DE102020001127A1

DE102020001127A1 - Ratterschwingungsbestimmungseinrichtung, Maschinenlerneinrichtung und System

Info

Publication number: DE102020001127A1
Application number: DE102020001127.6A
Authority: DE
Inventors: Kouki OIKAWA; Kenta Yamamoto
Original assignee: Fanuc Corp
Current assignee: Fanuc Corp
Priority date: 2019-02-27
Filing date: 2020-02-20
Publication date: 2020-08-27
Also published as: US20200272122A1; CN111624947A; CN111624947B; US11782414B2; JP6959278B2; JP2020138265A

Abstract

Eine Ratterschwingungsbestimmungseinrichtung ist mit einer Maschinenierneinrichtung ausgestattet, die dazu eingerichtet ist, Bearbeitungsbedingungsdaten, die eine Vorschubgeschwindigkeit und eine Spindeldrehfrequenz beim Schneiden umfassen, als für den aktuellen Zustand einer Umgebung repräsentative Zustandsdaten zu überwachen, basierend auf den Zustandsdaten eine Verarbeitung auszuführen, die auf maschinelles Lernen unter Verwendung eines Lernmodells bezogen ist, das durch Erstellen eines Modells der Beziehung von Ratterschwingungen zu einer Bearbeitungsbedingung beim Schneiden erhalten wird, und das Auftreten/Nichtauftreten von Ratterschwingungen und die Verbesserung der Ratterschwingungen zu bewerten. Die Ratterschwingungsbestimmungseinrichtung gibt das Ergebnis der Bewertung des Auftretens/Nichtauftretens der Ratterschwingungen und der Verbesserung der Ratterschwingungen aus.

Description

HINTERGRUND DER ERFINDUNG
Gebiet der Erfindung
Die vorliegende Erfindung betrifft eine Ratterschwingungsbestimmungseinrichtung, eine Maschinenierneinrichtung und ein System.
Beschreibung des zugehörigen Standes der Technik
Beim Durchführen einer Bearbeitung mit einer Werkzeugmaschine werden Werkzeuge für die Bearbeitung verwendet, die auf einer durch Programme angewiesenen Bahn, Vorschubgeschwindigkeit und Spindeldrehfrequenz basiert. Abhängig von den Befehlen können dabei manchmal Ratterschwingungen auftreten und sich nachteilig auf die bearbeiteten Oberflächen auswirken. Wenn während der Bearbeitung Ratterschwingungen erzeugt werden, passt ein Arbeiter für gewöhnlich die Spindeldrehfrequenz und die Vorschubgeschwindigkeit an, um eine oder mehrere Bearbeitungsbedingungen herauszufinden, bei denen keine Ratterschwingungen auftreten.
Das japanische Patent Nr. 3005663 offenbart ein Anomalievermeidungssteuerverfahren, bei dem während der Bearbeitung eine auf Sensordaten basierende Überwachung durchgeführt wird, ggf. die Ursache einer Anomalie, wie etwa Maschinenschwingungen oder Werkzeugschäden, ermittelt wird, die Bearbeitung unter einer Bearbeitungsbedingung, die sich von einer normalen Bearbeitungsbedingung unterscheidet, innerhalb eines voreingestellten Bereichs durchgeführt wird und ein Bearbeitungsprogramm so modifiziert wird, dass die Bearbeitungsbedingung das Auftreten einer der ermittelten Ursache zuzuordnenden Anomalie nicht zulässt.
Ob während der Bearbeitung Ratterschwingungen auftreten, hängt von Bearbeitungsbedingungen, wie etwa der Spindeldrehfrequenz, den relativen Vorschubgeschwindigkeiten eines Werkstücks und eines Werkzeugs und der während der Bearbeitung durch den Arbeiter eingestellten Schnitttiefe, sowie dem verwendeten Werkzeug, dem Werkstückmaterial, Frequenzeigenschaften der Maschinenschwingungen und dergleichen ab. Wenn während der Bearbeitung Ratterschwingungen auftreten, beseitigt der Arbeiter diese für gewöhnlich durch Anpassen der Bearbeitungsbedingungen, wie etwa der Spindeldrehfrequenz, den relativen Vorschubgeschwindigkeiten des Werkstücks und des Werkzeugs und der Schnitttiefe, so dass die Ratterschwingungen reduziert werden.
Der Arbeiter würde die Bearbeitungsbedingungen jedoch gerne durch Bestimmen des Auftretens erheblicher Ratterschwingungen anpassen, bevor die Ratterschwingungen tatsächlich während der Schneidarbeiten auftreten. Außerdem besteht dahingehend ein Problem, dass bei einer Bestimmung des Auftretens der erheblichen Ratterschwingungen die Bearbeitungsbedingungen angepasst werden sollten, ohne die Bearbeitungsbedingung(en), die zum Reduzieren der Ratterschwingungen anzupassen ist/sind, und die Art der Anpassung durch Versuch und Irrtum zu ermitteln.
ZUSAMMENFASSUNG DER ERFINDUNG
Folglich besteht Bedarf an einer Einrichtung oder einem System, die/das eine Funktion zum Bestimmen des Auftretens von Ratterschwingungen gemäß dem Schneidzustand aufweist und bei Bedarf eine Anpassung einer Bearbeitungsbedingung zur Reduzierung der Ratterschwingungen ermöglicht.
Ein Aspekt der vorliegenden Erfindung betrifft eine Ratterschwingungsbestimmungseinrichtung, die dazu eingerichtet ist, eine Werkzeugmaschine zum Schneiden eines Werkstücks durch relatives Bewegen des Werkstücks und eines Werkzeugs zu steuern. Die Ratterschwingungsbestimmungseinrichtung umfasst eine Maschinenierneinrichtung, die dazu eingerichtet ist, Bearbeitungsbedingungsdaten, die eine Vorschubgeschwindigkeit und eine Spindeldrehfrequenz beim Schneiden umfassen, als für den aktuellen Zustand einer Umgebung repräsentative Zustandsdaten zu überwachen, basierend auf den Zustandsdaten eine Verarbeitung auszuführen, die auf maschinelles Lernen unter Verwendung eines Lernmodells bezogen ist, das durch Erstellen eines Modells der Beziehung von Ratterschwingungen zu einer Bearbeitungsbedingung beim Schneiden erhalten wird, und das Auftreten/Nichtauftreten von Ratterschwingungen und die Verbesserung der Ratterschwingungen zu bewerten (schätzen), und gibt das Ergebnis der Bewertung (Schätzung) des Auftretens/Nichtauftretens der Ratterschwingungen und der Verbesserung der Ratterschwingungen aus.
Ein anderer Aspekt der vorliegenden Erfindung betrifft eine Maschinenierneinrichtung, die dazu eingerichtet ist, Bearbeitungsbedingungsdaten, die eine Vorschubgeschwindigkeit und eine Spindeldrehfrequenz beim Schneiden in einer Werkzeugmaschine zum Schneiden eines Werkstücks durch relatives Bewegen des Werkstücks und eines Werkzeugs umfassen, als für den aktuellen Zustand einer Umgebung repräsentative Zustandsdaten zu überwachen, basierend auf den Zustandsdaten eine Verarbeitung auszuführen, die auf maschinelles Lernen unter Verwendung eines Lernmodells bezogen ist, das durch Erstellen eines Modells der Beziehung von Ratterschwingungen zu einer Bearbeitungsbedingung beim Schneiden erhalten wird, und das Auftreten/Nichtauftreten von Ratterschwingungen und die Verbesserung der Ratterschwingungen zu bewerten.
Gemäß dem einen Aspekt der vorliegenden Erfindung wird das Auftreten erheblicher Ratterschwingungen während des Schneidens durch eine Werkzeugmaschine vorab durch maschinelles Lernen bestimmt, so dass die Anpassung einer Bearbeitungsbedingung zur Reduzierung von Ratterschwingungen bei Bedarf bewertet werden kann. Basierend auf den Inhalten der bewerteten Anpassung der Bearbeitungsbedingung kann die Bearbeitungsbedingung automatisch angepasst oder ein Verbesserungsplan dafür als Anleitung angezeigt werden, so dass ein Arbeiter die Bearbeitungsbedingung leicht anpassen kann, bevor Ratterschwingungen auftreten.
Figurenliste
Die obigen und andere Ziele und Merkmale der vorliegenden Erfindung gehen aus der folgenden Beschreibung der Ausführungsformen unter Bezugnahme auf die beiliegenden Zeichnungen hervor. In den Zeichnungen ist:

1 eine schematische Hardwarekonfigurationsdarstellung einer Ratterschwingungsbestimmungseinrichtung gemäß einer Ausführungsform;
2 ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung gemäß einer ersten Ausführungsform;
3 eine Darstellung, die ein Beispiel für ein durch unüberwachtes Lernen erzeugtes Lernmodell zeigt;
4 ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung gemäß einer zweiten Ausführungsform;
5 eine Darstellung, die ein Beispiel für ein durch überwachtes Lernen erzeugtes Lernmodell zeigt;
6 ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung gemäß einer dritten Ausführungsform;
7 eine Darstellung, die eine Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen unter Verwendung des durch unüberwachtes Lernen erzeugten Lernmodells zeigt;
8 ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung gemäß einer vierten Ausführungsform;
9 eine Darstellung, die eine Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen unter Verwendung des durch überwachtes Lernen erzeugten Lernmodells zeigt;
10 ein schematisches Funktionsblockdiagramm der Ratterschwingungsbestimmungseinrichtung gemäß einer fünften Ausführungsform;
11 eine Darstellung, die ein Verfahren zum Anpassen des durch unüberwachtes Lernen erzeugten Lernmodells zur Verwendung in einer anderen Werkzeugmaschine zeigt;
12 ein schematisches Funktionsblockdiagramm der Ratterschwingungsbestimmungseinrichtung gemäß einer sechsten Ausführungsform; und
13 eine Darstellung, die ein Verfahren zum Anpassen des durch überwachtes Lernen erzeugten Lernmodells zur Verwendung in der alternativen Werkzeugmaschine zeigt.

GENAUE BESCHREIBUNG DER BEVORZUGTEN AUSFÜHRUNGSFORMEN
Ausführungsformen der vorliegenden Erfindung werden nun unter Bezugnahme auf die beiliegenden Zeichnungen beschrieben.
1 ist eine schematische Hardwarekonfigurationsdarstellung, die wesentliche Teile einer Ratterschwingungsbestimmungseinrichtung gemäß einer Ausführungsform zeigt. Eine Ratterschwingungsbestimmungseinrichtung 1 kann beispielsweise als Steuereinrichtung zum Steuern einer Werkzeugmaschine implementiert werden. Außerdem kann die Ratterschwingungsbestimmungseinrichtung 1 als Computer, wie etwa als Arbeitsplatzrechner, der an einer Steuereinrichtung zum Steuern einer Werkzeugmaschine angebracht ist, Edge-Computer, der über ein drahtgebundenes/drahtloses Netzwerk mit einer Steuereinrichtung verbunden ist, Fog-Computer oder Cloud-Server, implementiert werden. Bei dem dargestellten Beispiel der vorliegenden Ausführungsform ist die Ratterschwingungsbestimmungseinrichtung 1 als Steuereinrichtung zum Steuern einer Werkzeugmaschine implementiert.
Eine CPU (Zentraleinheit) 11 der Ratterschwingungsbestimmungseinrichtung 1 gemäß der vorliegenden Ausführungsform ist ein Prozessor zum allgemeinen Steuern der Ratterschwingungsbestimmungseinrichtung 1. Die CPU 11 liest über einen Bus 21 ein in einem ROM 12 gespeichertes Systemprogramm aus und steuert die gesamte Ratterschwingungsbestimmungseinrichtung 1 gemäß diesem Systemprogramm. In einem RAM 13 werden temporäre Berechnungsdaten und Anzeigedaten, verschiedene durch einen Bediener über eine Eingabeeinheit (nicht gezeigt) eingegebene Daten und dergleichen zwischengespeichert.
Ein nichtflüchtiger Speicher 14 wird beispielsweise durch einen Speicher, einen SSD (Solid State Drive/Festkörperspeicher) oder dergleichen gebildet, der durch eine Batterie (nicht gezeigt) gestützt wird, so dass sein Speicherzustand selbst dann aufrechterhalten werden kann, wenn die Ratterschwingungsbestimmungseinrichtung 1 abgeschaltet wird. Im nichtflüchtigen Speicher 14 werden Programme, die über eine Schnittstelle 15 aus einem externen Gerät 72 ausgelesen werden, Programme, die über eine Anzeige-/MDI-Einheit 70 eingegeben werden, verschiedene Daten (z.B. Position, Drehzahl und Beschleunigung jedes Servomotors 50, Drehzahl des Spindelmotors 62, Stromwerte der einzelnen Motoren etc.), die von verschiedenen Teilen der Ratterschwingungsbestimmungseinrichtung 1 und der Werkzeugmaschine erfasst werden, durch einen Sensor 3 erkannte Erkennungswerte (in der Werkzeugmaschine erzeugte Ratterschwingungen) und dergleichen gespeichert. Die im nichtflüchtigen Speicher 14 gespeicherten Programme und verschiedenen Daten können während ihrer Ausführung und Verwendung im RAM 13 weiterentwickelt werden. Außerdem werden verschiedene Systemprogramme (einschließlich eines Systemprogramms zum Steuern des Austausches mit einer Maschinenierneinrichtung 100 (später beschrieben)), wie etwa ein herkömmliches Analyseprogramm, vorab in das ROM 12 geschrieben.
Die Schnittstelle 15 ist eine Schnittstelle zum Verbinden der Ratterschwingungsbestimmungseinrichtung 1 und des externen Geräts 72, das einen Adapter umfasst. Programme, verschiedene Parameter und dergleichen werden aus dem externen Gerät 72 ausgelesen. Des Weiteren können die Programme, die verschiedenen Parameter und dergleichen, die in der Ratterschwingungsbestimmungseinrichtung 1 editiert werden, über das externe Gerät 72 in einer externen Speichereinrichtung gespeichert werden. Eine PMC (Programmable Machine Controller/programmierbare Maschinensteuereinrichtung) 16 steuert die Werkzeugmaschine und ihre Peripheriegeräte durch Ausgeben von Signalen an diese über eine Ein-/Ausgabe-Einheit 17 gemäß einem in die Ratterschwingungsbestimmungseinrichtung 1 eingebauten Sequenzprogramm. Außerdem führt die PMC 16 bei Empfang von Signalen von verschiedenen Schaltern eines Bedienpanels am Hauptkörper der Werkzeugmaschine und dergleichen eine notwendige Signalverarbeitung durch und übermittelt die Signale dann an die CPU 11.
Die Anzeige-/MDI-Einheit 70 ist eine manuelle Dateneingabe- (MDI/Manual Data Input) Einrichtung, die mit einer Anzeigeeinrichtung, einer Tastatur und dergleichen ausgestattet ist. Eine Schnittstelle 18 empfängt Befehle und Daten von der Tastatur der Anzeige-/MDI-Einheit 70 und übermittelt diese an die CPU 11. Eine Schnittstelle 19 ist mit einem Bedienpanel 71 verbunden, das mit einem manuellen Impulsgeber oder dergleichen ausgestattet ist, der dazu verwendet wird, einzelne Achsen manuell anzutreiben.
Eine Achsensteuerschaltung 30 zum Steuern der Achsen der Werkzeugmaschine empfängt einen Bewegungsbefehlsbetrag für jede Achse von der CPU 11 und gibt einen Befehl für die Achse an einen Servoverstärker 40 aus. Bei Empfang dieses Befehls treibt der Servoverstärker 40 einen Servomotor 50 zum Bewegen der Achsen der Werkzeugmaschine an. Der Achsenservomotor 50 weist einen eingebauten Positions-/Drehzahldetektor auf. Ein Positions-/Drehzahlrückführungssignals wird von diesem Positions-/Drehzahldetektor zur Achsensteuerschaltung 30 zurückgeführt und die Achsensteuerschaltung 30 führt eine Positions-/Drehzahlrückführungsregelung durch. In der Hardwarekonfigurationsdarstellung von 1 beträgt die dargestellte Anzahl der Achsensteuerschaltung 30, des Servoverstärkers 40 und des Servomotors 50 jeweils nur eins. Tatsächlich werden diese Elemente jedoch in einer der Anzahl der Achsen der zu steuernden Werkzeugmaschine entsprechenden Anzahl bereitgestellt.
Bei Empfang eines Spindeldrehbefehls für eine an der Werkzeugmaschine angebrachte Spindel von der CPU 11 gibt eine Spindelsteuerschaltung 60 ein Spindeldrehzahlsignal an einen Spindelverstärker 61 aus. Bei Empfang dieses Spindeldrehzahlsignals dreht der Spindelverstärker 61 einen Spindelmotor 62 der Spindel mit einer angewiesenen Drehzahl. Der Spindelmotor 62 ist mit einem Positionscodierer 63 verbunden. Der Positionscodierer 63 gibt synchron zur Drehung der Spindel Rückführungsimpulse aus, wobei diese Rückführungsimpulse durch die CPU 11 gelesen werden.
Der Sensor 3 ist ein Schwingungssensor, wie etwa ein Beschleunigungssensor oder Weggeber, und wird dazu verwendet, in einer Werkzeugmaschine erzeugte Ratterschwingungen zu erkennen. Die durch den Sensor 3 erkannten Ratterschwingungen der Werkzeugmaschine werden über den Bus 21 an die CPU 11 übermittelt. Der Sensor 3 wird durch die Maschinenlerneinrichtung 100 zum Lernen verwendet und kann nach Abschluss des Lernens durch die Maschinenierneinrichtung 100 aus der Ratterschwingungsbestimmungseinrichtung 1 entfernt werden.
Eine Schnittstelle 22 ist eine Schnittstelle zum Verbinden der Ratterschwingungsbestimmungseinrichtung 1 und der Maschinenlerneinrichtung 100. Die Maschinenlerneinrichtung 100 umfasst einen Prozessor 101, der dazu eingerichtet ist, die gesamte Maschinenlerneinrichtung 100 zu steuern, ein ROM 102, das Systemprogramme speichert, ein RAM 103 zur Zwischenspeicherung in jedem Schritt einer auf maschinelles Lernen bezogenen Verarbeitung und einen nichtflüchtigen Speicher 104, der dazu verwendet wird, Lernmodelle zu speichern. Die Maschinenlerneinrichtung 100 kann Informationen (z.B. Position, Drehzahl und Beschleunigung jedes Servomotors 50, Drehzahl des Spindelmotors 62, Stromwerte der einzelnen Motoren, Erkennungswerte von in der Werkzeugmaschine erzeugten Ratterschwingungen etc.) überwachen, die über die Schnittstelle 22 von der Ratterschwingungsbestimmungseinrichtung 1 erfasst werden können. Außerdem führt die Ratterschwingungsbestimmungseinrichtung 1 bei Empfang des Bewertungsergebnisses einer Anpassung einer oder mehrerer Bearbeitungsbedingungen der Werkzeugmaschine, die die Ratterschwingungen voraussichtlich reduziert, das von der Maschinenierneinrichtung 100 ausgegeben wird, eine Verarbeitung (automatische Anpassung, Präsentation des Bewertungsergebnisses einem Arbeiter etc.) durch, die auf die Anpassung der Bearbeitungsbedingung(en) der Werkzeugmaschine bezogen ist, welche auf diesem Bewertungsergebnis basiert.
2 ist ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung 1 und einer Maschinenierneinrichtung 100 gemäß einer ersten Ausführungsform. Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform weist eine Konfiguration auf, die erforderlich ist, wenn die Maschinenlerneinrichtung 100 ein unüberwachtes Lernen (Lernmodus) durchführt. Jeder in 2 gezeigte Funktionsblock wird implementiert, wenn die CPU 11 der Ratterschwingungsbestimmungseinrichtung 1 und der Prozessor 101 der Maschinenlernvorrichtung 100, die in 1 gezeigt sind, ihre jeweiligen Systemprogramme ausführen und den Betrieb jedes Teils der Ratterschwingungsbestimmungseinrichtung 1 und der Maschinenlerneinrichtung 100 steuern.
Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform umfasst eine Datenerfassungseinheit 32 und eine Vorverarbeitungseinheit 34. Die Maschinenlerneinrichtung 100 der Ratterschwingungsbestimmungseinrichtung 1 umfasst eine Zustandsüberwachungseinheit 106 und eine Lerneinheit 110. Außerdem ist eine Erfassungsdatenspeichereinheit 52, in der von einer Werkzeugmaschine 2 und einem Sensor 3 erfasste Daten gespeichert werden, in einem nichtflüchtigen Speicher 14 bereitgestellt. Eine Lernmodellspeichereinheit 130, die dazu eingerichtet ist, durch maschinelles Lernen der Lerneinheit 110 erstellte Lernmodelle zu speichern, ist in dem nichtflüchtigen Speicher 104 der Maschinenlerneinrichtung 100 bereitgestellt.
Die Datenerfassungseinheit 32 erfasst auf die Werkstückbearbeitung durch die Werkzeugmaschine 2 bezogene Daten von der Werkzeugmaschine, dem Sensor 3 und dergleichen. Die Datenerfassungseinheit 32 erfasst beispielsweise die Position, Drehzahl und Beschleunigung jedes Servomotors 50, die Drehzahl eines Spindelmotors 62, Stromwerte der einzelnen Motoren, Erkennungswerte von in der Werkzeugmaschine erzeugten Ratterschwingungen und dergleichen von der Werkzeugmaschine 2, dem Sensor 3 und dergleichen und speichert diese als Erfassungsdaten in der Erfassungsdatenspeichereinheit 52.
Die Vorverarbeitungseinheit 34 erzeugt basierend auf den Daten, die durch die Datenerfassungseinheit 32 erfasst (und in der Erfassungsdatenspeichereinheit 52 gespeichert) werden, Lerndaten, die durch die Maschinenlerneinrichtung 100 zum maschinellen Lernen zu verwenden sind. Die Vorverarbeitungseinheit 34 erzeugt Lerndaten, die durch Konvertieren (durch Digitalisierung oder Abtastung) derjenigen Daten unter den durch die Datenerfassungseinheit 32 erfassten Daten, die erfasst werden, wenn der Erkennungswert der Ratterschwingungen der Werkzeugmaschine 2 nicht höher ist als ein vorgegebener Schwellenwert (oder nicht höher ist als ein Wert, bei dem die Ratterschwingungen nicht als erzeugt betrachtet werden), in eine einheitliche Form erhalten werden, die in der Maschinenlerneinrichtung 100 verarbeitet wird. Wenn die Maschinenlerneinrichtung 100 beispielsweise ein unüberwachtes Lernen durchführt, erzeugt die Vorverarbeitungseinheit 34 Zustandsdaten S mit einem beim unüberwachten Lernen vorgegebenen Format als Lerndaten. Die durch die Vorverarbeitungseinheit 34 erzeugten Zustandsdaten S umfassen zumindest Bearbeitungsbedingungsdaten S1, die Bearbeitungsbedingungen, wie etwa eine Vorschubgeschwindigkeit, eine Spindeldrehzahl und dergleichen, enthalten, die bei der Steuerung der Werkzeugmaschine 2 angewiesen werden.
Die Bearbeitungsbedingungsdaten S1 können solche Daten sein, dass der Wert einer vorgegebenen Bearbeitungsbedingung, der im RAM 13 oder nichtflüchtigen Speicher 14 der Ratterschwingungsbestimmungseinrichtung 1 als Steuereinrichtung eingestellt ist, und der Wert einer Bearbeitungsbedingung, der gemäß einem zur Steuerung der Werkzeugmaschine 2 verwendeten Steuerprogramm angewiesen wird, auf ein vorgegebenes, vorgeschriebenes Datenarray angewendet werden. Andere Bearbeitungsbedingungen, wie etwa die Schnitttiefe, können ebenfalls in den Bearbeitungsbedingungsdaten S1 enthalten sein.
Die Zustandsüberwachungseinheit 106 überwacht die durch die Vorverarbeitungseinheit 34 erzeugten Lerndaten und übermittelt die in den betreffenden Lerndaten enthaltenen Zustandsdaten S an die Lerneinheit 110.
Die Lerneinheit 110 führt unter Verwendung der durch die Vorverarbeitungseinheit 34 erzeugten und durch die Zustandsüberwachungseinheit 106 überwachten Lerndaten ein maschinelles Lernen durch. Ein Beispiel für das durch die Lerneinheit 110 durchgeführte maschinelle Lernen ist ein herkömmliches Verfahren zum unüberwachten Lernen, das die durch die Vorverarbeitungseinheit 34 erzeugten Lerndaten verwendet, die auf Daten basieren, die erfasst werden, wenn der Erkennungswert der Ratterschwingungen der Werkzeugmaschine 2 nicht höher ist als ein vorgegebener Schwellenwert. Durch dieses Lernverfahren wird ein Lernmodell so erzeugt, dass die Beziehung zwischen einer Bearbeitungsbedingung und dem Zustand des Auftretens von Ratterschwingungen in einem Bearbeitungsvorgang der Werkzeugmaschine 2 maschinell gelernt wird, wobei das erzeugte Lernmodell in der Lernmodellspeichereinheit 130 gespeichert wird. Als Beispiele für das durch die Lerneinheit 110 durchgeführte Verfahren zum unüberwachten Lernen lassen sich das Autoencoder-Verfahren, k-Means-Verfahren und dergleichen anführen.
3 ist eine Darstellung, die ein Beispiel für ein Lernmodell zeigt, das durch unüberwachtes Lernen basierend auf den Daten erzeugt wird, die erfasst werden, wenn der Erkennungswert der Ratterschwingungen der Werkzeugmaschine 2 nicht höher ist als ein vorgegebener Schwellenwert. Der einfacheren Erklärung halber zeigt 3 ein Lernmodell des Falls, in dem die Zustandsdaten S nur die Spindeldrehzahl und die Vorschubgeschwindigkeit einer Vorschubachse umfassen. Tatsächliche Zustandsdaten S werden jedoch durch einen Vektorraum höherer Dimension dargestellt (der z.B. die Werte verschiedener Bearbeitungsbedingungen als Elemente umfasst), wobei das erzeugte Lernmodell einen Datenverteilungszustand in einem multidimensionalen Raum angibt. Bei der vorliegenden Ausführungsform wird das durch die Lerneinheit 110 erzeugte Lernmodell, wie in 3 gezeigt, als Verteilung eines Satzes (Cluster) Zustandsdaten S erzeugt. Wenn das auf diese Weise erzeugte Lernmodell verwendet wird, bewerten eine Bestimmungseinheit 120 und eine Analyseeinheit 140 (später beschrieben) das Auftreten/Nichtauftreten von Ratterschwingungen und eine Bearbeitungsbedingung zur Verbesserung dieser Ratterschwingungen abhängig von der Beziehung zwischen neu von der Werkzeugmaschine 2 erfassten Daten und der Verteilung der Daten, die erfasst werden, wenn der Erkennungswert der Ratterschwingungen nicht höher ist als ein vorgegebener Schwellenwert.
Bei der Ratterschwingungsbestimmungseinrichtung 1 mit der obigen Konfiguration erzeugt die Lerneinheit 110 das Lernmodell durch Durchführen des maschinellen Lernens unter Verwendung der durch die Vorverarbeitungseinheit 34 erzeugten Lerndaten, die auf den von der Werkzeugmaschine 2 und dem Sensor 3 erfassten Daten basieren. Das auf diese Weise erzeugte Lernmodell kann dazu verwendet werden, das Auftreten/Nichtauftreten von Ratterschwingungen und einen Verbesserungsplan für die Ratterschwingungen basierend auf Daten, wie etwa der Bearbeitungsbedingung, die von der Werkzeugmaschine 2 erfasst wird, wenn der Arbeiter erneut eine Bearbeitung mit der Werkzeugmaschine 2 durchführt, zu bewerten.
4 ist ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung 1 und einer Maschinenierneinrichtung 100 gemäß einer zweiten Ausführungsform. Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform weist eine Konfiguration auf, die erforderlich ist, wenn die Maschinenlerneinrichtung 100 ein überwachtes Lernen (Lernmodus) durchführt. Jeder in 4 gezeigte Funktionsblock wird implementiert, wenn die CPU 11 der Ratterschwingungsbestimmungseinrichtung 1 und der Prozessor 101 der Maschinenlernvorrichtung 100, die in 1 gezeigt sind, ihre jeweiligen Systemprogramme ausführen und den Betrieb jedes Teils der Ratterschwingungsbestimmungseinrichtung 1 und der Maschinenlerneinrichtung 100 steuern.
Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform umfasst eine Datenerfassungseinheit 32 und eine Vorverarbeitungseinheit 34. Die Maschinenlerneinrichtung 100 der Ratterschwingungsbestimmungseinrichtung 1 umfasst eine Zustandsüberwachungseinheit 106, eine Labeldatenerfassungseinheit 108 und eine Lerneinheit 110. Außerdem ist eine Erfassungsdatenspeichereinheit 52, in der von einer Werkzeugmaschine 2 und einem Sensor 3 erfasste Daten gespeichert werden, in einem nichtflüchtigen Speicher 14 bereitgestellt. Eine Lernmodellspeichereinheit 130, die dazu eingerichtet ist, durch maschinelles Lernen der Lerneinheit 110 erstellte Lernmodelle zu speichern, ist in dem nichtflüchtigen Speicher 104 der Maschinenlerneinrichtung 100 bereitgestellt.
Die Datenerfassungseinheit 32 gemäß der vorliegenden Ausführungsform hat dieselbe Funktion wie die Datenerfassungseinheit 32 gemäß der ersten Ausführungsform.
Die Vorverarbeitungseinheit 34 gemäß der vorliegenden Ausführungsform erzeugt Lerndaten, die durch die Maschinenlerneinrichtung 100 zum maschinellen Lernen zu verwenden sind, basierend auf den Daten, die durch die Datenerfassungseinheit 32 erfasst (und in der Erfassungsdatenspeichereinheit 52 gespeichert) werden. Die Vorverarbeitungseinheit 34 erzeugt Lerndaten, die durch Konvertieren (durch Digitalisierung oder Abtastung) der durch die Datenerfassungseinheit 32 erfassten Daten in eine einheitliche Form erhalten werden, die in der Maschinenierneinrichtung 100 verarbeitet wird. Wenn die Maschinenlerneinrichtung 100 beispielsweise ein überwachtes Lernen durchführt, erzeugt die Vorverarbeitungseinheit 34 einen Satz Zustandsdaten S und Labeldaten L mit einem beim überwachten Lernen vorgegebenen Format als Lerndaten. Wie bei der ersten Ausführungsform umfassen die durch die Vorverarbeitungseinheit 34 erzeugten Zustandsdaten S zumindest Bearbeitungsbedingungsdaten S1, die Bearbeitungsbedingungen, wie etwa eine Vorschubgeschwindigkeit, eine Spindeldrehzahl und dergleichen, enthalten, die bei der Steuerung der Werkzeugmaschine 2 angewiesen werden. Außerdem umfassen die durch die Vorverarbeitungseinheit 34 erzeugten Labeldaten L zumindest Ratterschwingungsdaten L1, die den Erkennungswert von während des Bearbeitungsvorgangs der Werkzeugmaschine 2 erzeugten Ratterschwingungen angeben.
Beispielsweise können ein Schwingungswert, der durch den Sensor 3 als Schwingungssensor erkannt wird, Drehmomentwerte, die durch einen Servomotor 50 zum Antreiben jedes Teils der Werkzeugmaschine 2 und einen Spindelmotor 62 gemessen werden, und Schwingungswerte, die anhand der Werte von Strömen bewertet werden, die dem Servomotor 50 und dem Spindelmotor 62 zugeführt werden, als Ratterschwingungsdaten L1 verwendet werden.
Die Zustandsüberwachungseinheit 106 überwacht die durch die Vorverarbeitungseinheit 34 erzeugten Lerndaten und übermittelt die in den betreffenden Lerndaten enthaltenen Zustandsdaten S an die Lerneinheit 110.
Die Labeldatenerfassungseinheit 108 überwacht die durch die Vorverarbeitungseinheit 34 erzeugten Lerndaten und übermittelt die in den betreffenden Lerndaten enthaltenen Labeldaten L an die Lerneinheit 110. Die Lerneinheit 110 führt unter Verwendung der durch die Vorverarbeitungseinheit 34 erzeugten Lerndaten ein maschinelles Lernen durch. Ein Beispiel für das durch die Lerneinheit 110 durchgeführte maschinelle Lernen ist ein herkömmliches Verfahren zum überwachten Lernen, das die durch die Vorverarbeitungseinheit 34 erzeugten Lerndaten verwendet, die auf während des Bearbeitungsvorgangs der Werkzeugmaschine 2 erfassten Daten basieren. Durch dieses Lernverfahren wird ein Lernmodell so erzeugt, dass die Beziehung zwischen einer Bearbeitungsbedingung und dem Erkennungswert von Ratterschwingungen im Bearbeitungsvorgang der Werkzeugmaschine 2 maschinell gelernt wird, wobei das erzeugte Lernmodell in der Lernmodellspeichereinheit 130 gespeichert wird. Als Beispiele für das durch die Lerneinheit 110 durchgeführte Verfahren zum überwachten Lernen lassen sich das Mehrschicht-Perzeptron-Verfahren, ein Verfahren, das ein rekurrentes neuronales Netz verwendet, das Long Short-Term-Memory- (langes Kurzzeitgedächtnis) Verfahren, ein Verfahren, das ein Convolutional Neural Network (faltendes neuronales Netz) verwendet, oder dergleichen anführen.
5 ist eine Darstellung, die ein Beispiel für ein Lernmodell zeigt, das durch überwachtes Lernen basierend auf Daten erzeugt wird, die während des Bearbeitungsvorgangs der Werkzeugmaschine 2 erfasst werden. Der einfacheren Erklärung halber zeigt 5 ein Lernmodell des Falls, in dem die Zustandsdaten S die Spindeldrehzahl und die Labeldaten L den Erkennungswert von Ratterschwingungen umfassen. Tatsächliche Zustandsdaten S werden jedoch durch einen Vektorraum höherer Dimension dargestellt (der z.B. die Werte mehrerer anderer Bearbeitungsbedingungen als Elemente umfasst), wobei das erzeugte Lernmodell einen vorgegebenen Graphen in einem multidimensionalen Raum angibt. Wenn das auf diese Weise erzeugte Lernmodell verwendet wird, bewerten eine Bestimmungseinheit 120 und eine Analyseeinheit 140 (später beschrieben) den Ratterschwingungsgrad und eine Bearbeitungsbedingung zur Verbesserung dieser Ratterschwingungen durch Eingeben von neu von der Werkzeugmaschine 2 erfassten Daten in das Lernmodell.
Als Modifikation der Ratterschwingungsbestimmungseinrichtungen 1 gemäß der ersten und zweiten Ausführungsform kann die Vorverarbeitungseinheit 34 dazu eingerichtet sein, zusätzlich zu den Bearbeitungsbedingungsdaten S1 ferner Werkzeugdaten S2, die Informationen über Werkzeuge enthalten, als Zustandsdaten S zu erzeugen. Die Werkzeugdaten S2 können unter Verwendung von Informationen, die in einem Speicher der Ratterschwingungsbestimmungseinrichtung 1 als Steuereinrichtung festgelegt sind, oder basierend auf durch den Arbeiter über eine Anzeige-/MDI-Einheit 70 eingegebenen Informationen oder Informationen erzeugt werden, die von einem anderen Computer, wie etwa einer CAD-/CAM-Einrichtung, über ein Netzwerk (nicht gezeigt) erfasst werden. Die Werkzeugdaten S2 können die Werkzeugart, die Anzahl der Werkzeugschneiden, das Werkzeugmaterial und dergleichen umfassen.
Durch Verwenden der Werkzeugdaten S2 als Zustandsdaten S kann die Ratterschwingungsbestimmungseinrichtung 1 die Beziehung der Bearbeitungsbedingung und des Werkzeugs zum Erkennungswert der Ratterschwingungen im Bearbeitungsvorgang der Werkzeugmaschine 2 maschinell lernen.
Als weitere Modifikation der Ratterschwingungsbestimmungseinrichtungen 1 gemäß der ersten und zweiten Ausführungsform kann die Vorverarbeitungseinheit 34 dazu eingerichtet sein, zusätzlich zu den Bearbeitungsbedingungsdaten S1 ferner Werkstückdaten S3, die Informationen über Werkstücke enthalten, als Zustandsdaten S zu erzeugen. Die Werkstückdaten S3 können unter Verwendung von Informationen, die in einem Speicher der Ratterschwingungsbestimmungseinrichtung 1 als Steuereinrichtung festgelegt sind, oder basierend auf durch den Arbeiter über die Anzeige-/MDI-Einheit 70 eingegebenen Informationen oder Informationen erzeugt werden, die von einem anderen Computer, wie etwa der CAD-/CAM-Einrichtung, über das Netzwerk (nicht gezeigt) erfasst werden. Die Werkstückdaten S3 können das Werkstückmaterial und dergleichen umfassen.
Durch Verwenden der Werkstückdaten S3 als Zustandsdaten S kann die Ratterschwingungsbestimmungseinrichtung 1 die Beziehung der Bearbeitungsbedingung und des Werkstücks zum Erkennungswert der Ratterschwingungen im Bearbeitungsvorgang der Werkzeugmaschine 2 maschinell lernen.
6 ist ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung 1 und einer Maschinenierneinrichtung 100 gemäß einer dritten Ausführungsform. Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform weist eine Konfiguration auf, die erforderlich ist, wenn die Maschinenlerneinrichtung 100 unter Verwendung eines durch unüberwachtes Lernen erzeugten Lernmodells eine Bewertungsverarbeitung (Bewertungsmodus) durchführt. Jeder in 6 gezeigte Funktionsblock wird implementiert, wenn die CPU 11 der Ratterschwingungsbestimmungseinrichtung 1 und der Prozessor 101 der Maschinenlernvorrichtung 100, die in 1 gezeigt sind, ihre jeweiligen Systemprogramme ausführen und den Betrieb jedes Teils der Ratterschwingungsbestimmungseinrichtung 1 und der Maschinenlerneinrichtung 100 steuern.
Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform umfasst eine Datenerfassungseinheit 32 und eine Vorverarbeitungseinheit 34. Die Maschinenlerneinrichtung 100 der Ratterschwingungsbestimmungseinrichtung 1 umfasst eine Zustandsüberwachungseinheit 106, eine Bestimmungseinheit 120 und eine Analyseeinheit 140. Außerdem ist eine Erfassungsdatenspeichereinheit 52, in der von einer Werkzeugmaschine 2 und einem Sensor 3 erfasste Daten gespeichert werden, in einem nichtflüchtigen Speicher 14 bereitgestellt. Eine Lernmodellspeichereinheit 130, die dazu eingerichtet ist, durch maschinelles Lernen einer Lerneinheit 110 erstellte Lernmodelle zu speichern, ist in einem nichtflüchtigen Speicher 104 der Maschinenlerneinrichtung 100 bereitgestellt.
Die Datenerfassungseinheit 32 und die Zustandsüberwachungseinheit 106 gemäß der vorliegenden Ausführungsform haben dieselben Funktionen wie die Datenerfassungseinheit 32 und die Zustandsüberwachungseinheit 106 gemäß der ersten Ausführungsform. Außerdem hat die Vorverarbeitungseinheit 34 gemäß der vorliegenden Ausführungsform, abgesehen davon, dass die erzeugten Lerndaten für die Bewertung durch die Maschinenlerneinrichtung 100 verwendet werden, dieselbe Funktion wie die Vorverarbeitungseinheit 34 der ersten Ausführungsform.
Die Bestimmungseinheit 120 bewertet das Auftreten/Nichtauftreten von Ratterschwingungen bei der Bearbeitung durch die Werkzeugmaschine 2 unter Verwendung der in der Lernmodellspeichereinheit 130 gespeicherten Lernmodelle basierend auf durch die Vorverarbeitungseinheit 34 erzeugten Zustandsdaten S. Die Bestimmungseinheit 120 der vorliegenden Ausführungsform bewertet das Auftreten/Nichtauftreten von Ratterschwingungen bei der Bearbeitung durch die Werkzeugmaschine 2 durch Analysieren der Beziehung zwischen neu von der Werkzeugmaschine 2 erfassten Daten und einem Lernmodell (Verteilung von Daten, die erfasst werden, wenn der Erkennungswert von Ratterschwingungen nicht höher ist als ein vorgegebener Schwellenwert), das durch die Lerneinheit 110 erzeugt wird (oder für das durch diese ein Parameter bestimmt wird).
Wenn das Auftreten von Ratterschwingungen durch die Bestimmungseinheit 120 bewertet wird, analysiert die Analyseeinheit 140 die durch die Vorverarbeitungseinheit 34 erzeugten Zustandsdaten S und die in der Lernmodellspeichereinheit 130 gespeicherten Lernmodelle und bewertet die Verbesserung der Ratterschwingungen bei der Bearbeitung durch die Werkzeugmaschine 2. Die Analyseeinheit 140 der vorliegenden Ausführungsform bewertet die Verbesserung der Ratterschwingungen bei der Bearbeitung durch die Werkzeugmaschine 2 durch Analysieren der Beziehung zwischen den neu von der Werkzeugmaschine 2 erfassten Daten und dem Lernmodell (Verteilung der Daten, die erfasst werden, wenn der Erkennungswert von Ratterschwingungen nicht höher ist als der vorgegebene Schwellenwert), das durch die Lerneinheit 110 erzeugt wird (oder für das durch diese der Parameter bestimmt wird).
7 ist eine Darstellung, die die Bewertungsverarbeitung durch die Bestimmungseinheit 120 und die Analyseeinheit 140 bezüglich des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen basierend auf den von der Werkzeugmaschine 2 erfassten Zustandsdaten S und dem durch unüberwachtes Lernen erzeugten Lernmodell zeigt. Der einfacheren Erklärung halber zeigt 7 den Fall, in dem die Zustandsdaten S nur die Spindeldrehzahl und die Vorschubgeschwindigkeit einer Vorschubachse umfassen. Tatsächliche Zustandsdaten S werden jedoch durch einen Vektorraum höherer Dimension dargestellt (der z.B. die Werte verschiedener Bearbeitungsbedingungen als Elemente umfasst), wobei das Lernmodell einen Datenverteilungszustand in einem multidimensionalen Raum angibt. Die Bestimmungseinheit 120 gemäß der vorliegenden Ausführungsform bewertet das Auftreten/Nichtauftreten von Ratterschwingungen durch Bestimmen, ob die zu bewertenden Zustandsdaten S zu einem Satz (Cluster) Zustandsdaten S gehören, der gemäß einem vorher festgelegten Kriterium als Lernmodell erzeugt wird. Wie in 7 gezeigt, erhält die Bestimmungseinheit 120 beispielsweise den Abstand zwischen den zu bewertenden Zustandsdaten S und der Mitte jedes Clusters (oder der Clustergrenze) von Daten, die als Lernmodell erzeugt werden. Die Bestimmungseinheit 120 kann dazu eingerichtet sein, zu bewerten, dass keine Ratterschwingungen auftreten, wenn die zu bewertenden Zustandsdaten S innerhalb eines vorgegebenen, vorgeschriebenen Schwellenwerts Lth₁ zu einem beliebigen Cluster gelegen sind, und dass Ratterschwingungen auftreten, wenn die zu bewertenden Zustandsdaten S über den vorgegebenen, vorgeschriebenen festgelegten Schwellenwert Lth₁ hinaus zu einem beliebigen der Cluster gelegen sind. Außerdem kann die Bestimmungseinheit 120 dazu eingerichtet sein, beispielsweise beim Ausführen der Bewertungsverarbeitung z.B. die Dichte der als Lernmodell erzeugten Daten an der Position der zu bewertenden Zustandsdaten S zu erhalten und zu bewerten, dass keine Ratterschwingungen auftreten, wenn diese Dichte nicht kleiner als ein vorgegebener, vorgeschriebener Schwellenwert Dth₁ ist, und dass Ratterschwingungen auftreten, wenn die Dichte kleiner als der vorgeschriebene Schwellenwert Dth₁ ist.
Zum anderen bewertet die Analyseeinheit 140 gemäß der vorliegenden Ausführungsform die Verbesserung der Ratterschwingungen durch Analysieren der Bearbeitungsbedingung, die anzupassen ist, um zu bewirken, dass die zu bewertenden Zustandsdaten S zu einem beliebigen Satz (Cluster) Zustandsdaten gehören, der als Lernmodel erzeugt wird. Außerdem analysiert die Analyseeinheit 140 ferner den Anpassungsbetrag der Bearbeitungsbedingung, der erforderlich ist, um zu bewirken, dass die Zustandsdaten S zu dem Cluster gehören.
Wie in 7 gezeigt, erhält die Analyseeinheit 140 beispielsweise den Abstand zwischen den zu bewertenden Zustandsdaten S und der jeweiligen Mitte der Cluster der als Lernmodell erzeugten Daten, ermittelt das am nächsten zu den zu bewertenden Zustandsdaten S gelegene Cluster durch Vergleichen der erhaltenen Abstände und analysiert die Bearbeitungsbedingung, die anzupassen ist, um zu bewirken, dass die Zustandsdaten S zu diesem Cluster gehören. Bei dem Beispiel von 7 kann bewirkt werden, dass die Zustandsdaten S zu dem nächstgelegenen Cluster gehören, indem eine Bearbeitungsbedingung einer Vorschubgeschwindigkeit F auf ein niedrigeres Niveau eingestellt wird, so dass die Vorschubgeschwindigkeit F als zu verbessernde Bearbeitungsbedingung bewertet wird. Außerdem wird bei dem Beispiel von 7 der Anpassungsbetrag der Vorschubgeschwindigkeit, der erforderlich ist, damit der Abstand zu dem betreffenden Cluster nicht länger als ein vorgeschriebener Schwellenwert ausfällt, als Anpassungsbetrag der Vorschubgeschwindigkeit F zur Verbesserung der Ratterschwingungen bewertet. Die Analyseeinheit 140 kann dazu eingerichtet sein, mehrere Bearbeitungsbedingungen als zu verbessernde Bearbeitungsbedingungen zu bewerten.
Das Ergebnis der Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung dieser Ratterschwingungen durch die Bestimmungseinheit 120 und die Analyseeinheit 140 kann beispielsweise zur Anpassung der Bearbeitungsbedingung bei der Bearbeitung durch die Werkzeugmaschine 2 verwendet werden. In diesem Fall passt die Ratterschwingungsbestimmungseinrichtung 1, wenn durch die Bestimmungseinheit 120 bestimmt wird, dass bei der aktuell eingestellten Bearbeitungsbedingung Ratterschwingungen auftreten, basierend auf dem Ergebnis der Bewertung der Verbesserung der Ratterschwingungen durch die Analyseeinheit 140 automatisch die aktuell eingestellte Bearbeitungsbedingung so an, dass die Ratterschwingungen reduziert werden. Da diese automatische Anpassung auf der aktuell eingestellten Bearbeitungsbedingung basiert, können die Ratterschwingungen durch eine minimale Änderung reduziert werden, ohne die gemäß dem aktuellen Bearbeitungszweck eingestellte Bearbeitungsbedingung übermäßig zu ändern.
Außerdem kann das Ergebnis der Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung dieser Ratterschwingungen durch die Bestimmungseinheit 120 und die Analyseeinheit 140 beispielsweise als Anleitung auf einer Anzeige-/MDI-Einheit 70 angezeigt werden. Durch Betrachten dieser Anzeige kann der Arbeiter das Auftreten/Nichtauftreten von Ratterschwingungen bei der aktuellen Bearbeitungsbedingung feststellen und, wenn Ratterschwingungen auftreten, die Bearbeitungsbedingung, die anzupassen ist, um die Ratterschwingungen zu unterbinden, und die Art der Anpassung leicht ermitteln.
8 ist ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung 1 und einer Maschinenierneinrichtung 100 gemäß einer vierten Ausführungsform. Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform weist eine Konfiguration auf, die erforderlich ist, wenn die Maschinenlerneinrichtung 100 unter Verwendung eines durch überwachtes Lernen erzeugten Lernmodells eine Bewertungsverarbeitung (Bewertungsmodus) durchführt. Jeder in 8 gezeigte Funktionsblock wird implementiert, wenn die CPU 11 der Ratterschwingungsbestimmungseinrichtung 1 und der Prozessor 101 der Maschinenlernvorrichtung 100, die in 1 gezeigt sind, ihre jeweiligen Systemprogramme ausführen und den Betrieb jedes Teils der Ratterschwingungsbestimmungseinrichtung 1 und der Maschinenlerneinrichtung 100 steuern.
Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform umfasst eine Datenerfassungseinheit 32 und eine Vorverarbeitungseinheit 34. Die Maschinenlerneinrichtung 100 der Ratterschwingungsbestimmungseinrichtung 1 umfasst eine Zustandsüberwachungseinheit 106, eine Bestimmungseinheit 120 und eine Analyseeinheit 140. Außerdem ist eine Erfassungsdatenspeichereinheit 52, in der von einer Werkzeugmaschine 2 und einem Sensor 3 erfasste Daten gespeichert werden, in einem nichtflüchtigen Speicher 14 bereitgestellt. Eine Lernmodellspeichereinheit 130, die dazu eingerichtet ist, durch maschinelles Lernen einer Lerneinheit 110 erstellte Lernmodelle zu speichern, ist in einem nichtflüchtigen Speicher 104 der Maschinenlerneinrichtung 100 bereitgestellt.
Die Datenerfassungseinheit 32 und die Zustandsüberwachungseinheit 106 gemäß der vorliegenden Ausführungsform haben dieselben Funktionen wie die Datenerfassungseinheit 32 und die Zustandsüberwachungseinheit 106 gemäß der zweiten Ausführungsform. Außerdem hat die Vorverarbeitungseinheit 34 gemäß der vorliegenden Ausführungsform, abgesehen davon, dass die Zustandsdaten S enthaltende Lerndaten für die Bewertungsverarbeitung durch die Maschinenierneinrichtung 100 erzeugt werden, dieselbe Funktion wie die Vorverarbeitungseinheit 34 der zweiten Ausführungsform.
Die Bestimmungseinheit 120 bewertet das Auftreten/Nichtauftreten von Ratterschwingungen bei der Bearbeitung durch die Werkzeugmaschine 2 unter Verwendung der in der Lernmodellspeichereinheit 130 gespeicherten Lernmodelle basierend auf den durch die Vorverarbeitungseinheit 34 erzeugten Zustandsdaten S. Die Bestimmungseinheit 120 der vorliegenden Ausführungsform gibt neu von der Werkzeugmaschine 2 erfasste Daten in ein Lernmodell ein, das durch die Lerneinheit 110 erzeugt wird (oder für das durch diese ein Parameter bestimmt wird), erfasst dadurch das Ergebnis der Bewertung des Ratterschwingungsgrads bei der Bearbeitung durch die Werkzeugmaschine 2 und bewertet das Auftreten/Nichtauftreten von Ratterschwingungen basierend auf diesem Bewertungsergebnis.
Wenn das Auftreten von Ratterschwingungen durch die Bestimmungseinheit 120 bewertet wird, analysiert die Analyseeinheit 140 die durch die Vorverarbeitungseinheit 34 erzeugten Zustandsdaten S und die in der Lernmodellspeichereinheit 130 gespeicherten Lernmodelle und bewertet die Verbesserung der Ratterschwingungen bei der Bearbeitung durch die Werkzeugmaschine 2. Die Analyseeinheit 140 der vorliegenden Ausführungsform bewertet die Verbesserung der Ratterschwingungen bei der Bearbeitung durch die Werkzeugmaschine 2 durch Analysieren der Beziehung zwischen den neu von der Werkzeugmaschine 2 erfassten Daten und dem Lernmodell, das durch die Lerneinheit 110 erzeugt wird (oder für das durch diese der Parameter bestimmt wird).
9 ist eine Darstellung, die die Bewertungsverarbeitung durch die Bestimmungseinheit 120 und die Analyseeinheit 140 bezüglich des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen basierend auf den von der Werkzeugmaschine 2 erfassten Zustandsdaten S und dem durch überwachtes Lernen erzeugten Lernmodell zeigt. Der einfacheren Erklärung halber zeigt 9 den Fall, in dem die Zustandsdaten S die Spindeldrehzahl und die Labeldaten L den Erkennungswert von Ratterschwingungen umfassen. Tatsächliche Zustandsdaten S werden jedoch durch einen Vektorraum höherer Dimension dargestellt (der z.B. die Werte mehrerer anderer Bearbeitungsbedingungen als Elemente umfasst), wobei das erzeugte Lernmodell einen vorgegebenen Graphen in einem multidimensionalen Raum angibt. Die Bestimmungseinheit 120 der vorliegenden Ausführungsform bewertet das Auftreten/Nichtauftreten von Ratterschwingungen durch Eingeben der zu bewertenden Zustandsdaten S in ein Lernmodell und Bestimmen, ob ein vorher festgelegtes Kriterium durch den von diesem Lernmodell ausgegebenen Bewertungsbetrag des Ratterschwingungsgrads überschritten wird.
Wie in 9 gezeigt, kann die Bestimmungseinheit 120 dazu eingerichtet sein, einen Bewertungswert des Ratterschwingungsgrads durch Eingeben der zu bewertenden Zustandsdaten S in das Lernmodell zu erhalten und zu bewerten, dass keine Ratterschwingungen auftreten, wenn der Bewertungswert des Ratterschwingungsgrads nicht höher als ein vorgegebener, vorgeschriebener Schwellenwert Vth ist, und dass Ratterschwingungen auftreten, wenn der vorgegebene, vorgeschriebene Schwellenwert Vth überschritten wird.
Zum anderen bewertet die Analyseeinheit 140 gemäß der vorliegenden Ausführungsform die Verbesserung der Ratterschwingungen durch Analysieren der Bearbeitungsbedingung, die anzupassen ist, damit der durch die Eingabe in das Lernmodell erhaltene Bewertungswert des Ratterschwingungsgrads nicht höher als der vorgeschriebene Schwellenwert Vth ausfällt. Außerdem analysiert die Analyseeinheit 140 ferner den Anpassungsbetrag der Bearbeitungsbedingung, der erforderlich ist, damit der Bewertungswert des Ratterschwingungsgrads nicht höher als der vorgegebenen Schwellenwert Vth ausfällt. Die Analyseeinheit 140 kann beispielsweise dazu eingerichtet sein, den Änderungstrend des Ratterschwingungsgrads bei jeder Bearbeitungsbedingung an der Position der Zustandsdaten S im Lernmodell zu analysieren und die Bearbeitungsbedingung mit dem höchsten Änderungstrend des Ratterschwingungsgrads als anzupassende Bearbeitungsbedingung zu bewerten. In einem solchen Fall ist es, wenn ein Lernmodell durch eine vorgeschriebene Funktion erstellt wird, lediglich notwendig, dass die Analyseeinheit 140 für jede Bearbeitungsbedingung c_i (i = 1 ~ n) derart eine Funktion erzeugt, dass andere Bearbeitungsbedingungen für Lernmodelle auf Werte festgelegt werden, die durch die Zustandsdaten S angegeben werden, und an einer Position der Zustandsdaten S für die betreffende Funktion eine Steigung erhält, und dass diese Steigung als Änderungstrend des Ratterschwingungsgrads bei der Bearbeitungsbedingung c_i an der Position der Zustandsdaten S im Lernmodell angesehen wird. Außerdem ist es, wenn das Lernmodell durch ein neuronales Netz oder dergleichen erstellt wird, lediglich notwendig, dass die Analyseeinheit 140 eine Änderung des Ratterschwingungsgrads bei jeder der einzelnen Bearbeitungsbedingungen c_i (i = 1 ~ n) analysiert, wenn die Bearbeitungsbedingung ci bei jeder vorgegebenen, vorgeschriebenen Variation Δd_i von der Position der Zustandsdaten abweicht, und dass diese Abweichung als Änderungstrend des Ratterschwingungsgrads bei der Bearbeitungsbedingung c_i an der Position der Zustandsdaten S im Lernmodell angesehen wird. Außerdem bewertet die Analyseeinheit 140 den Anpassungsbetrag der Bearbeitungsbedingung, die anzupassen ist, damit der durch das Lernmodell ausgegebene Ratterschwingungsgrad nicht höher als der vorgeschriebene Schwellenwert Vth ausfällt, als Anpassungsbetrag der Bearbeitungsbedingung zur Verbesserung der Ratterschwingungen. Die Analyseeinheit 140 kann dazu eingerichtet sein, mehrere Bearbeitungsbedingungen als zu verbessernde Bearbeitungsbedingung zu bewerten.
Das Ergebnis der Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung dieser Ratterschwingungen durch die Bestimmungseinheit 120 und die Analyseeinheit 140 kann beispielsweise zur Anpassung der Bearbeitungsbedingung bei der Bearbeitung durch die Werkzeugmaschine 2 verwendet werden. In diesem Fall passt die Ratterschwingungsbestimmungseinrichtung 1, wenn durch die Bestimmungseinheit 120 bestimmt wird, dass bei der aktuell eingestellten Bearbeitungsbedingung Ratterschwingungen auftreten, basierend auf dem Ergebnis der Bewertung der Verbesserung der Ratterschwingungen durch die Analyseeinheit 140 automatisch die aktuell eingestellte Bearbeitungsbedingung so an, dass die Ratterschwingungen reduziert werden. Da diese automatische Anpassung auf der aktuell eingestellten Bearbeitungsbedingung basiert, können die Ratterschwingungen durch eine minimale Änderung reduziert werden, ohne die gemäß dem aktuellen Bearbeitungszweck eingestellte Bearbeitungsbedingung übermäßig zu ändern.
Außerdem kann das Ergebnis der Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung dieser Ratterschwingungen durch die Bestimmungseinheit 120 und die Analyseeinheit 140 beispielsweise als Anleitung auf einer Anzeige-/MDI-Einheit 70 angezeigt werden. Durch Betrachten dieser Anzeige kann der Arbeiter das Auftreten/Nichtauftreten von Ratterschwingungen bei der aktuellen Bearbeitungsbedingung feststellen und, wenn Ratterschwingungen auftreten, die Bearbeitungsbedingung, die anzupassen ist, um die Ratterschwingungen zu unterbinden, und die Art der Einstellung leicht ermitteln.
Als Modifikation der Ratterschwingungsbestimmungseinrichtungen 1 gemäß der dritten und vierten Ausführungsform kann die Analyseeinheit 140 dazu eingerichtet sein, die Verbesserung von Ratterschwingungen hinsichtlich der auf die Bearbeitungsbedingung bezogenen Anpassung durch den Arbeiter unter einer Einschränkung zu bewerten, nachdem diese Einschränkung vorab eingestellt wurde. Bei der Bearbeitung durch die Werkzeugmaschine 2 möchte der Arbeiter bisweilen die Vorschubgeschwindigkeit oder die Spindeldrehfrequenz nicht reduzieren. In einem solchen Fall können die Bearbeitungsbedingungen, die nicht angepasst werden sollen, vorab eingestellt werden, so dass die Analyseeinheit 140 die anzupassende Bearbeitungsbedingung bewerten und gleichzeitig die Einschränkung oder Anforderung beim Bewerten der Verbesserung der Ratterschwingungen erfüllen kann.
10 ist ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung 1 und einer Maschinenierneinrichtung 100 gemäß einer fünften Ausführungsform. Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform weist eine Konfiguration auf, die erforderlich ist, wenn die Maschinenlerneinrichtung 100 unter Verwendung eines durch unüberwachtes Lernen erzeugten Lernmodells eine Bewertungsverarbeitung (Bewertungsmodus) durchführt. Jeder in 10 gezeigte Funktionsblock wird implementiert, wenn die CPU 11 der Ratterschwingungsbestimmungseinrichtung 1 und der Prozessor 101 der Maschinenlernvorrichtung 100, die in 1 gezeigt sind, ihre jeweiligen Systemprogramme ausführen und den Betrieb jedes Teils der Ratterschwingungsbestimmungseinrichtung 1 und der Maschinenlerneinrichtung 100 steuern.
Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform umfasst eine Datenerfassungseinheit 32 und eine Vorverarbeitungseinheit 34. Die Maschinenlerneinrichtung 100 der Ratterschwingungsbestimmungseinrichtung 1 umfasst eine Zustandsüberwachungseinheit 106, eine Bestimmungseinheit 120, eine Analyseeinheit 140 und eine Lernmodelanpassungseinheit 150. Außerdem ist eine Erfassungsdatenspeichereinheit 52, in der von einer Werkzeugmaschine 2 und einem Sensor 3 erfasste Daten gespeichert werden, in einem nichtflüchtigen Speicher 14 bereitgestellt. Eine Lernmodellspeichereinheit 130, die dazu eingerichtet ist, durch maschinelles Lernen einer Lerneinheit 110 erstellte Lernmodelle zu speichern, ist in einem nichtflüchtigen Speicher 104 der Maschinenlerneinrichtung 100 bereitgestellt.
Die Datenerfassungseinheit 32, die Vorverarbeitungseinheit 34, die Zustandsüberwachungseinheit 106, die Bestimmungseinheit 120 und die Analyseeinheit 140 gemäß der vorliegenden Ausführungsform haben dieselben Funktionen wie die Datenerfassungseinheit 32, die Vorverarbeitungseinheit 34, die Zustandsüberwachungseinheit 106, die Bestimmungseinheit 120 und die Analyseeinheit 140 der gemäß dritten Ausführungsform.
Die Lernmodelanpassungseinheit 150 gemäß der vorliegenden Ausführungsform ist eine Funktionseinrichtung zum Anpassen eines Lernmodells, das basierend auf dem Betriebszustand einer vorgeschriebenen Werkzeugmaschine 2 sowie dem Betriebszustand einer anderen Werkzeugmaschine 2 erzeugt wird.
Ein Verfahren zur Lernmodelanpassung durch die Lernmodelanpassungseinheit 150 ist unter Bezugnahme auf 11 beschrieben. 11 zeigt ein Beispiel für ein Lernmodell, das basierend auf dem Betriebszustand einer vorgeschriebenen Werkzeugmaschine durch unüberwachtes Lernen erzeugt wird. In 11 stellen schwarze Punkte Zustandsdaten dar, die erfasst werden, wenn in der vorgeschriebenen Werkzeugmaschine keine Ratterschwingungen erzeugt werden. Das in 11 dargestellte Lernmodell kann zur Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen bei der Bearbeitung durch die vorgeschriebene Werkzeugmaschine verwendet werden. Wenn dieses Lernmodell jedoch beispielsweise auch zur Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen in einer anderen Werkzeugmaschine 2 desselben Modells als vorgeschriebene Werkzeugmaschine verwendet wird, kann aufgrund des Maschinenunterschieds zwischen der vorgeschriebenen Werkzeugmaschine und der zweiten Werkzeugmaschine, Fehlern in verschiedenen Teilen und dergleichen keine korrekte Bewertung durchgeführt werden.
Ein bekanntes Merkmal von in der Werkzeugmaschine 2 erzeugten Ratterschwingungen besteht darin, dass sich in der Nähe der Spindeldrehfrequenz, bei der die Schneidkantendurchlauffrequenz (Spindeldrehzahl × Anzahl Werkzeugklingen) des Werkzeugs ein Bruchteil einer Ganzzahl der Resonanzfrequenz der Maschinenstruktur ist, ein stabiler Bereich erweitert. Die Periode der Spindeldrehfrequenz, in der sich der stabile Bereich erweitert, kann durch die untenstehende Gleichung 1 angegeben werden. In Gleichung 1 ist fc die Resonanzfrequenz der Maschine und N die Anzahl der Werkzeugklingen. $\begin{array}{l} Periode von Spindeldrehfrequenz f ü r stabilen Bereich \\ = 60 fc / N . \end{array}$
Zum anderen wird die Mittenposition jedes Clusters bewertet, um die Position einer Bearbeitungsbedingung für den Mindestwert von Ratterschwingungen in der vorgegebenen Werkzeugmaschine 2 in dem in der vorgegebenen Werkzeugmaschine 2 erzeugten Lernmodell anzugeben. Außerdem weist die Resonanzfrequenz keine wesentliche Differenz auf, wenn die Maschinenstruktur nicht verändert wird. Daraufhin werden Zustandsgrößen (Spindeldrehfrequenzen S) für einige stabile Bereiche (Mindestwerte von Ratterschwingungen) vorab durch Durchführen eines Experiments erhalten, in dem sich die Spindeldrehfrequenz ändert, wenn die Ratterschwingungen bei anderen Bearbeitungsbedingungen als der festgelegten Spindeldrehfrequenz in der alternativen Werkzeugmaschine 2 gemessen werden. Die erhaltenen Zustandsgrößen werden mit den jeweiligen Mittenpositionen der einzelnen Cluster (als stabile Bereiche der vorgeschriebenen Werkzeugmaschine 2 bewertet) in dem in der vorgeschriebenen Werkzeugmaschine 2 erzeugten Lernmodell verglichen und das Lernmodell so angepasst, dass resultierende Fehler korrigiert werden. Folglich kann das angepasste Lernmodell zur Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen in der alternativen Werkzeugmaschine 2 verwendet werden.
Wenn ein Befehl zur Anpassung des Lernmodells und der Zustandsgrößen für die stabilen Bereiche in der (alternativen) Werkzeugmaschine 2 beispielsweise über die Anzeige-/MDI-Einheit 70 und dergleichen eingegeben wird, passt die Lernmodelanpassungseinheit 150 das Lernmodell durch Ausführen der vorstehend beschriebenen Verarbeitung unter Verwendung der eingegebenen Zustandsgrößen für die stabilen Bereiche und der in der Lernmodellspeichereinheit 130 gespeicherten Lernmodelle an. Das angepasste Lernmodell wird neu in der Lernmodellspeichereinheit 130 gespeichert. Das angepasste Lernmodell wird zur Bewertung des durch die Bestimmungseinheit 120 und die Analyseeinheit 140 bewerteten Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen verwendet.
12 ist ein schematisches Funktionsblockdiagramm einer Ratterschwingungsbestimmungseinrichtung 1 und einer Maschinenierneinrichtung 100 gemäß einer sechsten Ausführungsform. Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform weist eine Konfiguration auf, die erforderlich ist, wenn die Maschinenlerneinrichtung 100 unter Verwendung eines durch überwachtes Lernen erzeugten Lernmodells eine Bewertungsverarbeitung (Bewertungsmodus) durchführt. Jeder in 12 gezeigte Funktionsblock wird implementiert, wenn die CPU 11 der Ratterschwingungsbestimmungseinrichtung 1 und der Prozessor 101 der Maschinenlernvorrichtung 100, die in 1 gezeigt sind, ihre jeweiligen Systemprogramme ausführen und den Betrieb jedes Teils der Ratterschwingungsbestimmungseinrichtung 1 und der Maschinenlerneinrichtung 100 steuern.
Die Ratterschwingungsbestimmungseinrichtung 1 der vorliegenden Ausführungsform umfasst eine Datenerfassungseinheit 32 und eine Vorverarbeitungseinheit 34. Die Maschinenlerneinrichtung 100 der Ratterschwingungsbestimmungseinrichtung 1 umfasst eine Zustandsüberwachungseinheit 106, eine Bestimmungseinheit 120, eine Analyseeinheit 140 und eine Lernmodelanpassungseinheit 150. Außerdem ist eine Erfassungsdatenspeichereinheit 52, in der von einer Werkzeugmaschine 2 und einem Sensor 3 erfasste Daten gespeichert werden, in einem nichtflüchtigen Speicher 14 bereitgestellt. Eine Lernmodellspeichereinheit 130, die dazu eingerichtet ist, durch maschinelles Lernen einer Lerneinheit 110 erstellte Lernmodelle zu speichern, ist in einem nichtflüchtigen Speicher 104 der Maschinenlerneinrichtung 100 bereitgestellt.
Die Datenerfassungseinheit 32, die Vorverarbeitungseinheit 34, die Zustandsüberwachungseinheit 106, die Bestimmungseinheit 120 und die Analyseeinheit 140 gemäß der vorliegenden Ausführungsform haben dieselben Funktionen wie die Datenerfassungseinheit 32, die Vorverarbeitungseinheit 34, die Zustandsüberwachungseinheit 106, die Bestimmungseinheit 120 und die Analyseeinheit 140 gemäß der vierten Ausführungsform.
Die Lernmodelanpassungseinheit 150 gemäß der vorliegenden Ausführungsform passt ein Lernmodell an, das basierend auf dem Betriebszustand einer vorgeschriebenen Werkzeugmaschine 2 sowie dem Betriebszustand einer anderen Werkzeugmaschine 2 erzeugt wird.
Ein Verfahren zur Lernmodelanpassung durch die Lernmodelanpassungseinheit 150 ist unter Bezugnahme auf 13 beschrieben. In 13 stellt eine dünne durchgezogene Linie ein Beispiel für ein Lernmodell dar, das basierend auf dem Betriebszustand einer vorgeschriebenen Werkzeugmaschine durch überwachtes Lernen erzeugt wird. Eine dicke gestrichelte Linie in 13 stellt ein Standardmodell von Ratterschwingungen gemäß der Bearbeitungsbedingung dar. Das in 13 dargestellte Lernmodell kann zur Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen bei der Bearbeitung durch die vorgeschriebene Werkzeugmaschine verwendet werden. Wenn dieses Lernmodell jedoch beispielsweise auch zur Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen in einer anderen Werkzeugmaschine 2 desselben Modells als vorgeschriebene Werkzeugmaschine verwendet wird, kann aufgrund des Maschinenunterschieds zwischen der vorgeschriebenen Werkzeugmaschine und der zweiten Werkzeugmaschine, Fehlern in verschiedenen Teilen und dergleichen keine korrekte Bewertung durchgeführt werden.
Wie auch in Verbindung mit der fünften Ausführungsform beschrieben, kann die Periode der Spindeldrehfrequenz, in der sich der stabile Bereich erweitert, durch die Gleichung 1 angegeben werden. Zum anderen wird jeder Mindestwert in dem in der vorgeschriebenen Werkzeugmaschine 2 erzeugten Lernmodell bewertet, um die Position einer Bearbeitungsbedingung für den Mindestwert von Ratterschwingungen in der vorgeschriebenen Werkzeugmaschine 2 anzugeben. Außerdem weist die Resonanzfrequenz keine wesentliche Differenz auf, wenn die Maschinenstruktur nicht verändert wird. Daraufhin werden Zustandsgrößen (Spindeldrehfrequenzen S) für einige stabile Bereiche (Mindestwerte von Ratterschwingungen) vorab durch Durchführen eines Experiments erhalten, in dem sich die Spindeldrehfrequenz ändert, wenn die Ratterschwingungen bei anderen Bearbeitungsbedingungen als der festgelegten Spindeldrehfrequenz in der alternativen Werkzeugmaschine 2 gemessen werden. Die erhaltenen Zustandsgrößen werden mit den einzelnen Mindestwerten von Ratterschwingungen in dem in der vorgeschriebenen Werkzeugmaschine 2 erzeugten Lernmodell verglichen und das Lernmodell so angepasst, dass resultierende Fehler korrigiert werden. Folglich kann das angepasste Lernmodell zur Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen in der alternativen Werkzeugmaschine 2 verwendet werden.
Wenn ein Befehl zur Anpassung des Lernmodells und der Zustandsgrößen für die stabilen Bereiche in der (alternativen) Werkzeugmaschine 2 beispielsweise über die Anzeige-/MDI-Einheit 70 und dergleichen eingegeben wird, passt die Lernmodelanpassungseinheit 150 das Lernmodell durch Ausführen der vorstehend beschriebenen Verarbeitung unter Verwendung der eingegebenen Zustandsgrößen für die stabilen Bereiche und der in der Lernmodellspeichereinheit 130 gespeicherten Lernmodelle an. Das angepasste Lernmodell wird neu in der Lernmodellspeichereinheit 130 gespeichert. Das angepasste Lernmodell wird zur Bewertung des durch die Bestimmungseinheit 120 und die Analyseeinheit 140 bewerteten Auftretens/Nichtauftretens von Ratterschwingungen und der Verbesserung der Ratterschwingungen verwendet.
Obgleich vorstehend Ausführungsformen der vorliegenden Erfindung beschrieben sind, ist die Erfindung nicht auf die Beispiele der vorstehend beschriebenen Ausführungsformen beschränkt und kann auf verschiedene Art und Weise geeignet modifiziert und umgesetzt werden.
Beispielsweise sind der durch die Maschinenlerneinrichtung 100 ausgeführte Lernalgorithmus und Rechenalgorithmus, der durch die Ratterschwingungsbestimmungseinrichtung 100 ausgeführte Steueralgorithmus und dergleichen nicht auf die vorstehend Beschriebenen beschränkt und es stehen für diesen Zweck verschiedene andere Algorithmen zur Verfügung.
Obgleich die Ratterschwingungsbestimmungseinrichtung 1 und die Maschinenierneinrichtung 100 in den vorstehend beschriebenen Ausführungsformen als Einrichtungen beschrieben sind, die unterschiedliche CPUs aufweisen, kann die Maschinenlerneinrichtung 100 auch durch die CPU 11 der Ratterschwingungsbestimmungseinrichtung 1 und die im ROM 12 gespeicherten Systemprogramme implementiert werden.
Obgleich vorstehend Ausführungsformen der vorliegenden Erfindung beschrieben sind, ist die Erfindung nicht auf die Beispiele der vorstehend beschriebenen Ausführungsformen beschränkt und kann auf andere Art und Weise geeignet modifiziert und 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 3005663 [0003]

Claims

Ratterschwingungsbestimmungseinrichtung, die dazu eingerichtet ist, eine Werkzeugmaschine zum Schneiden eines Werkstücks durch relatives Bewegen des Werkstücks und eines Werkzeugs zu steuern, wobei die Ratterschwingungsbestimmungseinrichtung: eine Maschinenierneinrichtung umfasst, die dazu eingerichtet ist, Bearbeitungsbedingungsdaten, die eine Vorschubgeschwindigkeit und eine Spindeldrehfrequenz beim Schneiden umfassen, als für den aktuellen Zustand einer Umgebung repräsentative Zustandsdaten zu überwachen, basierend auf den Zustandsdaten eine Verarbeitung auszuführen, die auf maschinelles Lernen unter Verwendung eines Lernmodells bezogen ist, das durch Erstellen eines Modells der Beziehung von Ratterschwingungen zu einer Bearbeitungsbedingung beim Schneiden erhalten wird, und das Auftreten/Nichtauftreten von Ratterschwingungen und die Verbesserung der Ratterschwingungen zu bewerten, und dafür ausgelegt ist, das Ergebnis der Bewertung des Auftretens/Nichtauftretens der Ratterschwingungen und der Verbesserung der Ratterschwingungen auszugeben.
Ratterschwingungsbestimmungseinrichtung nach Anspruch 1, wobei das Lernmodell ein Lernmodell in Form eines Clustersatzes ist, der durch Durchführen unüberwachten Lernens unter Verwendung der Zustandsdaten, die die Vorschubgeschwindigkeit und die Spindeldrehfrequenz beim Schneiden enthaltenden Bearbeitungsbedingungsdaten umfassen und in einem Zustand erfasst werden, in dem keine Ratterschwingungen in der Werkzeugmaschine auftreten, als Lerndaten erzeugt wird, und die Maschinenierneinrichtung eine Bestimmungseinheit, die dazu eingerichtet ist, das Auftreten/Nichtauftreten von Ratterschwingungen basierend auf der Beziehung zwischen den überwachten Zustandsdaten von der Werkzeugmaschine und einzelnen Clustern, die im Lernmodell enthalten sind, zu bewerten, und eine Analyseeinheit umfasst, die dazu eingerichtet ist, die überwachten Zustandsdaten von der Werkzeugmaschine und das Lernmodell zu analysieren und eine in den Bearbeitungsbedingungsdaten enthaltene Bearbeitungsbedingung zur Verbesserung der Ratterschwingungen zu bewerten, wenn die Bewertung durch die Bestimmungseinheit ergibt, dass die Ratterschwingungen auftreten.
Ratterschwingungsbestimmungseinrichtung nach Anspruch 1, wobei das Lernmodell ein Lernmodell ist, das durch Durchführen überwachten Lernens unter Verwendung eines Satzes der Zustandsdaten, die die Vorschubgeschwindigkeit und die Spindeldrehfrequenz beim Schneiden enthaltenden Bearbeitungsbedingungsdaten umfassen, und Labeldaten, die Ratterschwingungsdaten umfassen, die einen Erkennungswert von beim Schneiden erkannten Ratterschwingungen angeben, als Lerndaten erzeugt wird, und die Maschinenierneinrichtung eine Bestimmungseinheit, die dazu eingerichtet ist, das Auftreten/Nichtauftreten von Ratterschwingungen basierend auf einem Bewertungswert von Ratterschwingungen zu bewerten, der durch Eingeben der überwachten Zustandsdaten von der Werkzeugmaschine in das Lernmodell erhalten wird, und eine Analyseeinheit umfasst, die dazu eingerichtet ist, die überwachten Zustandsdaten von der Werkzeugmaschine und das Lernmodell zu analysieren und eine in den Bearbeitungsbedingungsdaten enthaltene Bearbeitungsbedingung zur Verbesserung der Ratterschwingungen zu bewerten, wenn die Bewertung durch die Bestimmungseinheit ergibt, dass die Ratterschwingungen auftreten.
Ratterschwingungsbestimmungseinrichtung nach Anspruch 2 oder 3, wobei die Analyseeinheit ferner einen Anpassungsbetrag der in den Bearbeitungsbedingungsdaten enthaltenen Bearbeitungsbedingung zur Verbesserung der Ratterschwingungen bewertet.
Ratterschwingungsbestimmungseinrichtung nach Anspruch 1, wobei die Bearbeitungsbedingung basierend auf der Ausgabe des Ergebnisses der Bewertung des Auftretens/Nichtauftretens der Ratterschwingungen und der Verbesserung der Ratterschwingungen automatisch bewertet wird.
Ratterschwingungsbestimmungseinrichtung nach Anspruch 1, wobei basierend auf der Ausgabe des Ergebnisses der Bewertung des Auftretens/Nichtauftretens der Ratterschwingungen und der Verbesserung der Ratterschwingungen eine Anleitung angezeigt wird.
Ratterschwingungsbestimmungseinrichtung nach Anspruch 1, wobei die Maschinenierneinrichtung ferner eine Lernmodellanpassungseinheit umfasst, die dazu eingerichtet ist, eine Anpassung durchzuführen, um das Lernmodell zur Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen in einer anderen Werkzeugmaschine, die sich von der zur Erzeugung des Lernmodells verwendeten Werkzeugmaschine unterscheidet, und der Verbesserung der Ratterschwingungen zu verwenden.
Maschinenlerneinrichtung, die dazu eingerichtet ist, Bearbeitungsbedingungsdaten, die eine Vorschubgeschwindigkeit und eine Spindeldrehfrequenz beim Schneiden in einer Werkzeugmaschine zum Schneiden eines Werkstücks durch relatives Bewegen des Werkstücks und eines Werkzeugs umfassen, als für den aktuellen Zustand einer Umgebung repräsentative Zustandsdaten zu überwachen, basierend auf den Zustandsdaten eine Verarbeitung auszuführen, die auf maschinelles Lernen unter Verwendung eines Lernmodells bezogen ist, das durch Erstellen eines Modells der Beziehung von Ratterschwingungen zu einer Bearbeitungsbedingung beim Schneiden erhalten wird, und das Auftreten/Nichtauftreten von Ratterschwingungen und die Verbesserung der Ratterschwingungen zu bewerten.
Maschinenlerneinrichtung nach Anspruch 8, wobei das Lernmodell ein Lernmodell in Form eines Clustersatzes ist, der durch Durchführen unüberwachten Lernens unter Verwendung der Zustandsdaten, die die Vorschubgeschwindigkeit und die Spindeldrehfrequenz beim Schneiden enthaltenden Bearbeitungsbedingungsdaten umfassen und in einem Zustand erfasst werden, in dem keine Ratterschwingungen in der Werkzeugmaschine auftreten, als Lerndaten erzeugt wird, und die Maschinenlerneinrichtung eine Bestimmungseinheit, die dazu eingerichtet ist, das Auftreten/Nichtauftreten von Ratterschwingungen basierend auf der Beziehung zwischen den überwachten Zustandsdaten von der Werkzeugmaschine und einzelnen Clustern, die im Lernmodell enthalten sind, zu bewerten, und eine Analyseeinheit umfasst, die dazu eingerichtet ist, die überwachten Zustandsdaten von der Werkzeugmaschine und das Lernmodell zu analysieren und eine in den Bearbeitungsbedingungsdaten enthaltene Bearbeitungsbedingung zur Verbesserung der Ratterschwingungen zu bewerten, wenn die Bewertung durch die Bestimmungseinheit ergibt, dass die Ratterschwingungen auftreten.
Maschinenlerneinrichtung nach Anspruch 8, wobei das Lernmodell ein Lernmodell ist, das durch Durchführen überwachten Lernens unter Verwendung eines Satzes der Zustandsdaten, die die Vorschubgeschwindigkeit und die Spindeldrehfrequenz beim Schneiden enthaltenden Bearbeitungsbedingungsdaten umfassen, und Labeldaten, die Ratterschwingungsdaten umfassen, die einen Erkennungswert von beim Schneiden erkannten Ratterschwingungen angeben, als Lerndaten erzeugt wird, und die Maschinenierneinrichtung eine Bestimmungseinheit, die dazu eingerichtet ist, das Auftreten/Nichtauftreten von Ratterschwingungen basierend auf einem Bewertungswert von Ratterschwingungen zu bewerten, der durch Eingeben der überwachten Zustandsdaten von der Werkzeugmaschine in das Lernmodell erhalten wird, und eine Analyseeinheit umfasst, die dazu eingerichtet ist, die überwachten Zustandsdaten von der Werkzeugmaschine und das Lernmodell zu analysieren und eine in den Bearbeitungsbedingungsdaten enthaltene Bearbeitungsbedingung zur Verbesserung der Ratterschwingungen zu bewerten, wenn die Bewertung durch die Bestimmungseinheit ergibt, dass die Ratterschwingungen auftreten.
Maschinenlerneinrichtung nach Anspruch 9 oder 10, wobei die Analyseeinheit ferner einen Anpassungsbetrag der in den Bearbeitungsbedingungsdaten enthaltenen Bearbeitungsbedingung zur Verbesserung der Ratterschwingungen bewertet.
Maschinenlerneinrichtung nach Anspruch 8, die ferner eine Lernmodellanpassungseinheit umfasst, die dazu eingerichtet ist, eine Anpassung durchzuführen, um das Lernmodell zur Bewertung des Auftretens/Nichtauftretens von Ratterschwingungen in einer anderen Werkzeugmaschine, die sich von der zur Erzeugung des Lernmodells verwendeten Werkzeugmaschine unterscheidet, und der Verbesserung der Ratterschwingungen zu verwenden.