DE102019120002A1

DE102019120002A1 - Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands, Schleifscheibenoberflächenzustands-Schätzvorrichtung, Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten, Aktualisierungsvorrichtung zum Aktualisieren von Schleifmaschinenbetriebsbefehlsdaten

Info

Publication number: DE102019120002A1
Application number: DE102019120002.4A
Authority: DE
Inventors: Yuki Masuda; Toru Kawahara; Shinji Murakami
Original assignee: JTEKT Corp
Current assignee: JTEKT Corp
Priority date: 2018-07-25
Filing date: 2019-07-24
Publication date: 2020-01-30
Also published as: CN110851921A; JP2020015129A; US20200030939A1

Abstract

Eine Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands umfasst eine Messdaten-Erhaltungseinheit (120) und eine erste Lernmodell-Erstellungseinheit (150). Die Messdaten-Erhaltungseinheit (120) erhält Messdaten, die beim Schleifen von Werkstücken (W) mit einer Schleifscheibe (16) in einer Schleifmaschine (1) gemessen werden. Die Messdaten-Erhaltungseinheit (120) erhält die Messdaten für eine vorgegebene Zeitspanne für jedes Werkstück (W). Die Messdaten umfassen erste Messdaten, die den Zustand eines Strukturelements (12, 13, 14 und 15) der Schleifmaschine (1) angeben und/oder zweite Messdaten, die sich auf einen geschliffenen Abschnitt des Werkstücks (W) beziehen. Die erste Lernmodell-Erstellungseinheit (150) führt ein maschinelles Lernen durch Verwendung der Messdaten durch, die sich auf die Werkstücke (W) als Eingabedaten für das erste Lernen beziehen, um ein erstes Lernmodell zum Schätzen eines Oberflächenzustands der Schleifscheibe (16) zu erstellen.

Description

Stand der Technik der Erfindung
Technisches Gebiet
Die Erfindung betrifft eine Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands, eine Schleifscheibenoberflächenzustands-Schätzvorrichtung, eine Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten und Aktualisierungsvorrichtung zum Aktualisieren von Schleifmaschinenbetriebsbefehlsdaten.
Beschreibung des Standes der Technik
Wenn eine Schleifmaschine zum Schleifen eines Werkstücks mit einer Schleifscheibe verwendet wird, muss ein Profilieren und Abrichten der Oberfläche der Schleifscheibe durchgeführt werden, um die Schärfe der Schleifscheibe aufrechtzuerhalten. Eine Abnahme der Schärfe einer Schleifscheibe kann zu einer Abnahme der Qualität eines geschliffenen Werkstücks führen. Aus diesem Grund werden das Profilieren und Abrichten einer Schleifscheibe jedes Mal durchgeführt, wenn eine vorgegebene Anzahl von Werkstücken geschliffen ist, und die vorgegebene Anzahl wird derart bestimmt, dass keine Abnahme der Qualität der geschliffenen Werkstücke auftritt. Da jedoch ein Schleifmaschinenbediener die vorgegebene Anzahl bestimmt, besteht die Gefahr, dass das Schleifen fortgesetzt wird, selbst nachdem die Schärfe abgenommen hat. In diesem Fall kann die Qualität der geschliffenen Werkstücke abnehmen.
In dieser Hinsicht offenbart die japanische Patentanmeldungsveröffentlichung Nr. 2002-307304 ( JP 2002-307304 A ), dass ein Vibrationsdetektor an einem Spindelkopf angebracht ist, um Vibrationen des Spindelkopfes zu erfassen, und dass, wenn die Vibrationsamplitude des Spindelkopfes einen Wert erreicht, der gemäß der Schleifgenauigkeit voreingestellt ist, die für die geschliffene Oberfläche eines Werkstücks erforderlich ist, der Schleifprozess gestoppt wird, und das Abrichten einer Schleifscheibe durchgeführt wird.
Heutzutage entwickelt sich künstliche Intelligenz mit der Verbesserung der Verarbeitungsgeschwindigkeit von Computern rasant weiter. Zum Beispiel offenbart die japanische Patentanmeldungsveröffentlichung Nr. 2017-1648014 ( JP 2017-1648014 A ), dass maschinelles Lernen verwendet wird, um Laserbearbeitungszustandsdaten zu erstellen.
Ein Problem bei dem in JP 2002-307304 A offenbarten Ansatz ist, dass es schwierig ist, die Schärfe der Schleifscheibe genau zu überprüfen, indem einfach bestimmt wird, ob die Vibration des Spindelkopfes den voreingestellten Wert erreicht. Dies macht es schwierig, den richtigen Zeitpunkt der Korrektur (d.h. Profilieren und Abrichten) der Schleifscheibe zu bestimmen. Um den Oberflächenzustand einer Schleifscheibe zu bestimmen, ist daher lediglich die augenblickliche Vibrationsinformation unzureichend, und es werden mehr Informationen benötigt.
Zusammenfassung der Erfindung
Eine Aufgabe der Erfindung ist es, eine Vorrichtung zum Erstellen eines Modells zum Schätzen eines Oberflächenzustands einer Schleifscheibe und eine Vorrichtung zum Schätzen des Oberflächenzustands durch Verwendung des Modells bereitzustellen.
Ein erster Aspekt der Erfindung stellt eine Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands vor, die eine Messdaten-Erhaltungseinheit und eine erste Lernmodell-Erstellungseinheit aufweist. Die Messdatenerfassungseinheit ist konfiguriert, um Messdatenstücke zu erhalten, die durch Messen beim Schleifen von Werkstücken mit einer Schleifscheibe in einer Schleifmaschine bezogen werden. Jedes Messdatenstück wird für eine vorgegebene Zeitspanne beim Schleifen eines entsprechenden Werkstücks erhalten. Jedes Messdatenstück weist erste Messdaten und/oder zweite Messdaten auf. Die ersten Messdaten geben einen Zustand eines Strukturelements der Schleifmaschine an. Die zweiten Messdaten betreffen einen geschliffenen Abschnitt des entsprechenden Werkstücks. Die erste Lernmodell-Erstellungseinheit führt ein maschinelles Lernen durch Verwendung der Messdaten durch, die sich auf die Werkstücke als Eingabedaten für das erste Lernen beziehen, um ein erstes Lernmodell zum Schätzen eines Oberflächenzustands der Schleifscheibe zu erstellen.
Gemäß dem ersten Aspekt wird das erste Lernmodell durch maschinelles Lernen erstellt, das die Messdatenstücke als die Eingabedaten für das erste Lernen verwendet. Jedes Messdatenstück weist die ersten Messdaten, die den Zustand des Strukturelements der Schleifmaschine angeben, und/oder die zweiten Messdaten auf, die sich auf den geschliffenen Abschnitt des entsprechenden Werkstücks beziehen. Jedes Messdatenstück wird für eine vorgegebene Zeitspanne beim Schleifen des entsprechenden Werkstücks erhalten. Zum Beispiel kann die vorgegebene Zeitspanne von dem Start bis zu dem Ende des Prozesses des Schleifens des entsprechenden Werkstücks oder von dem Start bis zu dem Ende einer Stufe des Schleifprozesses sein, zum Beispiel einer Grobschleifstufe. Infolgedessen wird die Menge jedes Messdatenstücks groß. Daher wird die Gesamtmenge aller Messdatenstücke mehrerer Werkstücke extrem groß. Die Verwendung des maschinellen Lernens macht es jedoch einfach, das erste Lernmodell durch Verwendung der extrem großen Menge der Messdaten in Verbindung mit dem Schleifen der mehreren Werkstücke zu erstellen.
Auf diese Weise wird das erste Lernmodell erstellt, indem die extrem große Menge der Messdaten berücksichtigt wird, die den Oberflächenzustand der Schleifscheibe beeinflussen. Dies ermöglicht es dem ersten Lernmodell, den Oberflächenzustand der Schleifscheibe zu schätzen. Beispiele der ersten Messdaten, die den Zustand des Strukturelements der Schleifmaschine angeben, können Vibrationen des Strukturelements und den Grad der Verformung des Strukturelements enthalten. Beispiele der zweiten Messdaten, die den geschliffenen Abschnitt betreffen, können die Größe des Werkstücks, die sich ändert, wenn das Werkstück geschliffen wird, und eine Temperatur an einem Kontaktpunkt zwischen der Schleifscheibe und dem Werkstück enthalten.
Ein zweiter Aspekt der Erfindung stellt eine Schleifscheibenoberflächenzustands-Schätzvorrichtung mit der Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands gemäß dem ersten Aspekt und eine Oberflächenzustands-Schätzeinheit bereit. Die Oberflächenzustands-Schätzeinheit schätzt den Oberflächenzustand der Schleifscheibe, nachdem ein neues Werkstück geschliffen ist, durch Verwendung des ersten Lernmodells und Schätzeingabedaten. Die Schätzeingabedaten haben den gleichen Datentyp wie jedes Messdatenstück und werden für eine vorgegebene Zeitspanne beim Schleifen des neuen Werkstücks erhalten. Die Verwendung des ersten Lernmodells, das durch das maschinelle Lernen erstellt wird, ermöglicht es, den Oberflächenzustand der Schleifscheibe nach dem Schleifen des neuen Werkstücks auf der Basis der Schätzeingabedaten als große Messdaten zu schätzen, die beim Schleifen des neuen Werkstücks gemessen werden.
Ein dritter Aspekt der Erfindung stellt eine Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten bereit, die eine Betriebsbefehlsdaten-Erhaltungseinheit, eine Oberflächenzustandsdaten-Erhaltungseinheit, eine Belohnungsbestimmungseinheit, und eine zweiten Lernmodell-Erstellungseinheit aufweist. Die Betriebsbefehlsdaten-Erhaltungseinheit erhält Betriebsbefehlsdatenstücken in Verbindung mit dem Schleifen von Werkstücken mit einer Schleifscheibe in einer Schleifmaschine. Jedes Betriebsbefehlsdatenstück wird verwendet, um eine Steuerungseinrichtung der Schleifmaschine beim Schleifen eines entsprechenden Werkstücks zu steuern. Die Oberflächenzustandsdaten-Erhaltungseinheit erhält Oberflächenzustandsdatenstücke über einen Oberflächenzustand der Schleifscheibe. Jedes Oberflächenzustandsdatenstück wird in Verbindung mit dem Schleifen eines entsprechenden Werkstücks erhalten. Die Belohnungsbestimmungseinheit bestimmt eine Belohnung für jedes Betriebsbefehlsdatenstück in Übereinstimmung mit einem entsprechenden Oberflächenzustandsdatenstück. Jedes Oberflächenzustandsdatenstück wird in Verbindung mit dem Schleifen eines entsprechenden Werkstücks erhalten. Die zweite Lernmodell-Erstellungseinheit führt maschinelles Lernen durch Verwendung jedes Betriebsbefehlsdatenstücks und der Belohnung bezüglich mehrerer Werkstücke durch, um ein zweites Lernmodell zum Einstellen jedes Betriebsbefehlsdatenstücks in einer Weise zu erstellen, dass die Belohnung erhöht wird.
Gemäß dem dritten Aspekt führt die Einstellmodell-Erstellungsvorrichtung das maschinelle Lernen durch, um das zweite Lernmodell zum Einstellen der Betriebsbefehlsdaten für die Schleifmaschine zu erstellen. Das maschinelle Lernen verwendet die Betriebsbefehlsdaten und die Belohnungen, die sich auf mehrere Werkstücke beziehen. Obwohl eine große Datenmenge verwendet wird, um das zweite Lernmodell zu erstellen, erleichtert die Verwendung des maschinellen Lernens die Erstellung des zweiten Lernmodells. Des Weiteren stellt das maschinelle Lernen die Betriebsbefehlsdaten für die Schleifmaschine so ein, um die Belohnung zu erhöhen, die auf der Basis der Oberflächenzustandsdaten bestimmt wird, nachdem das Werkstück geschliffen wurde. Somit werden die Betriebsbefehlsdaten in Übereinstimmung mit dem Oberflächenzustand der Schleifscheibe erstellt.
Ein vierter Aspekt der Erfindung stellt eine Aktualisierungsvorrichtung zum Aktualisieren von Schleifmaschinenbetriebsbefehlsdaten bereit, welche die Einstellmodell-Erstellungsvorrichtung gemäß dem dritten Aspekt und eine Betriebsbefehlsdaten-Einstelleinheit aufweist. Die Betriebsbefehlsdaten-Einstelleinheit stellt das Betriebsbefehlsdatenstück für ein erstes neues Werkstück ein, das nach einem zweiten neuen Werkstück zu schleifen ist, durch Verwendung des Betriebsbefehlsdatenstück für das zweite neue Werkstück, wobei sich das Oberflächenzustandsdatenstück auf das zweite neue Werkstück, die Belohnung und das zweite Lernmodell bezieht. Gemäß dem vierten Aspekt werden die Betriebsbefehlsdaten durch Verwendung des zweiten Lernmodells aktualisiert, das durch das maschinelle Lernen erstellt wird. Wenn sich somit Schleifzustände ändern, werden die Betriebsbefehlsdaten in Übereinstimmung mit dem vorliegenden Schleifzustand aktualisiert. Diese Aktualisierung der Betriebsbefehlsdaten ermöglicht das Durchführen des Schleifens in Übereinstimmung mit dem Oberflächenzustand der Schleifscheibe.
Figurenliste
Die vorstehenden und weiteren Merkmale und Vorteile der Erfindung werden aus der folgenden Beschreibung von beispielhaften Ausführungsbeispielen in Bezug auf die zugehörigen Zeichnungen klarer, in denen gleiche Bezugszeichen verwendet werden, um gleiche Elemente darzustellen. In den Zeichnungen:

1 ist eine Draufsicht auf eine Schleifmaschine;
2 ist ein funktionelles Blockschaltbild, das die allgemeine Struktur einer maschinellen Lernvorrichtung gemäß einem ersten Ausführungsbeispiel darstellt;
3 ist ein funktionelles Blockschaltbild, das die detaillierte Struktur der maschinellen Lernvorrichtung gemäß dem ersten Ausführungsbeispiel darstellt;
4 ist ein funktionelles Blockschaltbild, das die detaillierte Struktur einer Schätzphase der maschinellen Lernvorrichtung gemäß dem ersten Ausführungsbeispiel darstellt;
5 ist ein funktionelles Blockschaltbild, das die allgemeine Struktur einer maschinellen Lernvorrichtung gemäß einem zweiten Ausführungsbeispiel darstellt;
6 ist ein funktionelles Blockschaltbild, das die detaillierte Struktur einer Lernphase der maschinellen Lernvorrichtung gemäß dem zweiten Ausführungsbeispiel darstellt; und
7 ist ein funktionelles Blockschaltbild, das die detaillierte Struktur einer Schätzphase der maschinellen Lernvorrichtung gemäß dem zweiten Ausführungsbeispiel darstellt.

Detaillierte Beschreibung der Ausführungsbeispiele
Die Struktur einer Schleifmaschine 1 wird in Bezug auf 1 beschrieben. Die Schleifmaschine 1 wird zum Schleifen eines Werkstücks W verwendet. Die Schleifmaschine 1 ist eine beliebige Art einer Schleifmaschine, einschließlich einer Außenrundschleifmaschine und einer Nockenschleifmaschine. Gemäß dem ersten Ausführungsbeispiel ist die Schleifmaschine 1 eine Außenrundschleifmaschine vom Typ mit Scheibentraverse. Alternativ kann die Schleifmaschine 1 vom Tischquertyp sein.
Die Schleifmaschine 1 umfasst hauptsächlich ein Bett 11, einen Spindelstock 12, einen Reitstock 13, eine Querbasis 14, einen Radspindelstock 15, eine Schleifscheibe 16, eine Bestimmungsvorrichtung für die Größe 17, eine Schleifscheibenkorrekturvorrichtung 18, eine Kühlmittelvorrichtung 19 und eine Steuerungseinrichtung 20.
Das Bett 11 ist auf einer Montagefläche befestigt. Der Spindelstock 12 ist auf der Oberseite des Bettes 11 montiert. Der Spindelstock 12 befindet sich näher an einer Vorderseite des Bettes 11 in einer X-Achsenrichtung (d.h. Unterseite in 1) und befindet sich näher an einer Seite des Bettes 11 in einer Z-Achsenrichtung (d.h. linke Seite in 1). Der Spindelstock 12 lagert das Werkstück W derart, dass das Werkstück W um die Z-Achse drehbar ist. Das Werkstück W wird durch Antreiben eines Motors 12a gedreht, der an dem Spindelstock 12 montiert ist. Der Reitstock 13 ist an der Oberseite des Bettes 11 montiert und liegt dem Spindelstock 12 in der Z-Achsenrichtung gegenüber. Das heißt, der Reitstock 13 befindet sich näher an der Vorderseite des Bettes 11 in der X-Achsenrichtung und befindet sich näher an der anderen Seite des Bettes 11 in der Z-Achsenrichtung (d.h. rechte Seite in 1). Somit wird das Werkstück W an beiden Enden durch den Spindelstock 12 und den Reitstock 13 drehbar gelagert.
Die Querbasis 14 ist an der Oberseite des Bettes 11 montiert und ist in der Z-Achsenrichtung beweglich. Die Querbasis 14 wird nachfolgend manchmal als bewegliches Element 14 bezeichnet. Die Querbasis 14 wird durch Antreiben eines Motors 14a bewegt, der an dem Bett 11 montiert ist. Der Radspindelstock 15 ist an der Oberseite der Querbasis 14 montiert und ist in der X-Achsenrichtung beweglich. Der Radspindelstock 15 wird im Folgenden manchmal als bewegliches Element 15 bezeichnet. Der Radspindelstock 15 wird durch Antreiben eines Motors 15a bewegt, der an der Querbasis 14 montiert ist. Die Schleifscheibe 16 ist drehbar durch den Radspindelstock 15 gelagert. Die Schleifscheibe 16 wird durch Antreiben eines Motors 16a gedreht, der an dem Radspindelstock 15 montiert ist. Die Schleifscheibe 16 weist Schleifkörner auf, die durch ein Bindematerial zusammengehalten werden.
Die Bestimmungsvorrichtung für die Größe 17 misst die Größe (z.B. den Durchmesser) des Werkstücks W. Die Schleifscheibenkorrekturvorrichtung 18 korrigiert die Form der Schleifscheibe 16. Die Schleifscheibenkorrekturvorrichtung 18 führt das Profilieren der Schleifscheibe 16 durch. Die Schleifscheibenkorrekturvorrichtung 18 kann das Abrichten der Schleifscheibe 16 zusätzlich oder anstelle des Profilierens durchführen. Die Schleifscheibenkorrekturvorrichtung 18 hat auch die Funktion, die Größe (z.B. den Durchmesser) der Schleifscheibe 16 zu messen.
Das Profilieren ist der Prozess des Korrigierens der Form der Schleifscheibe 16 und umfasst zum Beispiel das Folgende: Wenn die Schleifscheibe 16 durch Gebrauch abnutzt, Formen der Schleifscheibe 16 in Übereinstimmung der Form des Werkstücks W; und Entfernen der Unrundheit der Schleifscheibe 16 aufgrund von unregelmäßigem Verschleiß. Das Abrichten ist der Prozess des Abrichtens (Schärfens) der Schleifscheibe 16 und umfasst zum Beispiel das Folgende: Einstellen der Vorsprungshöhe von Schleifkörnern in der Schleifscheibe 16; Regenerieren der Schneidkanten der Schleifkörner; und Beseitigung von Verglasung, Belastung und Ablösung. Normalerweise wird das Abrichten nach dem Profilieren durchgeführt.
Die Kühlmittelvorrichtung 19 führt einem Kontaktpunkt zwischen der Schleifscheibe 16 und dem Werkstück W ein Kühlmittel zu. Die Kühlmittelvorrichtung 19 sammelt das Kühlmittel, kühlt das gesammelte Kühlmittel auf eine vorgegebene Temperatur und führt das gekühlte Kühlmittel dem Kontaktpunkt zwischen der Schleifscheibe 16 und dem Werkstück W wieder zu.
Die Steuerungseinrichtung 20 steuert Antriebsvorrichtungen auf der Basis eines numerischen Steuerprogramms (NC-Programms), das auf der Basis von Betriebsbefehlsdaten erstellt wird, die Informationen über die Form des Werkstücks W, Bearbeitungszustände, die Form der Schleifscheibe 16 und den Zeitpunkt enthalten, wann das Kühlmittel zuzuführen ist, usw. Insbesondere empfängt die Steuerungseinrichtung 20 die Betriebsbefehlsdaten als Eingabe, erstellt das NC-Programm auf der Basis der Betriebsbefehlsdaten und steuert die Motoren 12a, 14a, 15a und 16a und die Kühlmittelvorrichtung 19 auf der Basis des NC-Programms, wodurch das Schleifen des Werkstücks W durchgeführt wird. Die Steuerungseinrichtung 20 fährt fort, das Werkstück W zu schleifen, bis das Werkstück W auf der Basis des Durchmessers des Werkstücks W, der von der Bestimmungsvorrichtung für die Größe 17 gemessen wird, zu einer vorgegebenen Endform geschliffen ist. Des Weiteren korrigiert die Steuerungseinrichtung 20 die Schleifscheibe 16 zu dem Zeitpunkt, zu dem die Schleifscheibe 16 zu korrigieren ist (d.h. führt das Profilieren und Abrichten durch), durch Steuern der Motoren 14a, 15a und 16a, der Schleifscheibenkorrekturvorrichtung 18, usw.
Obwohl in 1 nicht dargestellt, umfasst die Schleifmaschine 1 verschiedene Arten von Sensoren 21, 22 und 23 (siehe zum Beispiel 3), die später beschrieben werden. Zum Beispiel kann die Schleifmaschine 1 die folgenden Sensoren umfassen: einen Sensor zum Erfassen tatsächlicher Betriebsdaten bezüglich des tatsächlichen Betriebs jedes Motors; einen Sensor zum Erfassen von Zuständen von Strukturelementen, welche die Schleifmaschine 1 strukturieren; die Bestimmungsvorrichtung für die Größe 17; einen Sensor zum Erfassen des Durchmessers der Schleifscheibe 16; und einen Temperatursensor. Details der Sensoren werden später beschrieben.
Als nächstes wird der allgemeine Struktur einer maschinellen Lernvorrichtung 100 gemäß dem ersten Ausführungsbeispiel in Bezug auf 2 beschrieben. Die maschinelle Lernvorrichtung 100 führt Folgendes durch: (a) Erstellen eines erstes Lernmodells zum Schätzen des Oberflächenzustands der Schleifscheibe 16; und (b) Schätzen des Oberflächenzustands der Schleifscheibe 16 durch Verwendung des ersten Lernmodells. Die maschinelle Lernvorrichtung 100 kann entweder von der Schleifmaschine 1 getrennt oder in die Schleifmaschine 1 integriert sein, zum Beispiel in die Steuerungseinrichtung 20. Gemäß dem ersten Ausführungsbeispiel ist die maschinelle Lernvorrichtung 100 über eine Netzwerkleitung mit der Schleifmaschine 1 verbunden und tauscht verschiedene Arten von Daten mit der Schleifmaschine 1 aus.
Die maschinelle Lernvorrichtung 100 umfasst Elemente 101a, 101 b und 101c und Elemente 102a und 102b. Die Elemente 101a, 101 b und 101 c arbeiten in einer ersten Lernphase 101, die das erste Lernmodell erstellt. Die Elemente 102a und 102b arbeiten in einer Schätzphase 102 (typischerweise Inferenzphase genannt), die den Oberflächenzustand der Schleifscheibe 16 schätzt. Insbesondere erhält das Element 101a in der ersten Lernphase 101 die ersten Eingabedaten für das erste Lernen, das Element 101b erhält überwachte Daten für das erste Lernen und das Element 101c erstellt das erste Lernmodell.
Die durch das Element 101a erhaltenen Eingabedaten für das erste Lernen sind Eingabedaten, die beim maschinellen Lernen zu verwenden sind. Zum Beispiel umfassen die Eingabedaten für das erste Lernen die Betriebsbefehlsdaten, die tatsächlichen Betriebsdaten, erste Messdaten (Daten, die Zustände von Strukturelementen angeben) und zweite Messdaten (Daten, die sich auf einen geschliffenen Abschnitt des geschliffenen Werkstücks W beziehen).
Die vom Element 101b erhaltenen überwachten Daten für das erste Lernen sind überwachte Daten, die für das überwachte Lernen beim maschinellen Lernen zu verwenden sind. Die überwachten Daten für das erste Lernen sind Daten, die den Oberflächenzustand der Schleifscheibe 16 angeben (nachstehend als „Oberflächenzustandsdaten der Schleifscheibe 16“ bezeichnet). Beispiele der Oberflächenzustandsdaten der Schleifscheibe 16 können Daten bezüglich des Auftretens von Verglasung, Belastung oder Ablösung der Schleifscheibe 16 und Daten bezüglich des Auftretens eines übermäßigen Schärfens der Schleifscheibe 16 umfassen.
Die Oberfläche der Schleifscheibe 16 beeinflusst die Qualität des geschliffenen Werkstücks W. Das heißt, der Oberflächenzustand der Schleifscheibe 16 gibt den Grad des Einflusses auf die Qualität des geschliffenen Werkstücks Wan. Beispiele für den Oberflächenzustand der Schleifscheibe 16 können die folgenden Zustände umfassen: Verglasung, Belastung oder Ablösung tritt auf der Oberfläche der Schleifscheibe 16 auf; und die Oberfläche der Schleifscheibe 16 ist übermäßig geschärft. Wenn der Oberflächenzustand der Schleifscheibe 16 nicht gut ist, kann sich die Qualität des Werkstücks W, das mit der Schleifscheibe 16 geschliffen wird, verschlechtern. Aus diesem Grund ist es notwendig, den Oberflächenzustand der Schleifscheibe 16 zu erfassen.
Wenn an der Oberfläche der Schleifscheibe 16 eine Verglasung, Belastung oder Ablösung auftritt, ist es erforderlich, den Abrichtprozess oder den Profilierungsprozess zum Umformen vor dem Abrichtprozess durchzuführen. Wenn die Oberfläche der Schleifscheibe 16 übermäßig geschärft ist, ist es notwendig, den Profilierungsprozess durchzuführen. Normalerweise folgt auf den Profilierungsprozess der Abrichtprozess. Die Schleifscheibe 16 muss durch eine neue ersetzt werden, wenn der Profilierungsprozess eine vorgegebene Anzahl von Malen durchgeführt wird oder wenn der Profilierungsprozess eine vorgegebene Menge von der Schleifscheibe 16 entfernt, um die Schleifscheibe 16 umzuformen.
Um die Lebensdauer der Schleifscheibe 16 zu erhöhen, ist es notwendig, die Häufigkeit der Profilierungs- und Abrichtprozesse zu reduzieren. Des Weiteren erhöhen die Zeit, die zum Durchführen der Profilierungs- und Abrichtprozesse benötigt wird, und die Zeit, die zum Ersetzen der Schleifscheibe 16 benötigt wird, die Schleifzykluszeit. Es ist allgemein erforderlich, die Schleifzykluszeit zu reduzieren. Unter diesem Gesichtspunkt ist es auch notwendig, den Oberflächenzustand der Schleifscheibe 16 zu erfassen. Aus diesem Grund erhält das Element 101b die Oberflächenzustandsdaten der Schleifscheibe 16 als die überwachten Daten für das erste Lernen. Die Oberflächenzustandsdaten der Schleifscheibe 16 sind Daten, die den Grad des Einflusses auf die Qualität des geschliffenen Werkstücks W angeben.
Das Element 101c erstellt das erste Lernmodell durch das überwachte Lernen im maschinellen Lernen auf der Basis der Eingabedaten für das erste Lernen und der überwachten Daten für das erste Lernen. Das erste Lernmodell ist ein Modell (eine Funktion), das zum Schätzen des Oberflächenzustands der Schleifscheibe 16 verwendet wird. Alternativ kann das erste Lernmodell durch nicht bewachtes Lernen erstellt werden, so dass das erste Lernmodell verwendet werden kann, um den Oberflächenzustand der Schleifscheibe 16 zu klassifizieren. Das Erstellen des ersten Lernmodells durch das überwachte Lernen ermöglicht es jedoch, den Oberflächenzustand der Schleifscheibe 16 mit hoher Genauigkeit zu schätzen.
Als nächstes werden die Elemente 102a und 102b der maschinellen Lernvorrichtung 100 beschrieben. Wie bereits beschrieben, arbeiten die Elemente 102a und 102b in der Schätzphase 102, die den Oberflächenzustand der Schleifscheibe 16 schätzt. Das Element 102a erhält Schätzeingabedaten. Die durch das Element 102a erhaltenen Schätzeingabedaten haben den gleichen Datentyp wie die Eingabedaten für das erste Lernen und werden in Verbindung mit dem Schleifen eines Werkstücks W (eines neuen Werkstücks W) anders als die Werkstücke W erhalten, die zum Erstellen des ersten Lernmodells verwendet wurden.
Dagegen schätzt das Element 102b den Oberflächenzustand der Schleifscheibe 16 und bestimmt, ob die folgenden Prozesse auszuführen sind: Profilieren der Schleifscheibe 16; Abrichten der Schleifscheibe 16; und Ersetzen der Schleifscheibe 16. Das Element 102b schätzt den Oberflächenzustand der Schleifscheibe 16 durch Verwendung der Schätzeingabedaten und des ersten Lernmodells und bestimmt dann auf der Basis des geschätzten Oberflächenzustands, ob die vorherigen Prozesse wie das Profilieren der Schleifscheibe 16 durchzuführen sind. Das erste Lernmodell, das von dem Element 102b zu verwenden ist, wird durch maschinelles Lernen in der ersten Lernphase 101 erstellt.
Die Struktur der Schleifmaschine 1 in Bezug auf die maschinelle Lernvorrichtung 100 wird in Bezug auf 3 beschrieben. Wie in 3 dargestellt, umfasst die Schleifmaschine 1 die Steuerungseinrichtung 20. Die Steuerungseinrichtung 20 ist eine sogenannte CNC-Steuerungseinrichtung (Computerized Numerical Control). Wie bereits beschrieben, erstellt die Steuerungseinrichtung 20 ein NC-Programm auf der Basis der Betriebsbefehlsdaten und steuert die Antriebsvorrichtungen 12a, 14a, 15a, 16a, 17 und 18 (in 3 zusammen als „12a und dergleichen“ bezeichnet) auf der Basis des NC-Programms.
Die Strukturelemente 12, 13, 14 und 15 (in 3 gemeinsam als „15 und dergleichen“ bezeichnet) werden durch Antreiben der Antriebsvorrichtungen 12a, 14a, 15a, 16a, 17 und 18 betrieben. Die Betriebe der Strukturelemente 12, 13, 14 und 15 bewirken, dass die Schleifscheibe 16 das Werkstück W schleift. Ein „geschliffener Abschnitt“ in 3 betrifft einen Abschnitt des Werkstücks W, der mit der Schleifscheibe 16 geschliffen ist.
Die Schleifmaschine 1 umfasst des Weiteren die folgenden Sensoren: den Sensor 21 zum Erfassen tatsächlicher Betriebsdaten bezüglich des tatsächlichen Betriebs der Antriebsvorrichtungen 12a, 14a, 15a, 16a, 17 und 18; den Sensor 22 zum Erfassen von Zuständen der Strukturelemente 12, 13, 14 und 15 (d.h. zum Erfassen von Daten, die Zustände der Strukturelemente angeben); und den Sensor 23 zum Erfassen von Daten (Daten des geschliffenen Abschnitts) über den geschliffenen Abschnitt des Werkstücks W, dessen Form sich ändert, wenn das Werkstück W geschliffen wird. Der Sensor 21 umfasst zum Beispiel einen Stromsensor zum Erfassen des Antriebsstroms zu dem Motor 12a und einen Positionssensor zum Erfassen einer gegenwärtigen Position (eines Drehwinkels) des Motors 12a. Für die anderen Antriebsvorrichtungen 14a, 15a, 16a, 17 und 18 erfasst der Sensor 21 den gleichen Informationstyp wie zuvor für den Motor 12a beschrieben. Der Sensor 22 umfasst zum Beispiel einen Vibrationssensor zum Erfassen von Vibrationen der Strukturelemente 12, 13, 14 und 15 und einen Dehnungsmesssensor zum Erfassen des Grades der Verformung der Strukturelemente 12, 13, 14 und 15. Beispiele des Vibrationssensors umfassen einen Sensor zum Erfassen einer Beschleunigung aufgrund der Vibrationen und einen Sensor zum Erfassen von Schallwellen aufgrund der Vibrationen. Der Sensor 23 umfasst zum Beispiel eine Bestimmungsvorrichtung für die Größe zum Erfassen der Größe (des Durchmessers) des Werkstücks W, die sich ändert, wenn das Werkstück W geschliffen wird, und einen Temperatursensor zum Erfassen einer Temperatur an dem Kontaktpunkt zwischen der Schleifscheibe 16 und dem mit der Schleifscheibe 16 geschliffenen Werkstück W.
Die Struktur einer externen Vorrichtung 2 in Bezug auf die maschinelle Lernvorrichtung 100 wird in Bezug auf 3 beschrieben. Beim Schleifen von Werkstücken W mit der Schleifscheibe 16 in der Schleifmaschine 1 erfasst die externe Vorrichtung 2 Daten, die mit den Oberflächenzustandsdaten der Schleifscheibe 16 für jedes der Werkstücke W korrelieren. Die Oberflächenzustandsdaten der Schleifscheibe 16 sind Daten, die den Grad des Einflusses auf die Qualität des geschliffenen Werkstücks W angeben. Das heißt, Daten über die Qualität des geschliffenen Werkstücks W werden als Daten verwendet, die mit den Oberflächenzustandsdaten der Schleifscheibe 16 korrelieren. Insbesondere umfassen die Oberflächenzustandsdaten der Schleifscheibe 16 die folgenden Daten, die den Grad des Einflusses auf die Qualität des geschliffenen Werkstücks W angeben: erste Oberflächenzustandsdaten, die dem Zustand einer beschädigten Schicht des Werkstücks W entsprechen (z.B. Daten über Schleifbrand); zweite Oberflächenzustandsdaten, die der Oberflächentextur des Werkstücks W entsprechen (z.B. Daten über die Oberflächenrauheit); und dritte Oberflächenzustandsdaten, die dem Zustand eines Rattermusters auf dem Werkstück W entsprechen.
Das heißt, die externe Vorrichtung 2 umfasst das Folgende: einen Detektor für beschädigte Schichten zum Erhalten von Daten der beschädigten Schicht (z.B. Daten über Schleifbrand, Daten über eine durch Schleifen verursachte erweichte Schicht usw.); ein Oberflächentexturmessgerät zum Erhalten von Oberflächentexturdaten (z.B. Daten über die Oberflächenrauheit); und einen Ratterdetektor zum Erhalten von Rattermusterdaten. Die externe Vorrichtung 2 kann direkt die Daten der beschädigten Schicht, die Oberflächentexturdaten und die Rattermusterdaten erhalten. Alternativ kann die externe Vorrichtung 2 indirekt die Daten der beschädigten Schicht, die Oberflächentexturdaten und die Rattermusterdaten wie folgt erhalten: erhält zuerst andere Daten, die mit den Daten der beschädigten Schicht, den Oberflächentexturdaten und den Rattermusterdaten korrelieren; und erhält dann die Daten der beschädigten Schicht, die Oberflächentexturdaten und die Rattermusterdaten durch Berechnung mittels Verwendung der anderen Daten.
Die Daten der beschädigten Schicht können angeben, ob das geschliffene Werkstück W eine beschädigte Schicht aufweist. Alternativ können die Daten der beschädigten Schicht eine Bewertung sein, die den Grad der beschädigten Schicht angibt. Die Oberflächentexturdaten können ein exakter Wert der Oberflächenrauheit des geschliffenen Werkstücks W sein. Alternativ können die Oberflächentexturdaten eine Bewertung sein, die den Grad der Oberflächenrauheit angibt. Die Rattermusterdaten können angeben, ob das geschliffene Werkstück W ein Rattermuster aufweist. Alternativ können die Rattermusterdaten eine Bewertung sein, die den Grad des Rattermusters angibt. Zum Beispiel kann jede Bewertung in Noten ausgedrückt werden.
Die detaillierte Struktur der ersten Lernphase 101 der maschinellen Lernvorrichtung 100 wird in Bezug auf 3 beschrieben. Die Struktur der ersten Lernphase 101 entspricht einer Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands.
Die Struktur der ersten Lernphase 101 umfasst das Folgende: eine erste Eingabedaten-Erhaltungseinheit 130 zum Erhalten von ersten Eingabedaten; eine Oberflächenzustandsdaten-Erhaltungseinheit 140 zum Erhalten der Oberflächenzustandsdaten der Schleifscheibe 16; eine erste Lernmodell-Erstellungseinheit 150; und einen ersten Lernmodellspeicher 160.
Die erste Eingabedaten-Erhaltungseinheit 130 erhält als die Eingabedaten für das erste Lernen für das maschinelle Lernen die ersten Eingabedaten, die sich auf mehrere Werkstücke W beziehen. Jedes Mal, wenn das Schleifen eines der Werkstücke W beendet ist, erhält die Oberflächenzustandsdaten-Erhaltungseinheit 140 als die überwachten Daten für das erste Lernen für das maschinelle Lernen die Oberflächenzustandsdaten der Schleifscheibe 16, die sich auf das geschliffene Werkstück W beziehen. Beispiele der Eingabedaten für das erste Lernen und der überwachten Daten für das erste Lernen sind in Tabelle 1 gezeigt. Obwohl Tabelle 1 zeigt, dass die Eingabedaten für das erste Lernen verschiedene Datenelemente umfassen, umfassen die Eingabedaten für das erste Lernen nicht notwendigerweise alle Datenelement, die in Tabelle 1 gezeigt sind, und umfassen möglicherweise nur einige der Datenelemente.
Die erste Eingabedaten-Erhaltungseinheit 130 umfasst eine betriebsbezogene Datenerhaltungseinheit 110 und eine Messdaten-Erhaltungseinheit 120. Die betriebsbezogene Datenerhaltungseinheit 110 umfasst das Folgende: eine Betriebsbefehlsdaten-Erhaltungseinheit 111 zum Erhalten der in die Steuerungseinrichtung 20 einzugebenden Betriebsbefehlsdaten; und eine Einheit 112 zum Erhalten von tatsächlichen Betriebsdaten, um von dem Sensor 21 tatsächliche Betriebsdaten über den tatsächlichen Betrieb der Antriebsvorrichtungen 12a, 14a, 15a, 16a, 17 und 18 zu erhalten, die von der Steuerungseinrichtung 20 gesteuert werden.
Wie in Tabelle 1 gezeigt, umfassen die Betriebsbefehlsdaten der betriebsbezogenen Daten das Folgende: eine Befehlsschnittgeschwindigkeit für jede Stufe des Schleifens; eine Befehlsposition für jedes der beweglichen Elemente 14 und 15 beim Übergang zwischen den Stufen; eine Befehlsdrehzahl für die Schleifscheibe 16; eine Befehlsdrehzahl für das Werkstück W; und Informationen zur Kühlmittelversorgung. Der Prozess des Schleifens des Werkstücks W umfasst zum Beispiel mehrere Schritte, einschließlich Grobschleifen, Präzisionsschleifen, Feinschleifen und Ausfunken. Wie in Tabelle 1 gezeigt, umfassen die tatsächlichen Betriebsdaten der betriebsbezogenen Daten das Folgende: Antriebsströme durch die Antriebsvorrichtungen wie den Motor 12a; und tatsächliche Positionen der Antriebsvorrichtungen, wie etwa des Motors 12a. Die Einheit 112 zum Erhalten der tatsächlichen Betriebsdaten erhält die tatsächlichen Betriebsdaten für eine vorgegebene Zeitspanne für jedes Werkstück W. Zum Beispiel kann die vorgegebene Zeitspanne von dem Start bis zu dem Ende des Schleifprozesses des Werkstücks W oder von dem Start bis zu dem Ende einer Stufe des Schleifprozesses, wie etwa der Grobschleifstufe, sein. Bevor der Schleifprozess einen stationären Zustand erreicht, können die tatsächlichen Betriebsdaten instabil sein. Daher können die tatsächlichen Betriebsdaten nur erhalten werden, nachdem der Schleifzustand einen stationären Zustand erreicht hat.
Die Messdaten-Erhaltungseinheit 120 umfasst das Folgende: eine Erstmessdaten-Erhaltungseinheit 121 zum Erhalten der ersten Messdaten von dem Sensor 22; und eine Zweitmessdaten-Erhaltungseinheit 122 zum Erhalten der zweiten Messdaten von dem Sensor 23. Die ersten Messdaten sind Daten, die beim Schleifen des Werkstücks W mit der Schleifscheibe 16 gemessen werden. Zum Beispiel umfassen die ersten Messdaten Vibrationen der Strukturelemente 12, 13, 14 und 15 und den Grad der Verformung der Strukturelemente 12, 13, 14 und 15. Die zweiten Messdaten sind Daten, die beim Schleifen des Werkstücks W mit der Schleifscheibe 16 gemessen werden. Zum Beispiel umfassen die zweiten Messdaten die Größe (z.B. den Durchmesser) des Werkstücks W und eine Temperatur am Kontaktpunkt zwischen der Schleifenscheibe 16 und dem Werkstück W.
Die Erstmessdaten-Erhaltungseinheit 121 erhält die ersten Messdaten für eine vorgegebene Zeitspanne für jedes Werkstück W. Die Zweitmessdaten-Erhaltungseinheit 122 erhält die zweiten Messdaten für eine vorgegebene Zeitspanne für jedes Werkstück W. Insbesondere werden sowohl die ersten Messdaten als auch die zweiten Messdaten für die gleiche Zeitspanne als die tatsächlichen Betriebsdaten erhalten. Wie bereits beschrieben, kann die vorgegebene Zeitspanne zum Beispiel von dem Start bis zu dem Ende des Schleifprozesses oder von dem Start bis zu dem Ende einer Stufe des Schleifprozesses, zum Beispiel der Grobschleifstufe, sein.
Die Oberflächenzustandsdaten-Erhaltungseinheit 140 erhält als die überwachten Daten für das erste Lernen für das überwachte Lernen die Oberflächenzustandsdaten der Schleifscheibe 16, die den durch die externe Vorrichtung 2 erhaltenen Daten über die Qualität des geschliffenen Werkstücks W entsprechen. Die Oberflächenzustandsdaten der Schleifscheibe 16 umfassen das Folgende: die ersten Oberflächenzustandsdaten, die dem Zustand der beschädigten Schicht des Werkstücks W entsprechen (z.B. dem Grad des Schleifbrands, der Bildung einer erweichten Schicht aufgrund des Schleifens usw.); die zweiten Oberflächenzustandsdaten, die der Oberflächentextur (z.B. der Oberflächenrauheit) des Werkstücks W entsprechen; und die dritten Oberflächenzustandsdaten, die dem Zustand des Rattermusters auf dem Werkstück W entsprechen.
Die ersten Oberflächenzustandsdaten können die Daten der beschädigten Schicht selbst sein (z.B. Daten über den Grad des Schleifbrands, Daten über eine durch Schleifen verursachte erweichte Schicht usw.). Alternativ können die ersten Oberflächenzustandsdaten auf der Basis der Daten der beschädigten Schicht berechnet werden. Die zweiten Oberflächenzustandsdaten können die Oberflächentexturdaten selbst sein, die sich auf das Werkstück W beziehen (z.B. Daten über die Oberflächenrauheit). Alternativ können die zweiten Oberflächenzustandsdaten auf der Basis der Oberflächentexturdaten berechnet werden. Die dritten Oberflächenzustandsdaten können die Rattermusterdaten selbst sein. Alternativ können die dritten Oberflächenzustandsdaten auf der Basis der Rattermusterdaten berechnet werden.
Die erste Lernmodell-Erstellungseinheit 150 erstellt das erste Lernmodell mittels Durchführen des überwachten Lernens. Insbesondere erstellt die erste Lernmodell-Erstellungseinheit 150 das erste Lernmodell zum Schätzen des Oberflächenzustands der Schleifscheibe 16 mittels Durchführen des maschinellen Lernens das als die ersten Eingabedaten für das Lernen die ersten Eingabedaten verwendet, die sich auf mehrere Werkstücke beziehen und die von der ersten Eingabedaten-Erhaltungseinheit 130 erhalten werden, als die überwachten Daten für das erste Lernen die die Oberflächenzustandsdaten der Schleifscheibe 16 für jedes Werkstück W verwendet, die von der Oberflächenzustandsdaten-Erhaltungseinheit 140 erhalten werden.
Das heißt, die erste Lernmodell-Erstellungseinheit 150 erstellt das erste Lernmodell durch maschinelles Lernen, das die Betriebsbefehlsdaten, die tatsächlichen Betriebsdaten, die ersten Messdaten und die zweiten Messdaten als die Eingabedaten für das erste Lernen verwendet, und das die Oberflächenzustandsdaten der Schleifscheibe 16 als die überwachten Daten für das erste Lernen verwendet. Das erste Lernmodell beschreibt das Verhältnis zwischen den Eingabedaten für das erste Lernen und den überwachten Daten für das erste Lernen.
Aus allen Eingabedaten für das erste Lernen werden für jedes Werkstück W zumindest die tatsächlichen Betriebsdaten, die ersten Messdaten und die zweiten Messdaten für eine vorgegebene Zeitspanne erhalten. Infolgedessen wird die Menge der Eingabedaten für das erste Lernen, die sich auf ein Werkstück W beziehen, groß. Daher wird die Menge der Eingabedaten für das erste Lernen, die sich auf mehrere Werkstücke W beziehen, extrem groß. Die Verwendung von maschinellem Lernen macht es jedoch einfach, das erste Lernmodell durch Verwendung der extrem großen Menge der Eingabedaten für das erste Lernen zu erstellen, die sich auf mehrere Werkstücke W beziehen. Auf diese Weise wird das erste Lernmodell erstellt, indem die extrem große Menge der Eingabedaten für das erste Lernen berücksichtigt wird, die den Oberflächenzustand der Schleifscheibe 16 beeinflussen. Dies ermöglicht es dem ersten Lernmodell, den Oberflächenzustand der Schleifscheibe 16 zu schätzen, wie später beschrieben wird.
Das erste Lernmodell wird verwendet, um den Grad des Einflusses auf die Qualität des geschliffenen Werkstücks W als den Oberflächenzustand der Schleifscheibe 16 zu schätzen. Zum Beispiel wird das erste Lernmodell verwendet, um die folgenden Zustände als den Oberflächenzustand der Schleifscheibe 16 zu schätzen: Verglasung, Belastung oder Ablösung treten auf der Oberfläche der Schleifscheibe 16 auf; und die Oberfläche der Schleifscheibe 16 ist übermäßig geschärft.
Zum Beispiel wird das erste Lernmodell verwendet, um die folgenden Zustände als Oberflächenzustand der Schleifscheibe 16 zu schätzen: einen ersten Oberflächenzustand, der dem Zustand einer beschädigten Schicht des Werkstücks W entspricht; einen zweiten Oberflächenzustand, welcher der Oberflächentextur des Werkstücks W entspricht; und einen dritten Oberflächenzustand, der dem Zustand eines Rattermusters auf dem Werkstück W entspricht. Das erste Lernmodell kann verwendet werden, um entweder alle oder einen oder zwei der ersten, zweiten und dritten Oberflächenzustände zu schätzen. Das erste Lernmodell, das von der ersten Lernmodell-Erstellungseinheit 150 erstellt wird, wird in dem ersten Lernmodellspeicher 160 gespeichert.
Wenn zum Beispiel die vorgegebene Zeitspanne, für welche die zum Erstellen des ersten Lernmodells verwendeten Daten erhalten werden, von dem Start bis zu dem Ende des Schleifprozesses ist, berücksichtigt das erste Lernmodell alle Stufen des Schleifprozesses. Als ein anderes Beispiel berücksichtigt das erste Lernmodell nur die Grobschleifstufe, wenn die vorgegebene Zeitspanne, für welche die zum Erstellen des ersten Lernmodells verwendeten Daten erhalten werden, von dem Start bis zu dem Ende der Grobschleifstufe ist. Wenn es notwendig ist, zu identifizieren, welche Stufe die Qualität des geschliffenen Werkstücks W beeinflusst, kann das erste Lernmodell für jede Stufe erstellt werden.
Die detaillierte Struktur der Schätzphase 102 der maschinellen Lernvorrichtung 100 wird in Bezug auf 4 beschrieben. Die Struktur der ersten Lernphase 101 und die Struktur der Schätzphase 102 entsprechen einer Schleifscheibenoberflächenzustands-Schätzvorrichtung. Die Struktur der ersten Lernphase 101 wurde bereits beschrieben und wird daher hier nicht beschrieben.
Die Struktur der Schätzphase 102 umfasst das Folgende: die erste Eingabedaten-Erhaltungseinheit 130 zum Erhalten der ersten Eingabedaten; den ersten Lernmodellspeicher 160; eine Oberflächenzustands-Schätzeinheit 170; und eine Bestimmungseinheit 180. Die erste Eingabedaten-Erhaltungseinheit 130 erhält erste Eingabedaten für eine vorgegebene Zeitspanne beim Schleifen eines neuen Werkstücks W auf die gleiche Weise wie zuvor für die erste Lernphase 101 beschrieben. Die vorgegebene Zeitspanne in der Schätzphase 102 ist dieselbe wie die vorgegebene Zeitspanne in der ersten Lernphase 101. Wie zuvor beschrieben, speichert der erste Lernmodellspeicher 160 das erste Lernmodell, das von der ersten Lernmodell-Erstellungseinheit 150 erstellt wurde, in der ersten Lernphase 101.
Die Oberflächenzustands-Schätzeinheit 170 schätzt den Oberflächenzustand der Schleifscheibe 16, nachdem das neue Werkstück W geschliffen wurde, durch Verwendung des in dem ersten Lernmodellspeicher 160 gespeicherten ersten Lernmodells und durch Verwendung der erhaltenen ersten Eingabedaten als Schätzeingabedaten für die vorgegebene Zeitspanne beim Schleifen des neuen Werkstücks W. Wie bereits beschrieben, beschreibt das erste Lernmodell das Verhältnis zwischen den Eingabedaten für das erste Lernen und den überwachten Daten für das erste Lernen.
Somit schätzt die Oberflächenzustands-Schätzeinheit 170 den Grad des Einflusses auf die Qualität des geschliffenen Werkstücks W als den Oberflächenzustand der Schleifscheibe 16. Zum Beispiel schätzt die Oberflächenzustands-Schätzeinheit 170 die folgenden Zustände als den Oberflächenzustand der Schleifscheibe 16: den ersten Oberflächenzustand, der dem Zustand der beschädigten Schicht des Werkstücks W entspricht; den zweiten Oberflächenzustand, welcher der Oberflächentextur des Werkstücks W entspricht; und den dritten Oberflächenzustand, der dem Zustand des Rattermusters auf dem Werkstück W entspricht. Die Oberflächenzustands-Schätzeinheit 170 kann entweder alle oder einen oder zwei der ersten, zweiten und dritten Oberflächenzustände schätzen. Zum Beispiel kann die Oberflächenzustands-Schätzeinheit 170 nur den ersten Oberflächenzustand schätzen. In diesem Fall wird das erste Lernmodell als Modell erstellt, das nur den ersten Oberflächenzustand schätzt.
Wie zuvor beschrieben, schätzt die Oberflächenzustands-Schätzeinheit 170 mehrere Zustände als den Oberflächenzustand. Die Verwendung des ersten Lernmodells, das durch das maschinelle Lernen erstellt wird, ermöglicht es der Oberflächenzustands-Schätzeinheit 170, mehrere Zustände auf einfache Weise zu schätzen. Somit schätzt die maschinelle Lernvorrichtung 100 komplizierte Zustände gleichzeitig.
Die Bestimmungseinheit 180 bestimmt auf der Basis des Oberflächenzustands der Schleifscheibe 16, der durch die Oberflächenzustands-Schätzeinheit 170 geschätzt wird, ob zumindest einer der folgenden Prozesse durchzuführen ist: Profilieren der Schleifscheibe 16; Abrichten der Schleifscheibe 16; und Ersetzen der Schleifscheibe 16. Wenn zum Beispiel bestimmt wird, dass das Werkstück W eine beschädigte Schicht hat (d.h. eine vorgegebene Anforderung ist nicht erfüllt), auf der Basis des geschätzten ersten Oberflächenzustands, der dem Zustand der beschädigten Schicht entspricht, bestimmt die Bestimmungseinheit 180 das Abrichten der Schleifscheibe 16 durchgeführt werden muss. Wenn als weiteres Beispiel bestimmt wird, dass der geschätzte zweite Oberflächenzustand, welcher der Oberflächentextur entspricht, eine vorgegebene Anforderung nicht erfüllt, bestimmt die Bestimmungseinheit 180, dass ein Profilieren der Schleifscheibe 16 durchgeführt werden muss. Als ein anderes weiteres Beispiel bestimmt die Bestimmungseinheit 180, wenn bestimmt wird, dass das Werkstück W ein Rattermuster aufweist (d.h. eine vorgegebene Anforderung ist nicht erfüllt), auf der Basis des geschätzten dritten Oberflächenzustands, der dem Zustand des Rattermusters entspricht, das Profilieren der Schleifscheibe 16 durchgeführt werden muss.
Wenn dagegen die geschätzten ersten, zweiten und dritten Oberflächenzustände ihre jeweiligen Anforderungen erfüllen, bestimmt die Bestimmungseinheit 180, dass sich die Schleifscheibe 16 in einem guten Zustand zum Schleifen befindet. In diesem Fall bestimmt die Bestimmungseinheit 180, dass weder ein Abrichten noch ein Profilieren der Schleifscheibe 16 durchgeführt werden muss. Auf diese Weise lässt sich mit der Verwendung des ersten Lernmodells, das beim maschinellen Lernen erstellt wurde, mühelos bestimmen, ob mehrere Anforderungen erfüllt sind.
Eine maschinelle Lernvorrichtung 200 gemäß einem zweiten Ausführungsbeispiel wird in Bezug auf 5 beschrieben. Die maschinelle Lernvorrichtung 200 führt wie die maschinelle Lernvorrichtung 100 gemäß dem ersten Ausführungsbeispiel das Folgende durch: (a) Erstellen eines ersten Lernmodells zum Schätzen des Oberflächenzustands der Schleifscheibe 16; und (b) Schätzen des Oberflächenzustands der Schleifscheibe 16 durch Verwendung des ersten Lernmodells. Um die Qualität eines Werkstücks W zu verbessern, das mit der Schleifscheibe 16 geschliffen wird, und um die Häufigkeit zu reduzieren, mit der die Schleifscheibe 16 korrigiert oder ersetzt wird, führt die maschinelle Lernvorrichtung 200 des Weiteren das Folgende durch: (c) Erstellen eines zweites Lernmodells, das zum Einstellen von Betriebsbefehlsdaten für die Schleifmaschine 1 verwendet wird; und (d) Aktualisieren der Betriebsbefehlsdaten für die Schleifmaschine 1 durch Verwendung des zweiten Lernmodells.
Die maschinelle Lernvorrichtung 200 umfasst die folgenden Elemente: Elemente 101a, 101b und 101c, die in einer ersten Lernphase 101 arbeiten, die das erste Lernmodell erstellt; und Elemente 102a und 102b, die in einer Schätzphase 102 arbeiten, die den Oberflächenzustand der Schleifscheibe 16 schätzt. Die erste Lernphase 101 und die Schätzphase 102 der maschinellen Lernvorrichtung 200 haben jeweils die gleiche Struktur wie die erste Lernphase 101 und die Schätzphase 102 der maschinellen Lernvorrichtung 100, die in dem ersten Ausführungsbeispiel beschrieben wurden.
Des Weiteren umfasst die maschinelle Lernvorrichtung 200 die folgenden Elemente, die in einer zweiten Lernphase 203 arbeiten, die das zweite Lernmodell erstellt: ein Element 203a, das Eingabedaten für das zweite Lernen erhält; ein Element 203b, das Bewertungsergebnisdaten für das zweite Lernen erhält; und ein Element 203c, welches das zweite Lernmodell erstellt.
Die durch das Element 203a erhaltenen Eingabedaten für das zweite Lernen werden zum maschinellen Lernen verwendet. Zum Beispiel werden die Betriebsbefehlsdaten als die Eingabedaten für das zweite Lernen verwendet. Wie in Tabelle 1 gezeigt, die in dem ersten Ausführungsbeispiel beschrieben wurde, umfassen die Betriebsbefehlsdaten das Folgende: eine Befehlsschnittgeschwindigkeit für jede Stufe des Schleifens; eine Befehlsposition für jedes der beweglichen Elemente 14 und 15 beim Übergang zwischen den Stufen; eine Befehlsdrehzahl für die Schleifscheibe 16; eine Befehlsdrehzahl für das Werkstück W; und Informationen zur Kühlmittelversorgung. Die Betriebsbefehlsdaten werden verwendet, um ein NC-Programm zu erstellen, das von der Steuerungseinrichtung 20 auszuführen ist.
Die durch das Element 203b erhaltenen Bewertungsergebnisdaten für das zweite Lernen werden verwendet, um eine Belohnung für das Verstärkungslernen beim maschinellen Lernen abzuleiten. Die Oberflächenzustandsdaten der Schleifscheibe 16 werden als die Bewertungsergebnisdaten für das zweite Lernen verwendet. Das Element 203c erstellt das zweite Lernmodell mittels Durchführen des Verstärkungslernens beim maschinellen Lernen auf der Basis der Eingabedaten für das zweite Lernen und der Bewertungsergebnisdaten für das zweite Lernen. Das zweite Lernmodell ist ein Modell (eine Funktion), das zum Einstellen der Betriebsbefehlsdaten für die Schleifmaschine 1 verwendet wird.
Die maschinelle Lernvorrichtung 200 umfasst des Weiteren die folgenden Elemente, die in einer Aktualisierungsphase 204 arbeiten, welche die Betriebsbefehlsdaten aktualisiert: ein Element 204a, das Aktualisierungseingabedaten erhält; und ein Element 204b, das die Betriebsbefehlsdaten aktualisiert. Die Aktualisierungseingabedaten, die durch das Element 204a erhalten werden, haben den gleichen Datentyp wie die Eingabedaten für das zweite Lernen und werden in Verbindung mit dem Schleifen eines Werkstücks W (eines neuen Werkstücks W) anders als die Werkstücke W erhalten, die zum Erstellen des zweiten Lernmodells verwendet werden. Das Element 204b aktualisiert die Betriebsbefehlsdaten durch Verwendung der Aktualisierungseingabedaten, des zweiten Lernmodells und eines geschätzten Oberflächenzustands der Schleifscheibe 16. Das zweite Lernmodell, das von dem Element 204b zu verwenden ist, ist das zweite Lernmodell, das durch maschinelles Lernen in der zweiten Lernphase 203 erstellt wird. Der geschätzte Oberflächenzustand der Schleifscheibe 16, der von dem Element 204b zu verwenden ist, ist der Oberflächenzustand der Schleifscheibe 16, der in der Schätzphase 102 geschätzt wird.
Die detaillierte Struktur der ersten Lernphase 101 der maschinellen Lernvorrichtung 200 ist die gleiche wie die maschinelle Lernvorrichtung 100, die in dem ersten Ausführungsbeispiel beschrieben wurde.
Die detaillierte Struktur der zweiten Lernphase 203 der maschinellen Lernvorrichtung 200 wird in Bezug auf 6 beschrieben. Die Struktur der zweiten Lernphase 203 entspricht einer Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten.
Die Struktur der zweiten Lernphase 203 umfasst das Folgende: eine Betriebsbefehlsdaten-Erhaltungseinheit 111; eine Oberflächenzustandsdaten-Erhaltungseinheit 140; eine Schleifzykluszeit-Berechnungseinheit 210; und eine Schleifscheibenforminformations-Erhaltungseinheit 220; eine Belohnungsbestimmungseinheit 230; eine zweite Lernmodell-Erstellungseinheit 240; und einen zweiten Lernmodellspeicher 250.
Wenn Werkstücke W mit der Schleifscheibe 16 in der Schleifmaschine 1 geschliffen werden, erhält die Betriebsbefehlsdaten-Erhaltungseinheit 111 die Betriebsbefehlsdaten, die in die Steuerungseinrichtung 20 der Schleifmaschine 1 einzugeben sind. Die Betriebsbefehlsdaten-Erhaltungseinheit 111 erhält, als die Eingabedaten für das zweite Lernen, für das maschinelle Lernen die Betriebsbefehlsdaten, die sich auf die mehreren Werkstücke W beziehen. Jedes Mal, wenn das Schleifen eines der Werkstücke W beendet ist, erhält die Oberflächenzustandsdaten-Erhaltungseinheit 140, als die Bewertungsergebnisdaten für das zweite Lernen, für das maschinelle Lernen die Oberflächenzustandsdaten der Schleifscheibe 16, die sich auf das geschliffene Werkstück W beziehen. Beispiele für die Eingabedaten für das zweite Lernen und die Bewertungsergebnisdaten für das zweite Lernen sind in Tabelle 2 gezeigt. Obwohl Tabelle 2 zeigt, dass die Eingabedaten für das zweite Lernen verschiedene Datenelemente umfassen, umfassen die Eingabedaten für das zweite Lernen nicht notwendigerweise alle in Tabelle 2 gezeigten Datenelemente und können nur einige der Datenelemente umfassen.
Die Schleifzykluszeit-Berechnungseinheit 210 berechnet eine Schleifzykluszeit pro Werkstück W. Insbesondere wird die Schleifzykluszeit berechnet, indem die Summe der folgenden Zeiten durch die Anzahl der Werkstücke W dividiert wird: die Zeit, die zum Schleifen aller Werkstücke W benötigt wird; die Zeit, die benötigt wird, um die Schleifscheibe 16 beim Schleifen aller Werkstücke W zu ersetzen; die Zeit, die benötigt wird, um das Abrichten der Schleifscheibe 16 beim Schleifen aller Werkstücke W durchzuführen; und die Zeit, die benötigt wird, um das Profilieren der Schleifscheibe 16 beim Schleifen aller Werkstücke W durchzuführen. Das heißt, die Schleifzykluszeit nimmt ab, wenn die Häufigkeit des Ersetzens der Schleifscheibe 16 abnimmt, wenn die Häufigkeit, mit der das Abrichten der Schleifscheibe 16 durchgeführt wird, abnimmt, und wenn die Häufigkeit, mit der das Profilieren der Schleifscheibe 16 durchgeführt wird, abnimmt.
Die Schleifscheibenforminformations-Erhaltungseinheit 220 erhält eine Forminformation über die Form der Schleifscheibe 16. Insbesondere erhält die Schleifscheibenforminformations-Erhaltungseinheit 220 als die Forminformation die Größe (z.B. den Durchmesser) der Schleifscheibe 16, die durch die Schleifscheibenkorrekturvorrichtung 18 gemessen wird. Das heißt, die Schleifscheibenforminformations-Erhaltungseinheit 220 erhält die Forminformation, wenn die Schleifscheibenkorrekturvorrichtung 18 das Profilieren oder Abrichten der Schleifscheibe 16 durchführt. Die Schleifscheibenforminformations-Erhaltungseinheit 220 kann des Weiteren als die Forminformation eine Änderung der Größe der Schleifscheibe 16 und eine Verformung der Schleifscheibe 16 erhalten.
Die Belohnungsbestimmungseinheit 230 erhält die Betriebsbefehlsdaten als die Eingabedaten für das zweite Lernen, erhält die Oberflächenzustandsdaten der Schleifscheibe 16 als die Bewertungsergebnisdaten für das zweite Lernen, und bestimmt eine Belohnung für die Betriebsbefehlsdaten in Übereinstimmung mit den Oberflächenzustandsdaten. Beim Verstärkungslernen wird die Belohnung für eine Kombination von Datenelementen der Betriebsbefehlsdaten gegeben. Wenn die Oberflächenzustandsdaten, die den Betriebsbefehlsdaten entsprechen, ein wünschenswertes Ergebnis angeben, wird eine große Belohnung für die Betriebsbefehlsdaten gegeben. Wenn dagegen die Oberflächenzustandsdaten, die den Betriebsbefehlsdaten entsprechen, ein unerwünschtes Ergebnis angeben, wird eine kleine Belohnung (einschließlich einer negativen Belohnung) für die Betriebsbefehlsdaten gegeben.
Zum Beispiel erhöht die Belohnungsbestimmungseinheit 230 die Belohnung, wenn das geschliffene Werkstück W keine beschädigte Schicht aufweist, die den ersten Oberflächenzustandsdaten entspricht, und reduziert die Belohnung, wenn das geschliffene Werkstück W die beschädigte Schicht aufweist. Als ein anderes Beispiel erhöht die Belohnungsbestimmungseinheit 230 die Belohnung, wenn die Oberflächentextur des geschliffenen Werkstücks W, die den zweiten Oberflächenzustandsdaten entspricht, kleiner oder gleich einem vorgegebenen Schwellenwert ist, und reduziert die Belohnung, wenn die Oberflächentextur größer als der vorgegebene Schwellenwert ist. Als ein anderes weiteres Beispiel erhöht die Belohnungsbestimmungseinheit 230 die Belohnung, wenn das geschliffene Werkstück W kein Rattermuster hat, das den dritten Oberflächenzustandsdaten entspricht, und reduziert die Belohnung, wenn das geschliffene Werkstück W das Rattermuster hat. Die Belohnungsbestimmungseinheit 230 bestimmt die Belohnung auf der Basis von entweder allen oder einen oder zwei der ersten Oberflächenzustandsdaten, der zweiten Oberflächenzustandsdaten und der dritten Oberflächenzustandsdaten.
Des Weiteren erhält die Belohnungsbestimmungseinheit 230 die Schleifzykluszeit, die durch die Schleifzykluszeit-Berechnungseinheit 210 berechnet wird, und bestimmt die Belohnung für die Betriebsbefehlsdaten in Übereinstimmung mit der Schleifzykluszeit. Insbesondere erhöht die Belohnungsbestimmungseinheit 230 die Belohnung, wenn die Schleifzykluszeit abnimmt. Das heißt, die Belohnungsbestimmungseinheit 230 erhöht die Belohnung, wenn zumindest eine der folgenden Zeiten abnimmt: die Zeit, die benötigt wird, um die Schleifscheibe 16 zu ersetzen; die Zeit, die benötigt wird, um das Abrichten der Schleifscheibe 16 durchzuführen; und die Zeit, die benötigt wird, um das Profilieren der Schleifscheibe 16 durchzuführen.
Zusätzlich bestimmt die Belohnungsbestimmungseinheit 230 die Belohnung auf der Basis der Forminformation über die Schleifscheibe 16, die durch die Schleifscheibenforminformations-Erhaltungseinheit 220 erhalten wird. Insbesondere erhöht die Belohnungsbestimmungseinheit 230 die Belohnung, wenn die Änderung der Größe der Schleifscheibe 16 abnimmt und wenn die Verformung der Schleifscheibe 16 abnimmt.
Die zweite Lernmodell-Erstellungseinheit 240 führt das maschinelle Lernen durch, um das zweite Lernmodell zu erstellen, das die Betriebsbefehlsdaten derart einstellt, um die Belohnung zu erhöhen. Die zweite Lernmodell-Erstellungseinheit 240 verwendet als Verstärkungslernen eine Q-Lernmethode, eine Sarsa-Methode, eine Monte-Carlo-Methode usw.
Hierbei wird angenommen, dass sich die Betriebsbefehlsdaten vor dem Einstellen auf ein erstes Werkstück W beziehen und dass sich die Betriebsbefehlsdaten nach dem Einstellen auf ein zweites Werkstück W beziehen. Des Weiteren wird das Verhältnis zwischen den Betriebsbefehlsdaten, die sich auf das erste Werkstück W beziehen, und den Oberflächenzustandsdaten der Schleifscheibe 16, nachdem das erste Werkstück W geschliffen ist, als ein erstes Datenverhältnis definiert. Ebenso wird ein Verhältnis zwischen den Betriebsbefehlsdaten, die sich auf das zweite Werkstück W beziehen, und den Oberflächenzustandsdaten der Schleifscheibe 16, nachdem das zweite Werkstück W geschliffen ist, als ein zweites Datenverhältnis definiert.
Das zweite Lernmodell beschreibt die Korrelation zwischen dem ersten Datenverhältnis vor dem Einstellen und dem zweiten Datenverhältnis nach dem Einstellen. Die zweite Lernmodell-Erstellungseinheit 240 lernt ein Einstellverfahren zum Einstellen der Betriebsbefehlsdaten für das erste Werkstück W an die Betriebsbefehlsdaten für das zweite Werkstück W derart, dass die Belohnung insbesondere in einer Weise erhöht wird, dass die Oberflächenzustandsdaten der Schleifscheibe 16 nach dem Schleifen des zweiten Werkstücks W besser als die Oberflächenzustandsdaten der Schleifscheibe 16 nach dem Schleifen des ersten Werkstücks W werden.
Es sei angemerkt, dass der Einstellbetrag der Betriebsbefehlsdaten derart begrenzt ist, dass eine Änderung der Betriebsbefehlsdaten vor und nach dem Einstellen in einem vorgegebenen Bereich fällt. Betrachtet man zum Beispiel die Befehlsschnittgeschwindigkeit als einen der einstellbaren Parameter in den Betriebsbefehlsdaten, wird eine Änderung der Befehlsschnittgeschwindigkeit nach dem Einstellen auf einen vorgegebenen Prozentsatz (z.B. plus / minus drei Prozent) der Befehlsschnittgeschwindigkeit vor dem Einstellen begrenzt. Der vorgegebene Prozentsatz kann ein beliebiger geeigneter Wert sein. Gleiches gilt für andere einstellbare Parameter wie etwa die Befehlsposition, die Befehlsdrehzahl für die Schleifscheibe 16, die Befehlsdrehzahl für das Werkstück W und die Informationen über die Kühlmittelversorgung. Einige der Parameter können so festgelegt werden, um einstellbar zu sein. Das zweite Lernmodell, das von der zweiten Lernmodell-Erstellungseinheit 240 erstellt wird, wird in dem zweiten Lernmodellspeicher 250 gespeichert.
Die zweite Lernmodell-Erstellungseinheit 240 kann das zweite Lernmodell nicht nur in der zweiten Lernphase 203, sondern auch in der später beschriebenen Aktualisierungsphase 204 lernen. In diesem Fall werden die Oberflächenzustandsdaten der Schleifscheibe 16, die in der Schätzphase 102 (siehe erstes Ausführungsbeispiel) erhalten wurden, als die Bewertungsergebnisdaten für das zweite Lernen verwendet werden.
Die detaillierte Struktur der Schätzphase 102 der maschinellen Lernvorrichtung 200 ist die gleiche wie die der in dem ersten Ausführungsbeispiel beschriebenen maschinellen Lernvorrichtung 100.
Die detaillierte Struktur der Aktualisierungsphase 204 der maschinellen Lernvorrichtung 200 wird in Bezug auf 7 beschrieben. Die Struktur der zweiten Lernphase 203 und die Struktur der Aktualisierungsphase 204 entsprechen einer Aktualisierungsvorrichtung zum Aktualisieren der Betriebsbefehlsdaten der Schleifmaschine. Die Struktur der zweiten Lernphase 203 wurde bereits beschrieben und wird daher hier nicht beschrieben.
Die Struktur der Aktualisierungsphase 204 umfasst das Folgende: die Betriebsbefehlsdaten-Erhaltungseinheit 111; die Oberflächenzustandsdaten-Erhaltungseinheit 140; die Schleifzykluszeit-Berechnungseinheit 210; und die Schleifscheibenforminformations-Erhaltungseinheit 220; die Belohnungsbestimmungseinheit 230; den zweite Lernmodellspeicher 250; und eine Betriebsbefehlsdaten-Einstelleinheit 260
Die Betriebsbefehlsdaten-Erhaltungseinheit 111 und die Oberflächenzustandsdaten-Erhaltungseinheit 140 erhalten jeweils die Betriebsbefehlsdaten und die Oberflächenzustandsdaten in Verbindung mit dem Schleifen eines neuen Werkstücks W, im Wesentlichen auf die gleiche Weise wie zuvor für die zweite Lernphase 203 beschrieben. Die Schleifzykluszeit-Berechnungseinheit 210 und die Schleifscheibenforminformations-Erhaltungseinheit 220 arbeiten ebenfalls im Wesentlichen auf die gleiche Weise wie zuvor für die zweite Lernphase 203 beschrieben.
Die Belohnungsbestimmungseinheit 230 bestimmt die Belohnung durch Verwendung der Betriebsbefehlsdaten und der Oberflächenzustandsdaten der Schleifscheibe 16, die in Verbindung mit dem Schleifen des neuen Werkstücks W erhalten werden. Das heißt, die Belohnungsbestimmungseinheit 230 bestimmt die Belohnung für die Betriebsbefehlsdaten, die zum Schleifen des neuen Werkstücks W verwendet werden, in Übereinstimmung mit den Oberflächenzustandsdaten, nachdem das neue Werkstück W geschliffen wurde. Wie zuvor in Bezug auf die zweite Lernphase 203 beschrieben, speichert der zweite Lernmodellspeicher 250 das zweite Lernmodell, das von der zweiten Lernmodell-Erstellungseinheit 240 erstellt wird.
Die Betriebsbefehlsdaten-Einstelleinheit 260 bestimmt das Einstellverfahren zum Einstellen der Betriebsbefehlsdaten durch Verwendung des Folgenden: die Betriebsbefehlsdaten, die zum Schleifen des neuen Werkstücks W verwendet werden; die Oberflächenzustandsdaten der Schleifscheibe 16, nachdem das neue Werkstück W geschliffen wurde; die Belohnung; und das zweite Lernmodell. Dann stellt die Betriebsbefehlsdaten-Einstelleinheit 260 die Betriebsbefehlsdaten auf der Basis des bestimmten Einstellverfahrens ein. Wie zuvor beschrieben, wird das zweite Lernmodell durch Lernen des Verfahrens erstellt, das die Betriebsbefehlsdaten vor dem Einstellen an den Betriebsbefehlsdaten nach dem Einstellen so einstellt, dass die Belohnung erhöht wird.
Insbesondere erhält die Betriebsbefehlsdaten-Einstelleinheit 260 die gegenwärtigen Betriebsbefehlsdaten (d.h. die Betriebsbefehlsdaten, die zum Schleifen des neuen Werkstücks W verwendet werden) als die Betriebsbefehlsdaten vor dem Einstellen und erhält die Belohnung, die für die gegenwärtigen Betriebsbefehlsdaten gegeben wird. In diesem Fall bestimmt die Betriebsbefehlsdaten-Einstelleinheit 260 die nächsten Betriebsbefehlsdaten für ein nächstes Werkstück W durch Verwendung des Folgenden: der vorliegenden Betriebsbefehlsdaten; die Belohnung für die vorliegenden Betriebsbefehlsdaten; und des zweiten Lernmodells. Somit wird bestimmt, dass die nächsten Betriebsbefehlsdaten bestimmt sind, eine größere Belohnung als die Belohnung zu erhalten, die für gegenwärtigen Betriebsbefehlsdaten gegeben wird.
Die Betriebsbefehlsdaten-Einstelleinheit 260 kann mehrere Kandidaten für die nächsten Betriebsbefehlsdaten erstellen, welche die gleiche Belohnung erhalten. In diesem Fall kann zum Beispiel die Betriebsbefehlsdaten-Einstelleinheit 260 die Kandidaten durch Zuweisen von Prioritäten zu den einstellbaren Parametern wie etwa einer Befehlsschnittgeschwindigkeit und einer Befehlsdrehzahl für das Werkstück W einordnen. Zum Beispiel kann der Befehlsschnittgeschwindigkeit eine erste Priorität zugewiesen werden, und der Befehlsdrehzahl kann eine zweite Priorität zugewiesen werden.
Die Betriebsbefehlsdaten-Einstelleinheit 260 bestimmt den ersten eingeordneten Kandidaten als die nächsten Betriebsbefehlsdaten und aktualisiert die vorliegenden Betriebsbefehlsdaten auf die nächsten Betriebsbefehlsdaten. Somit führt die Schleifmaschine 1 das Schleifen des nächsten Werkstücks W auf der Basis der aktualisierten Betriebsbefehlsdaten durch. Dann werden in der Aktualisierungsphase 204 der maschinellen Lernvorrichtung 200 die nächsten Betriebsbefehlsdaten auf weitere nächste Betriebsbefehlsdaten für ein weiteres nächstes Werkstück W eingestellt, auf der Basis der Daten in Verbindung mit dem Schleifen des nächsten Werkstücks W. Die Frequenz des Einstellens der Betriebsbefehlsdaten kann festgelegt werden. Zum Beispiel können die Betriebsbefehlsdaten jedes Mal eingestellt werden, wenn eine vorgegebene Anzahl von Werkstücken W geschliffen sind.
Zusammenfassend werden gemäß dem zweiten Ausführungsbeispiel die Betriebsbefehlsdaten durch Verwendung des zweiten Lernmodells aktualisiert, das durch das maschinelle Lernen in der maschinellen Lernvorrichtung 200 erstellt wird. Wenn sich somit die Schleifzustände ändern, werden die Betriebsbefehlsdaten in Übereinstimmung mit dem vorliegenden Schleifzustand aktualisiert. Die Aktualisierung der Betriebsbefehlsdaten ermöglicht, dass das Schleifen in Übereinstimmung mit dem Oberflächenzustand der Schleifscheibe 16 durchzuführen ist.
Das heißt, die Aktualisierung der Betriebsbefehlsdaten verbessert den Oberflächenzustand der Schleifscheibe 16. Dies führt zu einer Verbesserung der Qualität des Werkstücks W, das mit der Schleifscheibe 16 geschliffen ist. Des Weiteren reduziert die Aktualisierung der Betriebsbefehlsdaten die Zeit, die zum Ersetzen der Schleifscheibe 16 benötigt wird, die Zeit, die zum Durchführen des Abrichtens der Schleifscheibe 16 benötigt wird, und die Zeit, die zum Durchführen des Profilierens der Schleifscheibe 16 benötigt wird. Infolgedessen wird die Schleifzykluszeit reduziert. Darüber hinaus reduziert die Aktualisierung der Betriebsbefehlsdaten eine Änderung der Größe der Schleifscheibe 16 und eine Verformung der Schleifscheibe 16.
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 2002307304 [0003]
JP 2002307304 A [0003, 0005]
JP 20171648014 [0004]
JP 20171648014 A [0004]

Claims

Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands, mit: einer Messdaten-Erhaltungseinheit, die konfiguriert ist, um eine Mehrzahl von Messdatenstücken zu erhalten, die beim Schleifen einer Mehrzahl von Werkstücken mit einer Schleifscheibe in einer Schleifmaschine gemessen werden, wobei jedes Messdatenstück für eine vorgegebene Zeitspanne beim Schleifen eines entsprechenden der Mehrzahl von Werkstücken erhalten wird, wobei jedes Messdatenstück erste Messdaten und/oder zweite Messdaten aufweist, wobei die ersten Messdaten einen Zustand eines Strukturelements der Schleifmaschine angeben, wobei sich die zweiten Messdaten auf einen geschliffenen Abschnitt des entsprechenden Werkstücks beziehen; und einer ersten Lernmodell-Erstellungseinheit, die konfiguriert ist, um maschinelles Lernen durch Verwendung der Mehrzahl von Messdatenstücken der Mehrzahl von Werkstücken als Eingabedaten für das erste Lernen durchzuführen, um ein erstes Lernmodell zum Schätzen eines Oberflächenzustands der Schleifscheibe zu erstellen.
Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands nach Anspruch 1, wobei jedes Messdatenstück sowohl die ersten Messdaten als auch die zweiten Messdaten aufweist, die ersten Messdaten zumindest eine Vibration des Strukturelements der Schleifmaschine und einen Grad der Verformung des Strukturelements der Schleifmaschine aufweisen, die zweiten Messdaten eine Größe des entsprechenden Werkstücks und/oder eine Temperatur an einem Kontaktpunkt zwischen der Schleifscheibe und dem entsprechenden Werkstück aufweisen, wobei sich die Größe ändert, wenn das entsprechende Werkstück geschliffen wird, und das maschinelle Lernen, das von der ersten Lernmodell-Erstellungseinheit durchgeführt wird, die ersten Messdaten und die zweiten Messdaten der Mehrzahl von Messdatenstücken der Mehrzahl von Werkstücken als die Eingabedaten für das erste Lernen verwendet, um das erste Lernmodell zu erstellen.
Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands nach Anspruch 1 oder 2, des Weiteren mit: einer Oberflächenzustandsdaten-Erhaltungseinheit, die konfiguriert ist, um eine Mehrzahl von Oberflächenzustandsdatenstücken über den Oberflächenzustand der Schleifscheibe zu erhalten, wobei jedes Oberflächenzustandsdatenstück in Verbindung mit dem Schleifen eines entsprechenden der Mehrzahl von Werkstücken erhalten wird, wobei das maschinelle Lernen, das von der ersten Lernmodell-Erstellungseinheit durchgeführt wird, die Mehrzahl von Oberflächenzustandsdatenstücken der Schleifscheibe als überwachte Daten verwendet, um das erste Lernmodell zu erstellen.
Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands nach Anspruch 3, wobei jedes Oberflächenzustandsdatenstück der Schleifscheibe einen Grad eines Einflusses auf eine Qualität des entsprechenden geschliffenen Werkstücks angibt.
Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands nach Anspruch 4, wobei jedes Oberflächenzustandsdatenstück der Schleifscheibe erste Oberflächenzustandsdaten und/oder zweite Oberflächenzustandsdaten und/oder dritte Oberflächenzustandsdaten als Daten aufweist, die den Grad des Einflusses auf die Qualität des entsprechenden geschliffenen Werkstücks angeben, die ersten Oberflächenzustandsdaten einem Zustand einer beschädigten Schicht des entsprechenden Werkstücks entsprechen, die zweiten Oberflächenzustandsdaten der Oberflächentextur des entsprechenden Werkstücks entsprechen, und die dritten Oberflächenzustandsdaten einem Zustand eines Rattermusters auf dem entsprechenden Werkstück entsprechen.
Schätzmodell-Erstellungsvorrichtung zum Schätzen des Schleifscheibenoberflächenzustands nach einem der Ansprüche 1 bis 5, des Weiteren mit: einer betriebsbezogenen Datenerhaltungseinheit, die konfiguriert ist, um eine Mehrzahl von betriebsbezogenen Datenstücken zu erhalten, wobei jedes betriebsbezogene Datenstück für eine vorgegebene Zeitspanne beim Schleifen eines entsprechenden der Mehrzahl von Werkstücken erhalten wird, wobei jedes betriebsbezogene Datenstück Betriebsbefehlsdaten für eine Steuerungseinrichtung der Schleifmaschine und/oder tatsächliche Betriebsdaten über den tatsächlichen Betrieb einer von der Steuerungseinrichtung gesteuerten Antriebsvorrichtung der Schleifmaschine aufweist, wobei das maschinelle Lernen, das von der ersten Lernmodell-Erstellungseinheit durchgeführt wird, sowohl die Mehrzahl von Messdatenstücken der Mehrzahl von Werkstücken als auch die Mehrzahl von betriebsbezogenen Datenstücken als die Eingabedaten für das erste Lernen verwendet, um das erste Lernmodell zu erstellen.
Schleifscheibenoberflächenzustands-Schätzvorrichtung mit: der Schätzmodell-Erstellungsvorrichtung zum Schätzung des Schleifscheibenoberflächenzustands nach einem der Ansprüche 1 bis 6; und einer Oberflächenzustands-Schätzeinheit, die konfiguriert ist, um den Oberflächenzustand der Schleifscheibe zu schätzen, nachdem ein neues Werkstück geschliffen ist, durch Verwendung des ersten Lernmodells und Schätzeingabedaten, wobei die Schätzeingabedaten den gleichen Datentyp wie jedes Messdatenstück haben und für eine vorgegebene Zeitspanne beim Schleifen des neuen Werkstücks erhalten werden.
Schleifscheibenoberflächenzustands-Schätzvorrichtung nach Anspruch 7, wobei der Oberflächenzustand der Schleifscheibe einen Grad des Einflusses auf die Qualität des neu geschliffenen Werkstücks angibt.
Schleifscheibenoberflächenzustands-Schätzvorrichtung nach Anspruch 8, wobei die erste Lernmodell-Erstellungseinheit das erste Lernmodell erstellt, um als Oberflächenzustand der Schleifscheibe einen ersten Oberflächenzustand und/oder einen zweiten Oberflächenzustand und/oder einen dritten Oberflächenzustand zu schätzen, der erste Oberflächenzustand einem Zustand einer werkstückbeschädigten Schicht entspricht, der zweite Oberflächenzustand einer Werkstückoberflächentextur entspricht, der dritte Oberflächenzustand einem Zustand eines Werkstückrattermusters entspricht, und die Oberflächenzustands-Schätzeinheit als Oberflächenzustand der Schleifscheibe, nachdem das neue Werkstück geschliffen ist, den ersten Oberflächenzustand und/oder den zweiten Oberflächenzustand und/oder den dritten Oberflächenzustand schätzt.
Schleifscheibenoberflächenzustands-Schätzvorrichtung nach Anspruch 7 oder 9, des Weiteren mit: einer Bestimmungseinheit, die konfiguriert ist, um auf der Basis des durch die Oberflächenzustands-Schätzeinheit geschätzten Oberflächenzustands der Schleifscheibe zu bestimmen, ob Profilieren der Schleifscheibe und/oder Abrichten der Schleifscheibe und/oder Ersetzen der Schleifscheibe durchzuführen ist.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten, mit: einer Betriebsbefehlsdaten-Erhaltungseinheit, die konfiguriert ist, um eine Mehrzahl von Betriebsbefehlsdatenstücken in Verbindung mit dem Schleifen einer Mehrzahl von Werkstücken mit einer Schleifscheibe in einer Schleifmaschine zu erhalten, wobei jedes Betriebsbefehlsdatenstück verwendet wird, um eine Steuerungseinrichtung der Schleifmaschine beim Schleifen eines entsprechenden der Mehrzahl von Werkstücken zu steuern; einer Oberflächenzustandsdaten-Erhaltungseinheit, die konfiguriert ist, um eine Mehrzahl von Oberflächenzustandsdatenstücke über einen Oberflächenzustand der Schleifscheibe zu erhalten, wobei jedes Oberflächenzustandsdatenstück in Verbindung mit dem Schleifen eines entsprechenden der Mehrzahl von Werkstücken erhalten wird; einer Belohnungsbestimmungseinheit, die konfiguriert ist, um eine Belohnung für jedes Betriebsbefehlsdatenstück in Übereinstimmung mit einem entsprechenden der Mehrzahl von Oberflächenzustandsdatenstücken zu bestimmen, wobei jedes Oberflächenzustandsdatenstück in Verbindung mit dem Schleifen eines entsprechenden der Mehrzahl von Werkstücken erhalten wird; und einer zweiten Lernmodell-Erstellungseinheit, die konfiguriert ist, um ein maschinelles Lernen durch Verwendung jedes Betriebsbefehlsdatenstücks und der Belohnung der Mehrzahl von Werkstücken durchzuführen, um ein zweites Lernmodell zum Einstellen jedes Betriebsbefehlsdatenstücks in einer Weise zu erstellen, um die Belohnung zu erhöhen.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach Anspruch 11, wobei jedes Oberflächenzustandsdatenstück der Schleifscheibe einen Grad des Einflusses auf die Qualität des entsprechenden geschliffenen Werkstücks angibt.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach Anspruch 12, wobei jedes Oberflächenzustandsdatenstück der Schleifscheibe erste Oberflächenzustandsdaten und/oder zweite Oberflächenzustandsdaten und/oder dritte Oberflächenzustandsdaten als Daten aufweist, die den Grad des Einflusses auf die Qualität des entsprechenden geschliffenen Werkstücks angeben, die ersten Oberflächenzustandsdaten einem Zustand einer beschädigten Schicht des entsprechenden Werkstücks entsprechen, die zweiten Oberflächenzustandsdaten der Oberflächentextur des entsprechenden Werkstücks entsprechen, und die dritten Oberflächenzustandsdaten einem Zustand eines Rattermusters auf dem entsprechenden Werkstück entsprechen.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach Anspruch 13, wobei die Belohnungsbestimmungseinheit die Belohnung erhöht, wenn die beschädigte Schicht, die den ersten Oberflächenzustandsdaten entspricht, nicht vorhanden ist, und die Belohnung reduziert, wenn die beschädigte Schicht vorhanden ist.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach Anspruch 13, wobei die Belohnungsbestimmungseinheit die Belohnung erhöht, wenn die Oberflächentextur des Werkstücks, die den zweiten Oberflächenzustandsdaten entspricht, kleiner oder gleich einem vorgegebenen Schwellenwert ist, und die Belohnung reduziert, wenn die Oberflächentextur größer als der vorgegebene Schwellenwert ist.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach Anspruch 13, wobei die Belohnungsbestimmungseinheit die Belohnung erhöht, wenn das Rattermuster, das den dritten Oberflächenzustandsdaten entspricht, nicht vorhanden ist, und die Belohnung reduziert, wenn das Rattermuster vorhanden ist.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach einem der Ansprüche 11 bis 16, wobei die Belohnungsbestimmungseinheit die Belohnung erhöht, wenn eine Änderung der Größe der Schleifscheibe abnimmt oder wenn eine Verformung der Schleifscheibe abnimmt.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach einem der Ansprüche 11 bis 17, wobei die Belohnungsbestimmungseinheit die Belohnung erhöht, wenn ein Zeitaufwand zum Ersetzen der Schleifscheibe und/oder ein Zeitaufwand zum Durchführen des Abrichtens der Schleifscheibe und/oder ein Zeitaufwand zum Durchführen des Profilierens der Schleifscheibe abnimmt.
Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach einem der Ansprüche 11 bis 18, wobei der Oberflächenzustand der Schleifscheibe, der durch die Schleifscheibenoberflächenzustands-Schätzvorrichtung nach einem der Ansprüche 7 bis 10 geschätzt wird, als jedes Oberflächenzustandsdatenstück der Schleifscheibe verwendet wird.
Aktualisierungsvorrichtung zum Aktualisieren von Schleifmaschinenbetriebsbefehlsdaten, mit: der Einstellmodell-Erstellungsvorrichtung zum Einstellen von Schleifmaschinenbetriebsbefehlsdaten nach einem der Ansprüche 11 bis 19; und einer Betriebsbefehlsdaten-Einstelleinheit, die konfiguriert ist, um das Betriebsbefehlsdatenstück für ein erstes neues Werkstück einzustellen, das nach einem zweiten neuen Werkstück zu schleifen ist, durch Verwendung des Betriebsbefehlsdatenstück für das zweite neue Werkstück, wobei sich das Oberflächenzustandsdatenstück auf das zweite neue Werkstück, die Belohnung und das zweite Lernmodell bezieht.