinheit Folgendes aufweist: eine Belohnungsberechnungseinheit, die eine Belohnung bezüglich des Ergebnisses der Eignungsbestimmung berechnet, und eine Wertfunktionsaktualisierungseinheit, die eine Funktion, die einen Wert der Anpassung der Bearbeitungsbedingung darstellt, hinsichtlich der Bearbeitungsbedingungsdaten und der Zykluszeitdaten unter Verwendung der Belohnung aktualisiert, und die Belohnungsberechnungseinheit stellt eine hohe Belohnung bereit, in einem Fall, dass Leistungsverbrauch reduziert ist, nachdem die Zykluszeit einer Bearbeitung durch die Fertigungsmaschine veranlasst wird, sich einer längsten Zykluszeit unter den Zykluszeiten einer Bearbeitung durch die Vielzahl an Fertigungsmaschinen zu nähern.
Bearbeitungsbedingungsanpassungsvorrichtung nach einem der Ansprüche 1 bis 5, wobei die Lerneinheit Berechnung der Zustandsvariable und der Bewertungsdaten unter Verwendung einer mehrschichtigen Struktur durchführt.
Bearbeitungsbedingungsanpassungsvorrichtung zum Anpassen einer Bearbeitungsbedingung jeder einer Vielzahl an Fertigungsmaschinen, die eine Fertigungsstraße bilden, wobei die Bearbeitungsbedingungsanpassungsvorrichtung Folgendes aufweist: eine Maschinenlernvorrichtung, die eine Anpassung der Bearbeitungsbedingung der Fertigungsmaschine gelernt hat, wobei die Maschinenlernvorrichtung Folgendes aufweist: eine Zustandsbeobachtungseinheit, die jeweils die Bearbeitungsbedingungsdaten der Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine beim Bearbeiten verwendet wird, und Zykluszeitdaten bezüglich einer Zykluszeit einer Bearbeitung durch die Fertigungsmaschine als eine Zustandsvariable, die einen aktuellen Zustand der Umgebung angibt, beobachtet, eine Lerneinheit, die Lernen durch Zuordnen der Bearbeitungsbedingungsdaten und der Zykluszeitdaten zu der Anpassung der Bearbeitungsbedingung durchgeführt hat, und eine Anpassungsbefehlausgabeeinheit, die einen Anpassungsbefehl der Bearbeitungsbedingung basierend auf der Zustandsvariable, die von der Zustandsbeobachtungseinheit beobachtet wird, und einem Lernergebnis der Lerneinheit ausgibt.
Bearbeitungsbedingungsanpassungsvorrichtung nach einem der Ansprüche 1 bis 7, wobei die Maschinenlernvorrichtung in einem Cloud-Server vorgesehen ist.
Maschinenlernvorrichtung zum Lernen einer Anpassung einer Bearbeitungsbedingung jeder einer Vielzahl an Fertigungsmaschinen, die eine Fertigungsstraße bilden, wobei die Maschinenlernvorrichtung Folgendes aufweist: eine Zustandsbeobachtungseinheit, die jeweils die Bearbeitungsbedingungsdaten, die die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine beim Bearbeiten verwendet wird, angeben, und Zykluszeitdaten bezüglich einer Zykluszeit einer Bearbeitung durch die Fertigungsmaschine als eine Zustandsvariable, die einen aktuellen Zustand der Umgebung angibt, beobachtet; eine Bestimmungsdatenerfassungseinheit, die Bestimmungsdaten, die ein Ergebnis einer Eignungsbestimmung einer Bearbeitung durch die Fertigungsmaschine, in einem Fall, dass die Anpassung der Bearbeitungsbeindung durchgeführt wird, angeben, erfasst; und eine Lerneinheit, die Lernen durch Zuordnen der Bearbeitungsbedingungsdaten und der Zykluszeitdaten zu der Anpassung der Bearbeitungsbedingung unter Verwendung der Zustandsvariable und der Bestimmungsdaten durchführt.
Maschinenlernvorrichtung, die eine Anpassung einer Bearbeitungsbedingung jeder einer Vielzahl an Fertigungsmaschinen, die eine Fertigungsstraße bilden, gelernt hat, wobei die Maschinenlernvorrichtung Folgendes aufweist: eine Zustandsbeobachtungseinheit, die jeweils die Bearbeitungsbedingungsdaten, die die Bearbeitungsbedingung jedes verwendeten Werkzeugs, das von der Fertigungsmaschine beim Bearbeiten verwendet wird, angeben, und Zykluszeitdaten bezüglich einer Zykluszeit einer Bearbeitung durch die Fertigungsmaschine als eine Zustandsvariable, die einen aktuellen Zustand der Umgebung angibt, beobachtet; eine Lerneinheit, die Lernen durch Zuordnen der Bearbeitungsbedingungsdaten und der Zykluszeitdaten zu der Anpassung der Bearbeitungsbedingung durchgeführt hat; und eine Anpassungsbefehlausgabeeinheit, die einen Anpassungsbefehl der Bearbeitungsbedingung basierend auf der Zustandsvariable, die von der Zustandsbeobachtungseinheit beobachtet wird, und einem Lernergebnis der Lerneinheit ausgibt.