DE102019106939A1

DE102019106939A1 - Bearbeitungszustandsanpassungsvorrichtung und maschinenlernvorrichtung

Info

Publication number: DE102019106939A1
Application number: DE102019106939.4A
Authority: DE
Inventors: Takashi Izumi
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2018-03-26
Filing date: 2019-03-19
Publication date: 2019-09-26
Also published as: CN110355462A; JP6767416B2; CN110355462B; US20190291215A1; JP2019166559A

Abstract

Eine Maschinenlernvorrichtung einer Bearbeitungszustandsanpassungsvorrichtung beobachtet als Zustandsvariablen, die einen aktuellen Zustand einer Umgebung ausdrücken, Laserbearbeitungszustandsdaten in der Laserbearbeitung und Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases ausdrücken. Dann erfasst die Maschinenlernvorrichtung Bestimmungsdaten zur Bestimmung der Qualität eines Werkstücks, das auf Grundlage des Laserbearbeitungszustands bearbeitet wurde, und lernt die Zielabweichung des Druckverlusts oder Durchflusses des Hilfsgases und die Anpassung des Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander unter Verwendung der Bestimmungsdaten und der beobachteten Zustandsvariablen.

Description

[GEBIET DER ERFINDUNG]
Gebiet der Erfindung
Die vorliegende Erfindung bezieht sich auf eine Bearbeitungszustandsanpassungsvorrichtung und eine Maschinenlernvorrichtung.
Beschreibung des Stands der Technik
Komponenten (wie ein Bearbeitungskopf, eine Zufuhrfaser und eine Verarbeitungsfaser) eines externen optischen Systems, das eine Laserbearbeitungsvorrichtung konfiguriert, die eine Bearbeitung durchführt, wie etwa das Schneiden eines Werkstücks mit einem Laserstrahl, werden durch einen Werkzeugmaschinenbauer (MTB) (d. h. einen Werkzeugmaschinenhersteller) gewählt, der die Laserbearbeitungsvorrichtung herstellt. Daher muss zum Zeitpunkt der Durchführung der Bearbeitung durch die Laserbearbeitungsvorrichtung ein Laserbearbeitungszustand für jeden MTB eingestellt sein. Da jedoch die Operation der Bestimmung des Bearbeitungszustands zu einem großen Aufwand wird, ist es wahrscheinlich, dass der Bearbeitungszustand nicht ausreichend bestimmt wird und dass die Laserbearbeitungsvorrichtung unter einem nicht optimalen Bearbeitungszustand verschickt wird.
Ein Laserbearbeitungszustand zum Zeitpunkt der Durchführung der Bearbeitung durch eine Laserbearbeitungsvorrichtung ist wünschenswerterweise ein Zustand, unter dem es möglich ist, die Bearbeitung bei höher Geschwindigkeit durchzuführen, während die Bearbeitungsgenauigkeit oder Bearbeitungsqualität auf einer bestimmten Ebene bleibt. Als konventionelle Technologe, die mit der Bestimmung eines Bearbeitungszustands in der Laserbearbeitung wie oben beschrieben assoziiert ist, wird eine Technologie für die Bestimmung eines Laserbearbeitungszustands unter Verwendung einer Maschinenlernvorrichtung beispielsweise in der offengelegten japanischen Patentanmeldung Nr. 2017-164801 offenbart.
Um einen Laserbearbeitungszustand zu bewerten, ist es notwendig, die Bearbeitungsgenauigkeit, Bearbeitungsqualität, oder Bearbeitungsgeschwindigkeit für die Bearbeitung zu bewerten, die unter dem Bearbeitungszustand durchgeführt wird, und den Bewertungswert in eine Maschinenlernvorrichtung einzugeben. Allgemein kann die Bearbeitungsgeschwindigkeit automatisch erfasst als die Zeit erfasst werden, die notwendig ist, bis die Bearbeitung nach dem Start abgeschlossen ist Wie für die Bearbeitungsgenauigkeit oder Bearbeitungsqualität wie etwa der Oberfläche einer bearbeiteten Fläche ist jedoch eine Messvorrichtung oder dergleichen, die notwendig ist, um die Qualität zu bewerten, separat bereitzustellen, oder Informationen müssen manuell durch einen qualifizierten Bediener durch die visuelle Beobachtung und Bewertung der Qualität eingegeben werden. Aufgrund dessen wird die Bestimmung eines Bearbeitungszustands in der Laserbearbeitung teuer.
[KURZDARSTELLUNG DER ERFINDUNG]
Mit Blick auf das obige Problem verfolgt die vorliegende Erfindung den Zweck, eine Bearbeitungszustandsanpassungsvorrichtung und eine Maschinenlernvorrichtung bereitzustellen, die in der Lage sind, effizient den Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung anzupassen.
Die Bearbeitungszustandsanpassungsvorrichtung nach der vorliegenden Erfindung erkennt die Bearbeitungsqualität der Laserbearbeitung mit einem Druckverlust oder einem Durchfluss von Hilfsgas, das auf einen bearbeiteten Abschnitt eines Werkstücks gestrahlt wird. Auf dem bearbeiteten Abschnitt des Werkstücks wird eine Schnittfuge mit der vorgeschriebenen Breite durch Laserbearbeitung geformt. Wenn jedoch das Hilfsgas in dieser Weise auf den bearbeiteten Abschnitt gestrahlt wird, ändert sich der Druckverlust oder der Durchfluss des Hilfsgases mit der Breite einer Schnittfuge, Oberflächenqualität (Qualität der bearbeiteten Oberfläche) in der Schnittfuge, einem Schlackezustand oder dergleichen. Daher führt die Bearbeitungszustandsanpassungsvorrichtung nach der vorliegenden Erfindung eine Bearbeitung auf einem Werkstück mit einer Laserbearbeitungsvorrichtung durch, die für optimalen Vorschub angepasst ist und die Düse eng an dem Werkstück hält, das in einen optimalen Zustand bearbeitet wurde, wie in 7 dargestellt. Dann führt die Bearbeitungszustandsanpassungsvorrichtung die Bearbeitungsqualitätserkennungsoperation durch, die Düse stationär auf der bearbeiteten Schnittfuge zu platzieren, indem das Hilfsgas mit vorgegebenen Druck abgestrahlt wird, statt einen Laserstrahl auszugeben oder die Düse entlang der Schnittfuge zu bewegen und einen Druckverlust oder Durchfluss des Hilfsgases mit einem Sensor wie einem Druckmesser zu erkennen. Danach zeichnet die Bearbeitungszustandsanpassungsvorrichtung den Druckverlust oder Durchfluss des Hilfsgases auf, der auf Grundlage eines Wert berechnet wird, der durch die Bearbeitungsqualitätserkennungsoperation als ein Zielwert erkannt wird.
Dann, wenn die Anpassung des Laserbearbeitungszustands einer neuen Laserbearbeitungsvorrichtung ausgeführt wird, bearbeitet die Bearbeitungszustandsanpassungsvorrichtung vorläufig ein Werkstück, während der Laserbearbeitungszustand angepasst wird, und führt dieselbe Bearbeitungsqualitätserkennungsoperation auf einem vorläufig bearbeiteten Abschnitt des Werkstücks durch, um einen Laserbearbeitungszustand zu suchen, unter dem ein Druckverlust oder Durchfluss des Hilfsgases sich dem Zielwert annähert. Durch wiederholte Durchführung einer solchen Operation wird es möglich, effizient einen optimalen Laserbearbeitungszustand festzustellen, ohne separat eine Messvorrichtung oder dergleichen zum Erkennen einer Schnittfugenbreite, Oberflächenqualität (bearbeitete Oberflächenqualität) in einer Schnittfuge, einen Schlackezustand oder dergleichen in der neuen Laserbearbeitungsvorrichtung zu bestimmen.
Nach einem Aspekt der vorliegenden Erfindung passt eine Bearbeitungszustandsanpassungsvorrichtung einen Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung, die eine Laserbearbeitung eines Werkstücks durchführt, an. Die Bearbeitungszustandsanpassungsvorrichtung enthält eine Maschinenlernvorrichtung, die den Laserbearbeitungszustand in der Laserbearbeitung lernt. Die Maschinenlernvorrichtung weist einen Zustandsbeobachtungsabschnitt auf, der als Zustandsvariablen, die einen aktuellen Zustand einer Umgebung ausdrücken, Bearbeitungszustandsdaten beobachtet, die den Laserbearbeitungszustand in der Laserbearbeitung anzeigt, sowie Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigt, einen Bestimm ungsdatenerfassungsabschnitt, der Werkstückqualitätsbestimmungsdaten für die Bestimmung der Qualität des bearbeiteten Werkstücks auf Grundlage des Laserbearbeitungszustands in der Laserbearbeitung als Bestimmungsdaten erfasst, die ein Eigenschaftenbestimmungsergebnis der Bearbeitung des Werkstücks anzeigt, und einen Lernabschnitt, der die Zielabweichung des Druckverlusts oder Durchflusses des Hilfsgases lernt, sowie die Einstellung des Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander unter Verwendung der Zustandsvariablen und der Bestimmungsdaten.
Der Bestimmungsdatenerfassungsabschnitt kann als Bestimmungsdaten, die das Eigenschaftenbestimmungsergebnis der Bearbeitung des Werkstücks anzeigen, ferner Zykluszeitbestimmungsdaten für die Bestimmung der Zeit erfassen, die für die Bearbeitung des Werkstücks benötigt wird.
Der Lernabschnitt kann einen Belohnungsberechnungsabschnitt aufweisen, der eine Belohnung berechnet, die mit dem Eigenschaftenbestimmungsergebnis assoziiert ist, und einen Wertefunktionsupdateabschnitt, der unter Verwendung der Belohnung eine Funktion aktualisiert, die einen Wert einer Aktion der Anpassung des Laserbearbeitungszustands in der Laserbearbeitung bezüglich des Druckverlusts oder Durchflusses des Hilfsgases anzeigt. Der Belohnungsberechnungsabschnitt kann eine höhere Belohnung geben, wenn die Qualität des Werkstücks höher ist, und die Zeit, die für die Bearbeitung des Werkstücks benötigt wird, kürzer ist.
Der Lernabschnitt kann die Zustandsvariablen und die Bestimmungsdaten in einer Mehrlagenstruktur berechnen.
Nach einem anderen Aspekt der vorliegenden Erfindung passt eine Bearbeitungszustandsanpassungsvorrichtung einen Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung, die eine Laserbearbeitung eines Werkstücks durchführt, an. Die Bearbeitungszustandsanpassungsvorrichtung enthält eine Maschinenlernvorrichtung, die den Laserbearbeitungszustand in der Laserbearbeitung erfahren hat. Die Maschinenlernvorrichtung weist einen Zustandsbeobachtungsabschnitt auf, der als Zustandsvariablen, die den aktuellen Zustand einer Umgebung ausdrücken, Bearbeitungszustandsdaten beobachtet, die den Laserbearbeitungszustand in der Laserbearbeitung anzeigen, und Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigen, einen Lernabschnitt, der die Zielabweichung des Druckverlusts oder Durchflusses des Hilfsgases und die Anpassung des Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander erfahren hat, und einen Entscheidungsfindungsabschnitt, der die Anpassung des Laserbearbeitungszustands in der Laserbearbeitung auf Grundlage der Zustandsvariablen bestimmt, die durch den Zustandsbeobachtungsabschnitt beobachtet werden, sowie ein Lernergebnis des Lernabschnitts.
Die Maschinenlernvorrichtung kann sich auf einem Cloudserver befinden.
Nach einem anderen Aspekt der vorliegenden Erfindung lernt eine Maschinenlernvorrichtung einen Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung, die eine Laserbearbeitung auf einem Werkstück durchführt. Die Maschinenlernvorrichtung enthält einen Zustandsbeobachtungsabschnitt, der als Zustandsvariablen, die einen aktuellen Zustand einer Umgebung ausdrücken, Bearbeitungszustandsdaten beobachtet, die den Laserbearbeitungszustand in der Laserbearbeitung anzeigt, sowie Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigt, einen Bestimmungsdatenerfassungsabschnitt, der Werkstückqualitätsbestimmungsdaten für die Bestimmung der Qualität des bearbeiteten Werkstücks auf Grundlage des Laserbearbeitungszustands in der Laserbearbeitung als Bestimmungsdaten erfasst, die ein Eigenschaftenbestimmungsergebnis der Bearbeitung des Werkstücks anzeigt, und einen Lernabschnitt, der die Zielabweichung des Druckverlusts oder Durchflusses des Hilfsgases lernt, sowie die Einstellung des Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander unter Verwendung der Zustandsvariablen und der Bestimmungsdaten.
Nach einem anderen Aspekt der vorliegenden Erfindung hat eine Maschinenlernvorrichtung einen Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung, die eine Laserbearbeitung eines Werkstücks durchführt, gelernt. Die Maschinenlernvorrichtung enthält Zustandsbeobachtungsabschnitt, der als Zustandsvariablen, die den aktuellen Zustand einer Umgebung ausdrücken, Bearbeitungszustandsdaten beobachtet, die den Laserbearbeitungszustand in der Laserbearbeitung anzeigen, und Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigen, einen Lernabschnitt, der die Zielabweichung des Druckverlusts oder Durchflusses des Hilfsgases und die Anpassung des Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander erfahren hat, und einen Entscheidungsfindungsabschnitt, der die Anpassung des Laserbearbeitungszustands in der Laserbearbeitung auf Grundlage der Zustandsvariablen bestimmt, die durch den Zustandsbeobachtungsabschnitt beobachtet werden, sowie ein Lernergebnis des Lernabschnitts.
Nach der vorliegenden Erfindung ist es möglich, die Operation der Bestimmung eines Laserbearbeitungszustands in einer Laserbearbeitungsvorrichtung ohne hohe Kosten durchzuführen.
Figurenliste

1 ist ein schematisches Hardwarekonfigurationsdiagramm einer Bearbeitungszustandsanpassungsvorrichtung nach einer Ausführungsform;
2 ist ein schematisches Funktionsblockdiagramm der Bearbeitungszustandsanpassungsvorrichtung nach der Ausführungsform;
3 ist ein schematisches Funktionsblockdiagramm, das eine Ausführungsform der Bearbeitungszustandsanpassungsvorrichtung zeigt;
4 ist ein schematisches Ablaufdiagramm, das eine Ausführungsform eines Maschinenlernverfahrens zeigt;
5A ist ein Diagramm ist, das ein Neuron erklärt;
5B ist Diagramm ist, das ein neurales Netz erklärt;
6 ist ein schematisches Funktionsblockdiagramm, das eine Ausführungsform eines Systems zeigt, in dem eine Bearbeitungszustandsanpassungsvorrichtung verkörpert ist; und
7 ist ein Diagramm zur Beschreibung einer Bearbeitungsqualitätserkennungsoperation, die in der vorliegenden Erfindung eingeführt wird.

[AUSFÜHRLICHE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN]
1 ist ein schematisches Hardwarekonfigurationsdiagramm, das die essenziellen Bestandteile einer Bearbeitungszustandsanpassungsvorrichtung nach einer ersten Ausführungsform zeigt.
Eine Bearbeitungszustandsanpassungsvorrichtung 1 kann beispielsweise als Steuergerät montiert sein, das eine Laserbearbeitungsvorrichtung steuert. Weiterhin kann die Bearbeitungszustandsanpassungsvorrichtung 1 beispielsweise als ein Personal Computer montiert sein, der neben einem Steuergerät installiert ist, das eine Laserbearbeitungsvorrichtung steuert, ein Zellencomputer, der mit einem Steuergerät über ein verkabeltes/drahtloses Netz verbunden ist, ein Hostcomputer oder ein Computer wie ein Edge-Server und ein Cloudserver. In der vorliegenden Ausführungsform ist die Bearbeitungszustandsanpassungsvorrichtung 1 als ein Steuergerät montiert, das eine Laserbearbeitungsvorrichtung 2 steuert.
Eine zentrale Prozessoreinheit (CPU) 11 der Bearbeitungszustandsanpassungsvorrichtung 1 nach der vorliegenden Ausführungsform ist ein Prozessor, der die Bearbeitungszustandsanpassungsvorrichtung 1 vollständig steuert. Die CPU 11 liegt ein Systemprogramm, das in einem Read-Only Memory (ROM) 12 gespeichert ist, über einen Bus 20 aus und steuert die gesamte Bearbeitungszustandsanpassungsvorrichtung 1 nach dem Systemprogramm. Ein Direktzugriffsspeicher (RAM) 13 speichert temporäre Berechnungsdaten oder Anzeigedaten, verschiedene Dateneingaben durch einen Bediener über eine Eingabeeinheit, die nicht dargestellt ist, oder dergleichen.
Ein nichtflüchtiger Speicher 14 ist konfiguriert als ein Speicher, der seinen Speicherzustand beispielsweise durch Datenbackups oder dergleichen mit einer Batterie (nicht dargestellt) erhält, selbst, wenn die Stromversorgung der Maschinenzustandsanpassungsvorrichtung 1 deaktiviert ist. Der nichtflüchtige Speicher 14 speichert eine Programmeingabe über eine Anzeigevorrichtung/M DI-Einheit 70 und verschiedene Daten (wie beispielsweise eine Laserausgabe, Frequenz, Last, Bearbeitungsgeschwindigkeit, Art oder Druck von Hilfsgas, einen Düsendurchmesser, eine Spalte, eine Fokusposition, einen Druckverlust oder einen Durchfluss des Hilfsgases, der durch einen Sensor oder dergleichen, der an der Laserbearbeitungsvorrichtung 2 befestigt ist, erkannt wird, wobei die Beziehungen zwischen diesen Laserbearbeitungszuständen und einer Bearbeitungsposition oder dergleichen in der Laserbearbeitung durch die Laserbearbeitungsvorrichtung 2) von den jeweiligen Einheiten der Bearbeitungszustandsanpassungsvorrichtung 1 oder der Laserbearbeitungsvorrichtung 2 erhalten werden. Das Programm oder die verschiedenen Daten, die in dem nichtflüchtigen Speicher 14 gespeichert sind, können bei der Ausführung/Verwendung in dem RAM 13 gespeichert werden. Weiterhin speichert der ROM 12 im Voraus verschiedene Systemprogramme, wie etwa bekannte Analyseprogramme (einschließlich eines Systemprogramms zur Steuerung der Kommunikation mit einer Maschinenlernvorrichtung 100, die später beschrieben wird) beschrieben werden.
Die Anzeigevorrichtung/MDI-Einheit 70 ist eine manuelle Dateneingabeeinheit, einschließlich einer Anzeige, einer Tastatur oder dergleichen, und eine Schnittstelle 17 überträgt Befehle und Daten, die von der Tastatur der Anzeigevorrichtung/MDI-Einheit 70 erhalten wurden, auf die CPU 11. Eine Schnittstelle 18 ist mit einer Bedientafel 71 verbunden, die einen manuellen Impulsgenerator aufweist, der verwendet wird, die jeweiligen Achsen oder dergleichen manuell anzutreiben.
Eine Schnittstelle 19 ist eine Schnittstelle, die verwendet wird, die Bearbeitungszustandsanpassungsvorrichtung 1 und die Laserbearbeitungsvorrichtung 2 miteinander zu verbinden. Eine Schnittstelle 21 ist eine Schnittstelle, die verwendet wird, die Bearbeitungszustandsanpassungsvorrichtung 1 und die Maschinenlernvorrichtung 100 miteinander zu verbinden. Die Maschinenlernvorrichtung 100 enthält einen Prozessor 101, der die gesamte Maschinenlernvorrichtung 100 steuert, einen ROM 102, der ein Systemprogramm oder dergleichen speichert, einen RAM 103, der verwendet wird, temporär Daten in jeweiliger Verarbeitung, die mit Maschinenlernen assoziiert ist, zu speichern, und einen nichtflüchtigen Speicher 104, der verwendet wird, ein Lernmodell oder dergleichen zu speichern. Die Maschinenlernvorrichtung 100 kann jeweilige Informationen beobachten (wie beispielsweise eine Laserausgabe, Frequenz, Last, Bearbeitungsgeschwindigkeit, Art oder Druck von Hilfsgas, einen Düsendurchmesser, eine Spalte, eine Fokusposition, einen Druckverlust oder einen Durchfluss des Hilfsgases, der durch einen Sensor oder dergleichen, der an der Laserbearbeitungsvorrichtung 2 befestigt ist, erkannt wird, wobei die Beziehungen zwischen diesen Laserbearbeitungszuständen und einer Bearbeitungsposition oder dergleichen in der Laserbearbeitung durch die Laserbearbeitungsvorrichtung 2) durch die Bearbeitungszustandsanpassungsvorrichtung 1 über die Schnittstelle 21 erhalten werden können. Weiterhin steuert die Bearbeitungszustandsanpassungsvorrichtung 1 bei Empfang eines Befehls zum Ändern eines Bearbeitungszustands, der von der Maschinenlernvorrichtung 100 ausgegeben wird die Operation der Laserbearbeitungsvorrichtung 2.
2 ist ein schematisches Funktionsblockdiagramm der Bearbeitungszustandsanpassungsvorrichtung 1 und der Maschinenlernvorrichtung 100 nach einer Ausführungsform.
Die jeweiligen Funktionsblocks, die in 2 dargestellt sind, werden umgesetzt, wenn die CPU 11 der Bearbeitungszustandsanpassungsvorrichtung 1 und der Prozessor 101 der Maschinenlernvorrichtung 100, die in 1 dargestellt ist, ihre Systemprogramme durchführen und die Operationen der jeweiligen Einheiten der Bearbeitungszustandsanpassungsvorrichtung 1 und der Maschinenlernvorrichtung 100 steuern.
Die Bearbeitungszustandsanpassungsvorrichtung 1 nach der vorliegenden Ausführungsform enthält eine Steuereinheit 34, die die Laserbearbeitungsvorrichtung 2 auf Grundlage eines Befehls zum Ändern eines Bearbeitungszustands steuert, der durch die Maschinenlernvorrichtung 100 ausgegeben wird. Eine Steuereinheit 34 steuert allgemein die Operation der Laserbearbeitungsvorrichtung 2 nach einem Befehl eines Steuerprogramms oder dergleichen. Zu dieser Gelegenheit steuert die Steuereinheit 34, wenn sie einen Befehl zum Ändern eines Bearbeitungszustands von der Maschinenlernvorrichtung 100 empfängt, die Laserbearbeitungsvorrichtung 2 so, dass ein Laserbearbeitungszustand, der im Voraus in dem obigen Programm oder in der Laserbearbeitungsvorrichtung eingestellt ist, durch einen Bearbeitungszustand ersetzt wird, der von der Maschinenlernvorrichtung 100 ausgegeben wird.
Während der Lernoperation der Maschinenlernvorrichtung 100 führt die Steuereinheit 34 die Bearbeitungsqualitätserkennungsoperation der Erkennung eines Druckverlusts oder Durchflusses des Hilfsgases mittels eines Sensors 3 durch, indem eine Düse stationär auf einer Schnittfuge gemacht wird, die durch Strahlen von Hilfsgas mit einem vorgegebenen Druck statt durch Ausgabe eines Laserstrahls oder durch Bewegung der Düse entlang der Schnittfuge bearbeitet wird, in einem Zustand, in dem die Düse eng an einem Werkstück anliegt oder sich dem Werkstück annähernd, nachdem das Werkstück durch Laserbearbeitungsvorrichtung 2 unter einem angepassten Laserbearbeitungszustand laserbearbeitet wurde und speichert einen Druckverlust oder einen Durchfluss des Hilfsgases, der durch einen Sensor 3 erkannt wird, im nichtflüchtigen Speicher 14 in Assoziation mit einem Laserbearbeitungszustand, der eingestellt ist, wenn die jeweiligen bearbeiteten Abschnitte bearbeitet werden. Die Bearbeitungsqualitätserkennungsoperation kann parallel während der Bearbeitung durchgeführt werden. Der Zustand eines bearbeiteten Abschnitts eines Werkstücks ändert sich jedoch sukzessive im Lauf der Zeit mit der Bearbeitung. Daher wird die Bearbeitungsqualitätserkennungsoperation vorzugsweise nach der Bearbeitung durchgeführt, da es schwer ist, einen Druckverlust oder Durchfluss des Hilfsgases stabil zu erkennen (wobei es jedoch möglich ist, ein Verfahren durchzuführen, in dem der Durchschnitt über eine Zeitachse oder dergleichen verwendet wird).
Bei der Bearbeitungsqualitätserkennungsoperation kann ein Druckverlust oder Durchfluss aufgezeichnet werden, wenn Hilfsgas mit einem vorgegebenen, im Voraus eingestellten Druck gestrahlt wird. Alternativ können bei zwei oder mehr im Voraus eingestellten Druckstufen mehrere Druckverluste oder Durchflüsse aufgezeichnet werden, wenn das Hilfsgas mit jedem Druck aufgestrahlt wird. Im letzten Fall kann mit einem Zielwert eines Druckverlusts oder Durchflusses mit jedem der im Voraus aufgezeichneten Druckwerte ein Laserbearbeitungszustand so angepasst werden, dass jeder von mehreren Druckverlusten oder Durchflüssen mit entsprechendem Druck dem Zielwert nahekommen. Abhängig vom Zustand eines bearbeiteten Abschnitts eines Werkstücks ändert sich ein Druckverlust oder Durchfluss wahrscheinlich, wenn Hilfsgas unter einem unterschiedlichen Druck aufgestrahlt wird. Daher ermöglicht es die Untersuchung unter mehreren Druckwerten, die Anpassung eines Laserbearbeitungszustands mit größerer Genauigkeit durchzuführen, als bei der Untersuchung mit einem Druck.
Andererseits enthält die Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1 Software (wie etwa einen Lernalgorithmus) und Hardware (wie etwa den Prozessor 101) zum spontanen Lernen der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung bezüglich einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases durch sogenanntes Maschinenlernen. Ein Objekt, das durch die Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1 gelernt werden soll, entspricht einer Modellstruktur, die eine Korrelation zwischen einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung ausdrückt.
Wie in den Funktionsblocks aus 2 gezeigt, enthält die Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1 einen Zustandsbeobachtungsabschnitt 106, einen Bestimmungsdatenerfassungsabschnitt 108 und einen Lernabschnitt 110. Der Zustandsbeobachtungsabschnitt 106 beobachtet als Zustandsvariablen S, die den aktuellen Zustand einer Umgebung ausdrücken, Laserbearbeitungszustandsdaten S1, die einen Laserbearbeitungszustand in der Laserbearbeitung anzeigen, und Gaszielabweichungsdaten S2, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigen. Der Bestimmungsdatenerfassungsabschnitt 108 erfasst Bestimmungsdaten D, einschließlich Werkstückqualitätsbestimmungsdaten D1 zur Bestimmung der Qualität eines Werkstücks, das auf Grundlage eines angepassten Laserbearbeitungszustands in der Laserbearbeitung bearbeitet wurde. Der Lernabschnitt 110 lernt eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander unter Verwendung der Zustandsvariablen S und der Bestimmungsdaten D.
Unter den Zustandsvariablen S, die durch den Zustandsbeobachtungsabschnitt 106 beobachtet wurden, können die Laserbearbeitungszustandsdaten S1 als ein Laserbearbeitungszustand in der Laserbearbeitung erfasst werden, die durch die Laserbearbeitungsvorrichtung 2 ausgeführt wird. Der Laserbearbeitungszustand in der Laserbearbeitung enthält beispielsweise eine Laserausgabe, Frequenz, Last, Bearbeitungsgeschwindigkeit, eine Art oder einen Druck des Hilfsgases, einen Düsendurchmesser, eine Spalte, eine Fokusposition oder dergleichen in der Laserbearbeitung durch die Laserbearbeitungsvorrichtung 2. Insbesondere weist die Fokusposition und die Bearbeitungsgeschwindigkeit eine große Auswirkung auf die Oberfläche der Laserbearbeitung auf. Daher sind wenigstens diese Bedingungen vorzugsweise in den Laserbearbeitungszustandsdaten S1 enthalten. Diese Laserbearbeitungszustände werden in einem Programm für die Steuerung der Operation der Laserbearbeitungsvorrichtung 2 oder der Bearbeitungszustandsanpassungsvorrichtung 1 eingestellt und können von Laserbearbeitungsparametern erfasst werden, die im nichtflüchtigen Speicher 14 oder dergleichen gespeichert sind.
Als Laserbearbeitungszustandsdaten S1 kann die Maschinenlernvorrichtung 100 direkt einen Laserbearbeitungszustand in der Laserbearbeitung verwenden, die in dem Lernzyklus bezüglich einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases in dem vorherigen Lernzyklus auf Grundlage eines Lernergebnisses des Lernabschnitts 110 angepasst wurde. In einem solchen Fall kann die Maschinenlernvorrichtung 100 für jeden Lernzyklus einen Laserbearbeitungszustand in der Laserbearbeitung vorläufig im Voraus in dem RAM 103 speichern, sodass der Zustandsbeobachtungsabschnitt 106 von dem RAM 103 einen Laserbearbeitungszustand in der Laserbearbeitung in dem vorherigen Lernzyklus als Laserbearbeitungszustandsdaten S1 in dem aktuellen Lernzyklus erfasst.
Unter dem Zustandsvariablen S, die durch den Zustandsbeobachtungsabschnitt 106 erfasst werden, können die Gaszielabweichungsdaten S2 als Differenz eines Druckverlusts oder eines Durchflusses des Hilfsgases erfasst werden, die in der Bearbeitungsqualitätserkennungsoperation für ein Werkstück erkannt wird, das unter einem angepassten Laserbearbeitungszustand bezüglich eines Zielwerts des Druckverlusts oder Durchflusses des Hilfsgases bearbeitet wird, der auf dem nichtflüchtigen Speicher 14 aufgezeichnet wird. Es ist zu beachten, dass, wenn mehrere Druckverluste oder Durchflüsse als Zielwerte aufgezeichnet werden, die Gaszielabweichungsdaten S2 möglicherweise nur als ein Satz (Matrix) von Unterschieden der Druckverluste oder Durchflüsse des Hilfsgases unter dem jeweiligen Druck definiert sind.
Wenn der Lernabschnitt 110 Onlinelernen durchführt, kann der Zustandsbeobachtungsabschnitt 106 sequenziell die jeweiligen Zustandsvariablen von den jeweiligen Einheiten der Laserbearbeitungsvorrichtung 2, dem Sensor 3 und dem Bearbeitungszustandsanpassungsvorrichtung 1 erfassen. Andererseits speichert die Bearbeitungszustandsanpassungsvorrichtung 1, wenn der Lernabschnitt 110 Offlinelernen durchführt, die jeweiligen Informationen, die während der Bearbeitung eines Werkstücks und einer Bearbeitungsqualitätserkennungsoperation erfasst wurden, in dem nichtflüchtigen Speicher 14 als Logdaten. Der Zustandsbeobachtungsabschnitt 106 analysiert möglicherweise nur die aufgezeichneten Logdaten zum erhalten der jeweiligen Zustandsvariablen.
Der Bestimmungsdatenerfassungsabschnitt 108 kann als Werkstückqualitätsbestimmungsdaten D1 ein Bestimmungsergebnis der Qualität eines Werkstücks verwenden, wenn die Bearbeitung auf Grundlage eines angepassten Laserbearbeitungszustands in der Laserbearbeitung erfolgt. Als Werkstückqualitätsbestimmungsdaten D1, die durch den Bestimmungsdatenerfassungsabschnitt 108 verwendet werden, können Daten, die anzeigen, ob eine Differenz eines Druckverlusts oder eines Durchflusses des Hilfsgases, die in der Bearbeitungsqualitätserkennungsoperation für ein Werkstück erkannt wurde, das unter einem angepassten Laserbearbeitungszustand bezüglich eines Zielwerts des Druckverlusts oder Durchflusses des Hilfsgases bearbeitet wird, kleiner oder größer ist als ein vorgegebener Grenzwert (geeignet oder ungeeignet).
Es ist zu beachten, dass der Bestimmungsdatenerfassungsabschnitt 108 eine notwendige Konfiguration wird, wenn der Lernabschnitt 110 Lernen durchführt, aber nicht die notwendige Konfiguration wird, nachdem der Lernabschnitt 110 das Lernen abgeschlossen hat, wobei eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung miteinander assoziiert sind. Wenn beispielsweise die Maschinenlernvorrichtung 100, die das Lernen abgeschlossen hat, an einen Kunden verschickt wird, kann der Bestimmungsdatenerfassungsabschnitt 108 von der Maschinenlernvorrichtung 100 entfernt werden, die versandet werden soll.
Bezüglich des Lernzyklus des Lernabschnitts 110 sind die Zustandsvariablen S, die gleichzeitig in den Lernabschnitt 110 eingegeben werden, diejenigen, die auf Daten in dem vorherigen Lernzyklus basierend, in dem die Bestimmungsdaten D erfasst wurden. Wie oben beschrieben, werden, während die Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1 mit dem Lernen fortschreitet, die Erfassung der Gaszielabweichungsdaten S2, die Bearbeitung eines Werkstücks durch die Laserbearbeitungsvorrichtung 2 basierend auf den Laserbearbeitungszustandsdaten S1, die auf Grundlage der jeweiligen erfassten Daten angepasst sind, und die Erfassung der Bestimmungsdaten D wiederholt in einer Umgebung ausgeführt.
Der Lernabschnitt 110 lernt die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung bezüglich einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases nach einem beliebigen Lernalgorithmus, der kollektiv als Maschinenlernen bezeichnet wird. Der Lernabschnitt 110 kann wiederholt Lernen basierend auf einem Datensatz ausführen, der die Zustandsvariablen S und die Bestimmungsdaten D wie oben beschrieben umfasst. Wenn der Zyklus des Lernens eines Laserbearbeitungszustands in der Laserbearbeitung bezüglich einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases wiederholt ausgeführt wird, werden die Zustandsvariablen S von der Zielabweichung des Druckverlusts oder Durchflusses des Hilfsgases in dem vorherigen Lernzyklus und dem Laserbearbeitungszustand in der Laserbearbeitung erfasst, der wie oben beschrieben im vorherigen Lernzyklus angepasst wurde. Weiterhin entsprechen die Bestimmungsdaten D einem Eigenschaftenbestimmungsergebnis der Bearbeitung eines Werkstücks, die auf Grundlage eines angepassten Laserbearbeitungszustands in der Laserbearbeitung durchgeführt wurde.
Durch wiederholte Ausführung eines solchen Lernzyklus kann der Lernabschnitt 110 ein Merkmal identifizieren, das eine Korrelation zwischen einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung ausdrückt. Wenn auch die Korrelation zwischen einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung zu Beginn des Lernalgorithmus im Wesentlichen unbekannt ist, identifiziert der Lernabschnitt 110 schrittweise ein Merkmal und interpretiert die Korrelation bei fortschreitendem Lernen. Wenn die Korrelation zwischen einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung zu einem gewissen zuverlässigen Ausmaß interpretiert wird, kann ein Lernergebnis, das wiederholt durch den Lernabschnitt 110 ausgegeben wird, verwendet werden, um die Aktion zu wählen (also eine Entscheidung zu treffen), um zu bestimmen, wie der Laserbearbeitungszustand in der Laserbearbeitung bezüglich eines aktuellen Zustands angepasst wird (das heißt, die Zielabweichung des Druckverlusts oder Durchflusses des Hilfsgases). Das heißt, wenn ein Lernalgorithmus fortgeschritten ist, kann der Lernabschnitt 110 schrittweise die Korrelation zwischen einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und der Aktion der Bestimmung, wie ein Laserbearbeitungszustand in der Laserbearbeitung an eine optimale Lösung angepasst wird, annähern.
Ein Entscheidungsfindungsabschnitt 122 stellt einen Laserbearbeitungszustand in der Laserbearbeitung auf Grundlage eines Lernergebnisses des Lernabschnitts 110 ein und gibt den angepassten Laserbearbeitungszustand in der Laserbearbeitung an die Steuereinheit 34 aus. Der Entscheidungsfindungsabschnitt 122 gibt einen Laserbearbeitungszustand (wie etwa eine Fokusposition, einen Düsendurchmesser und eine Bearbeitungsgeschwindigkeit) in der Laserbearbeitung aus, wenn eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases in die Maschinenlernvorrichtung 100 in einem Stadium eingegeben wird, an dem das Lernen durch den Lernabschnitt 110 für die Anpassung des Laserbearbeitungszustands verfügbar wird. Der Entscheidungsfindungsabschnitt 122 bestimmt angemessen einen Laserbearbeitungszustand in der Laserbearbeitung auf Grundlage der Zustandsvariablen S und eines Lernergebnisses des Lernabschnitts 110.
Wie oben beschrieben, lernt der Lernabschnitt 110 in der Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1 die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung bezüglich einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases nach einem Maschinenlernalgorithmus unter Verwendung der Zustandsvariablen S, die durch den Zustandsbeobachtungsabschnitt 106 beobachtet werden, und den Bestimmungsdaten D, die durch den Bestimmungsdatenerfassungsabschnitt 108 erfasst werden. Die Zustandsvariablen S bestehen aus Daten wie den Laserbearbeitungszustandsdaten S1 und den Gaszielabweichungsdaten S2. Weiterhin werden die Bestimmungsdaten D eindeutig aus Informationen berechnet, die erfasst werden, wenn ein Werkstück bearbeitet wird oder Informationen in der Bearbeitungsqualitätserkennungsoperation erfasst werden. Dementsprechend macht es die Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1 durch Verwendung eines Lernergebnisses des Lernabschnitts 110 möglich, automatisch und genau die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung nach einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases durchzuführen.
Wenn es möglich ist, einen Laserbearbeitungszustand in der Laserbearbeitung automatisch anzupassen, kann ein geeigneter Wert des Laserbearbeitungszustands in der Laserbearbeitung schnell ausschließlich durch Verstehen einer Zielabweichung (die Gaszielabweichungsdaten S2) eines Druckverlusts oder eines Durchflusses des Hilfsgases angepasst werden. Dementsprechend kann ein Laserbearbeitungszustand in der Laserbearbeitung effizient angepasst werden.
Als modifiziertes Beispiel der Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1, kann der Bestimmungsdatenerfassungsabschnitt 108 als Bestimmungsdaten D Zykluszeitbestimmungsdaten D2 zur Bestimmung der Zeit, die zur Bearbeitung eines Werkstücks benötigt wird, die auf Grundlage eines angepassten Laserbearbeitungszustands in der Laserbearbeitung erfolgt, sowie die Werkstückqualitätsbestimmungsdaten D1 verwenden. Als die Zykluszeitbestimmungsdaten D2, die durch den Bestimmungsdatenerfassungsabschnitt 108 verwendet werden, kann beispielsweise ein Ergebnis, das auf Grundlage eines geeignet eingestellten Bestimmungskriteriums wie etwa einem zur Anzeige, ob die Zeit, die für die Bearbeitung eines Werkstücks aufwendet wird, die auf Grundlage eines angepassten Laserbearbeitungszustands in der Laserbearbeitung durchgeführt wird, kürzer oder länger als ein vorgegebener Grenzwert (geeignet oder ungeeignet) ist. Die Verwendung der Zykluszeitbestimmungsdaten D2 als Bestimmungsdaten D macht es möglich, einen Laserbearbeitungszustand bereitzustellen, unter welchem die Zielbearbeitungsqualität ohne extreme Verlängerung der Zeit für die Bearbeitung eines Werkstücks erreicht werden kann.
In der Maschinenlernvorrichtung 100 mit der obigen Konfiguration ist ein Lernalgorithmus, der durch den Lernabschnitt 110 ausgeführt wird, nicht besonders eingeschränkt. Beispielsweise kann ein Lernalgorithmus, der als Maschinenlernen bekannt ist, eingesetzt werden. 3 zeigt als Ausführungsform der Bearbeitungszustandsanpassungsvorrichtung 1 wie in 2 dargestellt eine Konfiguration, die den Lernabschnitt 110 enthält, der Verstärkungslernen als ein Beispiel für einen Lernalgorithmus durchführt. In dem Verstärkungslernen wird ein Zyklus, in dem ein aktueller Zustand (das heißt, eine Eingabe) einer Umgebung, in der ein Lernziel existiert, beobachtet, und eine vorgegebene Aktion (das heißt, eine Ausgabe) erfolgt in dem aktuellen Zustand, und eine Belohnung, die für die Aktion gegeben wird, wird wiederholt durch Versuch und Irrtum ausgeführt, um Maßnahmen zu lernen (einen Laserbearbeitungszustand bei der Laserbearbeitung in der Maschinenlernvorrichtung der vorliegenden Anmeldung), um die Gesamtbelohnungen als eine optimale Lösung zu maximieren.
In der Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1, die in 3 dargestellt ist, enthält der Lernabschnitt 110 deinen Belohnungsberechnungsabschnitt 112 und einen Wertefunktionsupdateabschnitt 114. Der Belohnungsberechnungsabschnitt 112 berechnet eine Belohnung R, die mit dem Eigenschaftenbestimmungsergebnis (den Bestimmungsdaten D entsprechend, die in dem nächsten Lernzyklus verwendet werden, in dem die Zustandsvariablen S erfasst wurden) der Bearbeitung eines Werkstücks durch die Laserbearbeitungsvorrichtung 2 basierend auf einem angepassten Laserbearbeitungszustand in der Laserbearbeitung assoziiert ist, wobei der angepasste Laserbearbeitungszustand in der Laserbearbeitung auf Grundlage der Zustandsvariablen S erhalten wird. der Wertefunktionsupdateabschnitt 114 aktualisiert unter Verwendung der berechneten Belohnung R eine Funktion Q, die einen Wert eines Laserbearbeitungszustands in der Laserbearbeitung ausdrückt. Der Lernabschnitt 110 lernt die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung bezüglich einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases so, dass der Wertefunktionsupdateabschnitt 114 wiederholt die Funktion Q aktualisiert.
Ein Beispiel eines Verstärkungslernalgorithmus, der durch den Lernabschnitt 110 ausgeführt wird, wird beschrieben. Der Algorithmus in diesem Beispiel ist als Q-Iernen bekannt und drückt ein Verfahren aus, in dem ein Zustand s ein Aktionssubjekt darstellt, und eine Aktion a darstellt, die durch das Aktionssubjekt im Zustand s durchgeführt werden kann, als unabhängige Variablen angenommen werden, und eine Funktion Q(s, a), die einen Aktionswert ausdrückt, wenn die Aktion a in dem Zustand s gewählt wird, gelernt wird. Die Auswahl der Aktion a, durch die die Wertefunktion Q im Zustand s am größten wird, führt zu einer optimalen Lösung. Durch Starten des Q-Lernens in einem Zustand, in dem die Korrelation zwischen dem Zustand s und der Aktion a nicht bekannt ist, und durch wiederholtes Ausführen der Auswahl verschiedener Aktionen a durch Versuch und Irrtum in einem Zustand s wird die Wertefunktion Q wiederholt aktualisiert, um einer optimalen Lösung angenähert zu werden. Hier wird, wenn eine Umgebung (das heißt, der Zustand s) sich ändert, wenn die Aktion a in dem Zustand s gewählt wird, eine Belohnung (das heißt, Gewichtung der Aktion a) r der Änderung entsprechend erhalten und das Lernen wird auf die Auswahl einer Aktion gerichtet, durch die eine höhere Belohnung r erhalten wird. So kann die Wertefunktion Q in einem relativ kurzen Zeitraum einer optimalen Lösung angenähert werden.
Allgemeine kann die Updateformel der Wertefunktion Q wie die folgende Formel (1) ausgedrückt werden. In der Formel (1) drücken st und at einen Zustand und eine Aktion jeweils zum Zeitpunkt t aus, und der Zustand wechselt auf S_t+1 wobei die Aktion a_t. r_t+1 eine Belohnung ausdrückt, die erhalten wird, wenn sich der Zustand von s_t auf s_t+1 ändert. Q drückt in dem Term maxQ einen Fall aus, in dem eine Aktion a, durch die der maximale Wert Q zum Zeitpunkt t + 1 erhalten wird, (der zum Zeitpunkt t angenommen wird) ausgeführt wird. α und γ drücken einen Lernkoeffizienten bzw. eine Diskontierungsrate aus und sind zufällig eingestellt, um zwischen 0 < α ≤ 1 bzw. 0 < y ≤ 1, zu fallen. $Q (s_{t}, a_{t}) \leftarrow Q (s_{t}, a_{t}) + α (r_{t + 1} + γ max_{a} Q (s_{t + 1}, a) - Q (s_{t}, a_{t}))$
Wenn der Lernabschnitt 110 das Q-Lernen ausführt, entsprechen die Zustandsvariablen S, die durch den Zustandsbeobachtungsabschnitt 106 beobachtet werden, und die Bestimmungsdaten D, die durch den Bestimmungsdatenerfassungsabschnitt 108 erfasst werden, dem Zustand s in der Updateformel, die Aktion der Bestimmung der Einstellung eines Laserbearbeitungszustands in der Laserbearbeitung bezüglich eines aktuellen Zustands (das heißt eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases) entspricht der Aktion a in der Updateformel und die Belohnung R, die durch den Belohnungsberechnungsabschnitt 112 berechnet wird, entspricht der Belohnung r in der Updateformel. Dementsprechend aktualisiert der Wertefunktionsupdateabschnitt 114 wiederholt die Funktion Q, die einen Wert eines Laserbearbeitungszustands in der Laserbearbeitung ausdrückt, bezüglich eines aktuellen Zustands durch das Q-Lernen unter Verwendung der Belohnung R.
Die Belohnung R, die durch den Belohnungsberechnungsabschnitt 112 berechnet wurde, kann beispielsweise positiv sein, wenn ein Eigenschaftenbestimmungsergebnis der Bearbeitung eines Werkstücks basierend auf einem angepassten Laserbearbeitungszustand in der Laserbearbeitung durchgeführt wird, nachdem die Anpassung des Laserbearbeitungszustands in der Laserbearbeitung als „geeignet“ befunden wird (beispielsweise in einem Fall, in dem eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases ein vorgegebener Grenzwert oder weniger ist, einem Fall, in dem die Zykluszeit der Bearbeitung eines Werkstücks kürzer als ein vorgegebener Grenzwert oder eine Zykluszeit in dem vorherigen Lernzyklus ist, oder dergleichen) oder kann negativ sein, etwa, wenn ein Eigenschaftenbestimmungsergebnis der Operation eines Werkstücks basierend auf einem angepassten Laserbearbeitungszustand in der Laserbearbeitung, die nach der Anpassung des Laserbearbeitungszustands in der Laserbearbeitung durchgeführt wird, als „ungeeignet“ befunden wird (beispielsweise in einem Fall, in dem eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases mehr als ein vorgegebener Grenzwert ist, einem Fall, in dem die Zykluszeit der Bearbeitung eines Werkstücks länger als ein vorgegebener Grenzwert oder eine Zykluszeit in dem vorherigen Lernzyklus ist, oder dergleichen). Die absoluten Werte der positiven und negativen Belohnungen R können gleich sein oder sich unterscheiden. Weiterhin können als Bedingungen mehrere Werte, die in den Bestimmungsdaten D enthalten sind, kombiniert werden, um eine Bestimmung durchzuführen.
Weiterhin kann ein Eigenschaftenbestimmungsergebnis der Bearbeitung eines Werkstücks auf Grundalge eines angepassten Laserbearbeitungszustands in der Laserbearbeitung nicht nur die Ergebnisse „geeignet“ und „ungeeignet“ enthalten, sondern auch mehreren Ergebnisstufen. Beispielsweise erfolgt, wenn der Grenzwert der Zykluszeit der Bearbeitung eines Werkstücks als T_max, angenommen wird, die Belohnung R = 5, wenn die Zykluszeit T für die Durchführung der Laserbearbeitung auf dem Werkstück in den Bereich 0 ≤ T < T_max/5 fällt, die Belohnung R = 3 wird gegeben, wenn die Zykluszeit T in den Bereich T_max/5 ≤ T < T_max/2 fällt, die Belohnung R = 1 wird gegeben, wenn Zykluszeit T in den Bereich T_max/2 ≤ T < T_max fällt, und die Belohnung R = -3 (negative Belohnung) wird gegeben, wenn die Zykluszeit T in den Bereich T_max ≤ T fällt.
Weiterhin wird, wenn mehrere Bestimmungsdaten verwendet werden, ein Wert einer Belohnung für jede der Bestimmungsdaten geändert (gewichtet), wodurch ein Zielzustand des Lernens geändert werden kann. Beispielsweise kann die Anpassung eines Laserbearbeitungszustands, die Bedeutung auf die Qualität legt, durch Erhöhen einer gegebenen Belohnung auf Grundlage eines Bestimmungsergebnisses der Werkstückqualitätsbestimmungsdaten D1 gelernt werden. Andererseits kann die Anpassung eines Laserbearbeitungszustands, die Bedeutung auf die Geschwindigkeit legt, durch Erhöhen einer gegebenen Belohnung auf Grundlage eines Bestimmungsergebnisses der Zykluszeitbestimmungsdaten D2 gelernt werden. Weiterhin kann ein Grenzwert, der für eine Bestimmung verwendet wird, im Anfangsstadium des Lernens relativ groß eingestellt werden und verringert werden, wenn der Lernvorgang fortschreitet.
Der Wertefunktionsupdateabschnitt 114 kann eine Aktionswertetabelle aufweisen, in der die Zustandsvariablen S, die Bestimmungsdaten D, und die Belohnungen R in Assoziation mit Aktionswerten organisiert sind (beispielsweise numerischen Werte), die durch die Funktion Q ausgedrückt sind. In diesem Fall entspricht die Aktion der Aktualisierung der Funktion Q mit dem Wertefunktionsupdateabschnitt 114 der Aktion der Aktualisierung der Aktionswertetabelle mit dem Wertefunktionsupdateabschnitt 114. Zu Beginn des Q-Lernens ist die Korrelation zwischen dem aktuellen Zustand einer Umgebung und der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung nicht bekannt. Daher werden in der Aktionswertetabelle verschiedene Arten von Zustandsvariablen S, Bestimmungsdaten D und Belohnungen R in Assoziation mit Werten (Funktion Q) zufällig eingestellter Aktionswerte erstellt. Es ist zu beachten, dass, wenn die Bestimmungsdaten D bekannt sind, der Belohnungsberechnungsabschnitt 112 sofort die Belohnungen R berechnen kann, die den Bestimmungsdaten D entsprechen, und Werte der berechneten Belohnungen R in die Aktionswertetabelle geschrieben werden.
Wenn das Q-Lernen unter Verwendung der Belohnung R fortgeführt wird, das einem Eigenschaftenbestimmungsergebnis der Operation der Laserbearbeitungsvorrichtung 2 entspricht, ist das Lernen darauf gerichtet, die Aktion der Beschaffung einer höheren Belohnung R zu wählen. Dann werden Werte (Funktion Q) der Aktionswerte für eine Aktion, die in einem aktuellen Zustand durchgeführt wird, erneut geschrieben, um die Aktionswertetabelle nach dem Zustand einer Umgebung zu aktualisieren (das heißt, die Zustandsvariablen S und die Bestimmungsdaten D), der sich ändert, wenn die gewählte Aktion in dem aktuellen Zustand ausgeführt wird. Durch wiederholte Ausführung des Updates werden Werte (die Funktion Q) von Aktionswerten, die in der Aktionswertetabelle angezeigt werden, überschrieben, um größer zu werden, wenn eine Aktion besser geeignet ist (im Fall der vorliegenden Erfindung eine Aktion der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung wie etwa die Erhöhung der Fokusdistanz, Erhöhung oder Verringerung der Bearbeitungsgeschwindigkeit, Verlangen des Austauschs einer Düse und Erhöhung oder Verringerung des Drucks des Hilfsgases während der Bearbeitung ohne extreme Erhöhung der Zykluszeit, die mit der Bearbeitung eines Werkstücks assoziiert ist). So wird die Korrelation zwischen einem aktuellen Zustand (einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases) in einer unbekannten Umgebung und eine entsprechende Aktion (Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung) schrittweise offensichtlich. Das heißt, durch Aktualisierung der Aktionswertetabelle wird die Beziehung zwischen einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung schrittweise einer optimalen Lösung angenähert.
Der Ablauf des obigen Q-Lernens (das heißt, eine Ausführungsform eines Maschinenlernverfahrens), das durch den Lernabschnitt 110 durchgeführt wird, wird weiter mit Verweis auf 4 beschrieben.
Zuerst wählt in Schritt SA01 der Wertefunktionsupdateabschnitt 114 zufällig durch Verweis auf eine Aktionswertetabelle zu dem Zeitpunkt die Aktion der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung als eine Aktion, die in einem aktuellen Zustand ausführt wird, der durch die Zustandsvariablen S angezeigt wird die durch den Zustandsbeobachtungsabschnitt 106 beobachtet werden. Als nächstes importiert der Wertefunktionsupdateabschnitt 114 die Zustandsvariable S in dem aktuellen Zustand, der durch den Zustandsbeobachtungsabschnitt 106 in Schritt SA02 beobachtet wird, und importiert die Bestimmungsdaten D in dem aktuellen Zustand, die durch den Bestimmungsdatenerfassungsabschnitt 108 in Schritt SA03 erfasst wurden. Dann bestimmt in Schritt SA04, der Wertefunktionsupdateabschnitt 114 auf Grundlage der Bestimmungsdaten D, ob die Bearbeitung eines Werkstücks basierend auf den angepassten Laserbearbeitungszustand in der Laserbearbeitung angemessen ausgeführt wurde. Wenn die Bearbeitung angemessen erfolgt ist, wendet der Wertefunktionsupdateabschnitt 114 eine positive Belohnung R die durch den Belohnungsberechnungsabschnitt 112 berechnet wurde, auf die Updateformel der Funktion Q in Schritt SA05 an. Als nächstes aktualisiert im Schritt SA06 der Wertefunktionsupdateabschnitt 114 die Aktionswertetabelle unter Verwendung der Zustandsvariablen S und der Bestimmungsdaten D in dem aktuellen Zustand, die Belohnung R und einen Wert (aktualisierte Funktion Q) eines Aktionswerts. Wenn in Schritt SA04 bestimmt wird, dass die Bearbeitung des Werkstücks durch den angepassten Laserbearbeitungszustand in der Laserbearbeitung nicht angemessen ausgeführt wurde, wendet der Wertefunktionsupdateabschnitt 114 in Schritt SA07 eine negative Belohnung R, die durch den Belohnungsberechnungsabschnitt 112 berechnet wurde, auf die Updateformel der Funktion Q an. Dann aktualisiert im Schritt SA06 der Wertefunktionsupdateabschnitt 114 die Aktionswertetabelle unter Verwendung der Zustandsvariablen S und der Bestimmungsdaten D in dem aktuellen Zustand, die Belohnung R und den Wert (aktualisierte Funktion Q) des Aktionswerts. Der Lernabschnitt 110 aktualisiert die Aktionswertetabelle erneut durch wiederholtes Ausführen der obigen Verarbeitung der Schritte SA01 bis SA07 und führt das Lernen der Anpassung des Laserbearbeitungszustands in der Laserbearbeitung fort. Es ist zu beachten, dass die Verarbeitung der Berechnung der Belohnungen R und die Verarbeitung der Aktualisierung der Wertefunktion in den Schritten SA04 bis SA07 für jede der Daten ausgeführt wird, die in den Bestimmungsdaten D enthalten sind.
Zum Fortführen des obigen Verstärkungslernens kann beispielsweise ein neurales Netz verwendet werden. 5A zeigt schematisch ein Neuronenmodell. 5B zeigt schematisch ein Modell eines dreilagigen neuralen Netzes, das durch Kombination der in 5A abgebildeten Neuronen konfiguriert ist. Das neurale Netz kann beispielsweise einem Neuronenmodell folgend durch eine Berechnungseinheit, eine Speichereinheit oder dergleichen konfiguriert sein.
Das Neuron aus 5A gibt ein Ergebnis y bezüglich mehrerer Eingaben x aus (hier beispielsweise Eingaben x₁ bis x₃). Die Eingaben x₁ bis x₃ werden jeweils mit jeweiligen Gewichtungen w (w₁ bis w₃) multipliziert. So gibt das Neuron das Ergebnis y durch die folgende Formel 2 ausgedrückt aus. Es ist zu beachten, dass in der folgenden Formel 2 eine Eingabe x, ein Ergebnis y und eine Gewichtung w alle Vektoren sind. Weiterhin drückt θ eine Tendenz aus und f_k drückt eine Aktivierungsfunktion aus. $y = f_{k} (\sum_{i = 1}^{n} x_{i} w_{i} - θ)$
In dem neuralen Netz mit den drei Lagen aus 5B werden mehrere Eingaben x (hier beispielsweise Eingabe x1 bis x3) von der linken Seite eines neuralen Netzes eingegeben, und die Ergebnisse y (hier beispielsweise Ergebnisse y1 bis y3) werden von der rechten Seite des neuralen Netzes ausgegeben. In dem in 5B dargestellten Beispiel werden die Eingaben x1 bis x3 mit jeweiligen Gewichtungen multipliziert (kollektiv ausgedrückt als w1) und jeweils in drei Neuronen N11 bis N13 eingegeben.
In 5B werden die jeweiligen Ausgaben der Neuronen N11 bis N13 kollektiv als z1 ausgedrückt. Die Ausgaben z1 können als Merkmalsvektoren betrachtet werden, die durch Extrahieren von Merkmalsmengen der Eingabevektoren erhalten werden. In dem in 5B dargestellten Beispiel werden jeweilige Merkmalsvektoren z1 mit jeweiligen Gewichtungen multipliziert (kollektiv ausgedrückt als w2) und jeweils in zwei Neuronen N21 und N22 eingegeben. Die Merkmalsvektoren z1 drücken die Merkmale zwischen der Gewichtung w1 und der Gewichtung w2 aus.
In 5B werden die jeweiligen Ausgaben der Neuronen N21 bis N22 kollektiv als z2 ausgedrückt. Die Ausgaben z2 können als Merkmalsvektoren betrachtet werden, die durch Extrahieren von Merkmalsmengen der Merkmalsvektoren z1 erhalten werden. In dem in 5B dargestellten Beispiel werden jeweilige Merkmalsvektoren z2 mit jeweiligen Gewichtungen multipliziert (kollektiv ausgedrückt als w3) und jeweils in drei Neuronen N31 bis N33 eingegeben. Die Merkmalsvektoren z2 drücken die Merkmale zwischen der Gewichtung w2 und der Gewichtung w3 aus. Schließlich geben die Neuronen N31 bis N33 jeweils die Ergebnisse y1 bis y3 aus.
Es ist zu beachten, dass es möglich ist, sogenanntes Tiefenlernen einzusetzen, in dem ein neurales Netzwerk aus drei oder mehr Lagen verwendet wird.
In der Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1 führt der Lernabschnitt 110 eine Berechnung in einer Mehrlagenstruktur nach dem obigen neuralen Netz aus, indem er ein neurales Netz als eine Wertefunktion im Q-Lernen verwendet, und unter Verwendung der Zustandsvariablen S und der Aktion a als Eingaben x, wodurch ein Wert (Ergebnis y) der Aktion in dem Zustand ausgegeben werden kann. Es ist zu beachten, dass der Aktionsmodus des neuralen Netzes einen Lernmodus und einen Wertevorhersagemodus enthält. Beispielsweise ist es möglich, eine Gewichtung w unter Verwendung eines Lerndatensatzes im Lernmodus zu lernen und eine Wertebeurteilung der Aktion unter Verwendung der gelernten Gewichtung w in dem Wertevorhersagemodus vorzunehmen. Es ist zu beachten, dass die Erkennung, Klassifizierung, Ableitung oder dergleichen im Wertevorhersagemodus ausgeführt werden können.
Die Konfiguration der obigen Bearbeitungszustandsanpassungsvorrichtung 1 kann als ein Maschinenlernverfahren (oder Software) beschrieben werden, das durch den Prozessor 101 ausgeführt wird. Das Maschinenlernverfahren ist ein Verfahren zum Lernen der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung. In dem Maschinenlernverfahren führt die CPU eines Computers aus:

einen Schritt der Beobachtung von Laserbearbeitungszustandsdaten S1 und Gaszielabweichungsdaten S2 als Zustandsvariablen S, die den aktuellen Zustand einer Umgebung ausdrücken, in der die Laserbearbeitungsvorrichtung 2 läuft;
einen Schritt der Erfassung von Bestimmungsdaten D, die ein Eigenschaftenbestimmungsergebnis der Bearbeitung eines Werkstücks basierend auf einem angepassten Laserbearbeitungszustand in der Laserbearbeitung anzeigen; und
einen Schritt des Lernens der Gaszielabweichungsdaten S2 und der Anpassung des Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander unter Verwendung der Zustandsvariablen S und der Bestimmungsdaten D.

6 zeigt ein System 170 nach einer dritten Ausführungsform, das eine Bearbeitungszustandsanpassungsvorrichtung 1 enthält.
Das System 170 enthält mindestens eine Bearbeitungszustandsanpassungsvorrichtung 1, die als Abschnitt eines Computers wie eines Zellencomputers, eines Hostcomputers und eines Cloudservers montiert ist, mehrere Laserbearbeitungsvorrichtungen 2, die gesteuert werden können, und ein verkabeltes/drahtloses Netz 172, das die Bearbeitungszustandsanpassungsvorrichtung 1 und die Laserbearbeitungsvorrichtungen 2 miteinander verbindet.
In dem System 170, das die obige Konfiguration aufweist, kann die Bearbeitungszustandsanpassungsvorrichtung 1, die eine Maschinenlernvorrichtung 100 enthält, automatisch und genau die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung bezüglich einer Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases für jede der Laserbearbeitungsvorrichtungen 2 unter Verwendung eines Lernergebnisses des Lernabschnitts 110 berechnen. Weiterhin kann die Maschinenlernvorrichtung 100 der Bearbeitungszustandsanpassungsvorrichtung 1 die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung, die allen Laserbearbeitungsvorrichtungen 2 entspricht, auf Grundlage der Zustandsvariablen S und Bestimmungsdaten D lernen, die für jede der mehreren Laserbearbeitungsvorrichtungen 2 erhalten wird, und ein Ergebnis des Lernens in den Operationen aller Laserbearbeitungsvorrichtungen 2 teilen.
Dementsprechend kann das System 170 die Lerngeschwindigkeit oder Zuverlässigkeit der Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung unter Verwendung einer Vielzahl von Datensätzen (einschließlich Zustandsvariablen S und Bestimmungsdaten D) als Eingaben verbessern.
Die Ausführungsformen der vorliegenden Erfindung werden oben beschrieben. Die vorliegende Erfindung ist jedoch nicht auf die Beispiele der obigen Ausführungsformen einschränkt und kann in verschiedenen Modi mit Ergänzung geeigneter Modifikationen ausgeführt werden.
Beispielsweise sind ein Lernalgorithmus und ein Berechnungsalgorithmus, der durch die Maschinenlernvorrichtung 100 ausgeführt wird, und ein Steueralgorithmus, der durch die Bearbeitungszustandsanpassungsvorrichtung 1 ausgeführt wird, nicht auf die obigen Algorithmen beschränkt, sondern verschiedene Algorithmen können eingesetzt werden.
Weiterhin beschreiben die obigen Ausführungsformen eine Konfiguration, in der die Bearbeitungszustandsanpassungsvorrichtung 1 und die Maschinenlernvorrichtung 100 eine unterschiedliche CPU aufweisen. Die Maschinenlernvorrichtung 100 kann jedoch durch die CPU 11 der Bearbeitungszustandsanpassungsvorrichtung 1 und ein Systemprogramm, das in dem ROM 12 gespeichert wird, umgesetzt 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 2017164801 [0003]

Claims

Bearbeitungszustandsanpassungsvorrichtung, die einen Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung, die eine Laserbearbeitung auf einem Werkstück durchführt, anpasst, die Bearbeitungszustandsanpassungsvorrichtung umfassend: eine Maschinenlernvorrichtung, die den Laserbearbeitungszustand in der Laserbearbeitung lernt, wobei die Maschinenlernvorrichtung einen Zustandsbeobachtungsabschnitt, der als Zustandsvariablen, die einen aktuellen Zustand einer Umgebung ausdrücken, Laserbearbeitungszustandsdaten, die den Laserbearbeitungszustand in der Laserbearbeitung anzeigen, und Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigen, beobachtet, einen Bestimmungsdatenerfassungsabschnitt, der Werkstückqualitätsbestimmungsdaten für die Bestimmung der Qualität des bearbeiteten Werkstücks auf Grundlage des Laserbearbeitungszustands in der Laserbearbeitung als Bestimmungsdaten erfasst, die ein Eigenschaftenbestimmungsergebnis der Bearbeitung des Werkstücks anzeigen, und einen Lernabschnitt, der eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander unter Verwendung der Zustandsvariablen und der Bestimmungsdaten lernt, aufweist.
Bearbeitungszustandsanpassungsvorrichtung nach Anspruch 1, wobei der Bestimmungsdatenerfassungsabschnitt ferner Zykluszeitbestimmungsdaten für die Bestimmung der Zeit, die für die Bearbeitung des Werkstücks benötigt wird, als Bestimmungsdaten, die das Eigenschaftenbestimmungsergebnis der Bearbeitung des Werkstücks anzeigen, erfasst.
Bearbeitungszustandsanpassungsvorrichtung nach Anspruch 1 oder 2, wobei der Lernabschnitt einen Belohnungsberechnungsabschnitt, der eine Belohnung berechnet, die mit dem Eigenschaftenbestimmungsergebnis assoziiert ist, und einen Wertefunktionsupdateabschnitt, der unter Verwendung der Belohnung eine Funktion aktualisiert, die einen Wert einer Aktion der Anpassung des Laserbearbeitungszustands in der Laserbearbeitung bezüglich des Druckverlusts oder Durchflusses des Hilfsgases anzeigt, aufweist, und wobei der Belohnungsberechnungsabschnitt eine höhere Belohnung gibt, wenn die Qualität des Werkstücks höher ist und die Zeit, die für die Bearbeitung des Werkstücks benötigt wird, kürzer ist.
Bearbeitungszustandsanpassungsvorrichtung nach einem der Ansprüche 1 bis 3, wobei der Lernabschnitt die Zustandsvariablen und die Bestimmungsdaten in einer Mehrlagenstruktur berechnet.
Bearbeitungszustandsanpassungsvorrichtung, die einen Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung, die eine Laserbearbeitung auf einem Werkstück durchführt, anpasst, die Bearbeitungszustandsanpassungsvorrichtung umfassend: eine Maschinenlernvorrichtung, die den Laserbearbeitungszustand in der Laserbearbeitung gelernt hat, wobei die Maschinenlernvorrichtung einen Zustandsbeobachtungsabschnitt, der als Zustandsvariablen, die einen aktuellen Zustand einer Umgebung ausdrücken, Laserbearbeitungszustandsdaten, die den Laserbearbeitungszustand in der Laserbearbeitung anzeigen, und Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigen, beobachtet, einen Lernabschnitt, der eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander gelernt hat, und einen Entscheidungsfindungsabschnitt, der die Anpassung des Laserbearbeitungszustands in der Laserbearbeitung auf Grundlage der Zustandsvariablen, die durch den Zustandsbeobachtungsabschnitt beobachtet wurden, und eines Lernergebnisses des Lernabschnitts bestimmt.
Bearbeitungszustandsanpassungsvorrichtung nach einem der Ansprüche 1 bis 5, wobei sich die Maschinenlernvorrichtung auf einem Cloudserver befindet.
Maschinenlernvorrichtung, die einen Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung, die eine Laserbearbeitung auf einem Werkstück durchführt, lernt, die Maschinenlernvorrichtung umfassend: einen Zustandsbeobachtungsabschnitt, der als Zustandsvariablen, die einen aktuellen Zustand einer Umgebung ausdrücken, Laserbearbeitungszustandsdaten, die den Laserbearbeitungszustand in der Laserbearbeitung anzeigen, und Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigen, beobachtet; einen Bestimmungsdatenerfassungsabschnitt, der Werkstückqualitätsbestimmungsdaten für die Bestimmung der Qualität des bearbeiteten Werkstücks auf Grundlage des Laserbearbeitungszustands in der Laserbearbeitung als Bestimmungsdaten erfasst, die ein Eigenschaftenbestimmungsergebnis der Bearbeitung des Werkstücks anzeigen, und einen Lernabschnitt, der eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander unter Verwendung der Zustandsvariablen und der Bestimmungsdaten lernt.
Maschinenlernvorrichtung, die einen Laserbearbeitungszustand einer Laserbearbeitungsvorrichtung, die eine Laserbearbeitung auf einem Werkstück durchführt, gelernt hat, die Maschinenlernvorrichtung umfassend: einen Zustandsbeobachtungsabschnitt, der als Zustandsvariablen, die einen aktuellen Zustand einer Umgebung ausdrücken, Laserbearbeitungszustandsdaten, die den Laserbearbeitungszustand in der Laserbearbeitung anzeigen, und Gaszielabweichungsdaten, die eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases anzeigen, beobachtet; einen Lernabschnitt, der eine Zielabweichung eines Druckverlusts oder eines Durchflusses des Hilfsgases und die Anpassung eines Laserbearbeitungszustands in der Laserbearbeitung in Assoziation miteinander gelernt hat, und einen Entscheidungsfindungsabschnitt, der die Anpassung des Laserbearbeitungszustands in der Laserbearbeitung auf Grundlage der Zustandsvariablen, die durch den Zustandsbeobachtungsabschnitt beobachtet wurden, und eines Lernergebnisses des Lernabschnitts bestimmt.