JP2018092428A - 工作機械及び機械学習装置 - Google Patents

工作機械及び機械学習装置 Download PDF

Info

Publication number
JP2018092428A
JP2018092428A JP2016235976A JP2016235976A JP2018092428A JP 2018092428 A JP2018092428 A JP 2018092428A JP 2016235976 A JP2016235976 A JP 2016235976A JP 2016235976 A JP2016235976 A JP 2016235976A JP 2018092428 A JP2018092428 A JP 2018092428A
Authority
JP
Japan
Prior art keywords
manual operation
tool
machine
learning
spindle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016235976A
Other languages
English (en)
Other versions
JP6346253B2 (ja
Inventor
真司 奥田
Shinji Okuda
真司 奥田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fanuc Corp
Original Assignee
Fanuc Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fanuc Corp filed Critical Fanuc Corp
Priority to JP2016235976A priority Critical patent/JP6346253B2/ja
Priority to DE102017128053.7A priority patent/DE102017128053A1/de
Priority to US15/824,103 priority patent/US10514667B2/en
Priority to CN201711262786.4A priority patent/CN108145516B/zh
Publication of JP2018092428A publication Critical patent/JP2018092428A/ja
Application granted granted Critical
Publication of JP6346253B2 publication Critical patent/JP6346253B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q11/00—Accessories fitted to machine tools for keeping tools or parts of the machine in good working condition or for cooling work; Safety devices specially combined with or arranged in, or specially adapted for use in connection with, machine tools
    • B23Q11/0078—Safety devices protecting the operator, e.g. against accident or noise
    • B23Q11/0089—Safety devices protecting the operator, e.g. against accident or noise actuating operator protecting means, e.g. closing a cover element, producing an alarm signal
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4061—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49141—Detect near collision and slow, stop, inhibit movement tool

Abstract

【課題】工作機械においてオペレータの操作履歴から、サーボ軸の異常負荷検出アラームが発生しそうな状況を予測し、主軸衝突を警告することができる工作機械及び機械学習装置を提供すること。【解決手段】本発明の工作機械は、工作機械において加工及び手動操作が行われている時に記録されたログデータから手動操作に係る情報を取得し、取得した手動操作に係る情報に基づいて入力データを作成する状態観測部１１２と、ログデータから手動操作が行われた際の前記主軸又は前記工具の衝突の有無に係る情報を取得し、取得した主軸又は前記工具の衝突の有無に係る情報に基づいて教師データを作成するラベル取得部１１３と、入力データと教師データとにより教師あり学習を行い、学習モデルを構築する学習部１１１と、学習モデルを記憶する学習モデル記憶部１１４と、を備える。【選択図】図１

Description

本発明は、主軸衝突を予測する工作機械及び機械学習装置に関する。
工作機械では、オペレータの操作ミスにより主軸をワークや治具などに衝突させてしまう場合があり、その衝突の程度によっては主軸が損傷し、部品の交換が必要になる場合がある。オペレータの操作ミスには、段取り時の機械操作ミス、工具情報設定やワーク座標位置設定のミス、治具への干渉、そして自動運転途中の手動介入操作後のプログラム再開作業のミスなどが考えられる。
工作機械の異常を検出するための従来技術として、例えば特許文献１には、プログラムの各ブロック毎の停止点を記憶し、前回加工時と今回加工時で各停止点の位置が同一でない場合に、何らかの異常が発生したと判断し、ユーザに異常を報知する技術が開示されている。特許文献１に開示される技術では、工作機械の動作上では確認できない不具合も迅速に検知できるため、異常下で加工される部品加工不良を未然に防ぐことができ、また操作履歴を記憶することにより、不具合が発生した際の異常操作を表示でき、異常原因を解析することができる。
また、特許文献２には、主軸ヘッドに加速度センサをつけ、変更設定自在のしきい値と比較することにより、工具の異常なアンバランスなど、主軸に異常が生じたことを検出し、オペレータに知らせる技術が開示されている。更に、特許文献３には、主軸ヘッド、ラム、サドルなどの移動体に非接触の距離センサをつけ、設定値より距離が短いと判断したときに警告し、移動速度を減速し、移動を停止する技術が開示されている。
特開２００７−２７２５４５号公報 特開平１１−１７０１４２号公報 特開２０１４−１６４５４２号公報
一般に、オペレータが工作機械を操作している最中に主軸を衝突させたことを他の異常と区別して直接検知することは難しく、サーボモータの電流やトルクなどから検知したサーボ軸の異常負荷検出アラームの履歴から主軸衝突の有無を間接的に推定している。しかしながら、主軸が衝突してしまうと、上記したように部品の交換が必要となり、交換が完了するまでは工作機械が利用できなくなる、といったようなメンテナンスコストが発生するため、オペレータの操作ミスによる主軸の衝突などを未然に防ぐことが可能な仕組みが望まれている。
このような課題に対して、特許文献１，２に開示される技術は、あくまで実際に異常が発生した際に早期に検出したり、異常な操作を後に解析できるようにしたりするものであり、オペレータが行っている操作に基づいて異常が発生しそうな状況を予測することができない。また、特許文献３に開示される技術を用いることにより、主軸ヘッドなどの移動体の衝突の検知は可能となるが、主軸の先に把持された工具と加工領域にあるワークとの衝突は検知できないという問題がある。
そこで本発明の目的は、工作機械においてオペレータの操作履歴から、サーボ軸の異常負荷検出アラームが発生しそうな状況を予測し、主軸衝突を警告することができる工作機械及び機械学習装置を提供することである。
本発明では、サーボ軸の異常負荷検出アラームが発生しないときの操作履歴と、サーボ軸の異常負荷検出アラームが発生した際の直前の操作履歴とから、手動操作を開始した時の状態におけるユーザの特有の操作を機械学習して、該機械学習の結果として得られた学習モデルを用いてサーボ軸の異常負荷検出アラームが発生させる操作を予測し、サーボ軸の異常負荷検出アラームが発生しそうかを判定して警告通知することにより、上記課題を解決する。
そして、本願の請求項１に係る発明は、加工プログラムに基づいて少なくとも１つの軸を制御することで工具を備えた主軸をワークに対して相対移動させて前記ワークを加工する工作機械において、前記加工を中断して手動操作による前記軸の操作に対する、前記主軸又は前記工具と、前記ワーク又は前記ワークを把持する冶具又は前記工作機械の構成要素と、の衝突の有無を予測する機械学習装置を備え、前記機械学習装置は、前記手動操作に係る情報に基づく入力データと、前記手動操作が行われた際の前記主軸又は前記工具の衝突の有無に係る情報に基づく教師データとによる教師あり学習により構築された学習モデルを記憶する学習モデル記憶部と、前記工作機械における手動操作時に、該手動操作に係る情報を取得し、取得した前記手動操作に係る情報に基づいて入力データを作成する状態観測部と、前記学習モデルを用いて、前記状態観測部が作成した入力データから前記主軸又は前記工具の衝突の有無を予測する予測部と、を備える、工作機械である。
本願の請求項２に係る発明は、前記機械学習装置による前記主軸又は前記工具の衝突の有無の予測結果に基づいて警報を出力する警報部と、を備えた請求項１に記載の工作機械である。
本願の請求項３に係る発明は、少なくとも１つの他の工作機械との間で前記学習モデル記憶部に記憶されている学習モデルを共有する、請求項２に記載の工作機械である。
本願の請求項４に係る発明は、加工プログラムに基づいて少なくとも１つの軸を制御することで工具を備えた主軸をワークに対して相対移動させて前記ワークを加工する工作機械において、前記加工を中断して手動操作による前記軸の操作に対する、前記主軸又は前記工具と、前記ワーク又は前記ワークを把持する冶具又は前記工作機械の構成要素と、の衝突の有無を学習する機械学習装置であって、前記工作機械において前記加工及び前記手動操作が行われている時に記録されたログデータから、前記手動操作に係る情報を取得し、取得した前記手動操作に係る情報に基づいて入力データを作成する状態観測部と、前記工作機械において前記加工及び前記手動操作が行われている時に記録されたログデータから、前記手動操作が行われた際の前記主軸又は前記工具の衝突の有無に係る情報を取得し、取得した前記主軸又は前記工具の衝突の有無に係る情報に基づいて教師データを作成するラベル取得部と、前記状態観測部が作成した入力データと、前記ラベル取得部が作成した教師データとにより教師あり学習を行い、学習モデルを構築する学習部と、前記学習モデルを記憶する学習モデル記憶部と、を備えた機械学習装置である。
本願の請求項５に係る発明は、加工プログラムに基づいて少なくとも１つの軸を制御することで工具を備えた主軸をワークに対して相対移動させて前記ワークを加工する工作機械において、前記加工を中断して手動操作による前記軸の操作に対する、前記主軸又は前記工具と、前記ワーク又は前記ワークを把持する冶具又は前記工作機械の構成要素と、の衝突の有無を予測する機械学習装置であって、前記手動操作に係る情報に基づく入力データと、前記手動操作が行われた際の前記主軸又は前記工具の衝突の有無に係る情報に基づく教師データとによる教師あり学習により構築された学習モデルを記憶する学習モデル記憶部と、前記工作機械における手動操作時に、該手動操作に係る情報を取得し、取得した前記手動操作に係る情報に基づいて入力データを作成する状態観測部と、前記学習モデルを用いて、前記状態観測部が作成した入力データから前記主軸又は前記工具の衝突の有無を予測する予測部と、を備えた機械学習装置である。
本願の請求項６に係る発明は、少なくとも１つの他の機械学習装置との間で前記学習モデル記憶部に記憶されている学習モデルを共有する、ことを特徴とする請求項４または５に記載の機械学習装置である。
本発明によれば、オペレータによる工作機械の手動操作時に、該操作により主軸の衝突が起こることを予測して警告を通知することが可能となり、主軸の衝突によるメンテナンスコストの発生を防止することができるようになる。
本発明の一実施形態による機械学習装置の学習時における概略的な機能ブロック図である。 機械学習装置１１０が学習に用いる入力データの取得方法について説明する図（１）である。 機械学習装置１１０が学習に用いる入力データの取得方法について説明する図（２）である。 機械学習装置１１０が学習に用いる入力データの取得方法について説明する図（３）である。 多層ニューラルネットを学習モデルとして用いた場合の例を示す図である。 数値化された入力データの作成方法について説明する図である。 本発明の一実施形態による機械学習装置の利用時における概略的な機能ブロック図である。
以下、本発明の実施形態を図面と共に説明する。
図１は、本発明の一実施形態による学習時の機械学習装置と、該機械学習装置の学習に用いられる工作機械の概略的な機能ブロック図である。本実施形態の機械学習装置１１０は、少なくとも１以上の工作機械１から収集されてログデータ記憶部２００に記憶されたログデータに基づいて機械学習を行う。
数値制御機能を備えた工作機械１はプロセッサ１０を中心に構成されている。プロセッサ１０はＲＯＭ１１に格納されたシステム・プログラムに従って工作機械１全体を制御する。このＲＯＭ１１にはＥＰＲＯＭあるいはＥＥＰＲＯＭが使用される。
ＲＡＭ１２にはＤＲＡＭ等が使用され、一時的な計算データ、表示データ、入出力信号等が格納される。不揮発性メモリ１３には図示されていないバッテリによってバックアップされたＣＭＯＳやＳＲＡＭが使用され、電源切断後も保持すべきパラメータ、加工プログラム、工具補正データ等が記憶される。また、不揮発性メモリ１３には、後述する工作機械１の動作に係るログデータが記憶される。
機械操作盤１８は、工作機械１の前面などに配置され、工作機械１の運転に係るデータ及び図形の表示、オペレータの手動操作入力や、データ入力などを受け付け、工作機械１の運転に使用される。グラフィック制御回路１９は数値データ及び図形データ等のデジタル信号を表示用のラスタ信号に変換し、表示装置２０に送り、表示装置２０はこれらの数値及び図形を表示する。表示装置２０には主に液晶表示装置が使用される。
入力装置２１は、キースイッチやロータリースイッチ、数値キー、シンボリックキー、文字キー及び機能キーを備えたキーボードや、マウスなどのポインティングデバイスから構成される。入力装置２１が備えるキースイッチには、手動制御対象とする軸を指定するスイッチや、手動制御対象とする軸の移動速度を指定するスイッチなどがあり、これらのキースイッチと、軸の移動量を指令するロータリースイッチとを併用してオペレータは工作機械１が備える各軸を手動で移動させることができる。
タッチパネル２２は、オペレータによるタッチやドラッグなどの操作を検知する機能を備える。タッチパネル２２は表示装置２０の画面上に重畳して配置され、オペレータが表示装置２０の画面上に表示されたソフトウェアキーやソフトウェアボタン、ソフトウェアスイッチに対して行った操作をタッチパネル２２により検知することができる。なお、タッチパネル２２と表示装置２０とを併せて１つの装置として構成しても良い。
軸制御回路１４はプロセッサ１０からの軸の移動指令を受けて、軸の移動指令をサーボアンプ１５に出力する。サーボアンプ１５はこの移動指令を増幅し、工作機械１の各軸に結合されたサーボモータを駆動し、工作機械１の工具とワークの相対運動を制御する。また、図１では省略しているが、サーボモータには位置・速度検出器を内蔵されており、この位置・速度検出器からの位置・速度フィードバック信号が軸制御回路１４にフィードバックされている。なお、図１では１軸分のみ示したが、軸制御回路１４及びサーボアンプ１５はサーボモータの軸数に対応した数だけ設けられる。
ＰＭＣ（プログラマブル・マシン・コントローラ）１６はプロセッサ１０からバス１７経由でＭ（補助）機能信号、Ｓ（スピンドル速度制御）機能信号、Ｔ（工具選択）機能信号等を受け取る。そして、これらの信号をシーケンス・プログラムで処理して、出力信号を出力し、工作機械１内外の空圧機器、油圧機器、電磁アクチュエイタなどの動作等を制御する。また、工作機械１内の各部に設置されたスイッチ信号やセンサ等からの各種信号を受けて、シーケンス処理を行い、バス１７を経由してプロセッサ１０に必要な入力信号を転送する。
なお、図１では主軸モータ制御回路及び主軸モータ用アンプ等は省略してある。
工作機械１では、上記した構成により工作機械１が備える各軸を制御してワークの加工を行うと共に、各部から得られた信号（センサからの入力など）やサーボモータ、主軸モータからの電流、電圧、位置、速度などのフィードバック、及び現在行っている加工に用いている加工プログラムや設計データ、各設定値、機械操作盤１８の操作履歴などに基づいて、工作機械１の動作に係るログデータを作成して不揮発性メモリ１３に記憶している。ログデータは各信号値、各フィードバック値、実行中の加工プログラムや設計データ、各設定値、機械操作盤１８の操作履歴などについて時系列が把握できるように作成される。また、ログデータには、工作機械１を操作するオペレータや、工作機械１に異常が発生した際に対応するメンテナンス要員が機械操作盤１８を介して入力した各種情報（作業者のＩＤや、各作業段階の入力、異常発生時の異常原因に係る情報の入力など）が含まれる。このようにして不揮発性メモリ１３に記憶されたログデータは、ネットワークなどを介して、または、工作機械のメンテナンス要員などの作業者が携帯する外部記憶装置などを介して、ログデータ記憶部２００へと収集される。この収集は、ログデータが作成されるたびに逐次行っても良いし、適当な期間をおいて定期的に行うようにしても良い。
ログデータ記憶部２００は、一般的なデータベースとして構築されて良い。ログデータ記憶部２００は、有線／無線のネットワークに接続されていても良く、この場合、工作機械１からログデータをネットワークを介して取得できるようにしても良い。
機械学習装置１１０は、上記したように少なくとも１以上の工作機械１から収集され、ログデータ記憶部２００に記憶されたログデータに基づいて機械学習を行う。機械学習装置１１０が備える各構成ついて説明する前に、機械学習装置１１０が行う学習の概要について説明する。
図２，３は、機械学習装置１１０が行う学習の概要について説明する図である。本実施形態の機械学習装置１１０は、ログデータ記憶部２００に記憶されたログデータの中から、手動操作に係る情報として、「オペレータによる手動操作ミスで主軸が衝突した場合の入力データ」と、「オペレータによる手動操作での主軸の衝突がなかった場合の入力データ」とを作成し、作成した手動操作に係る情報を用いて機械学習を行う。機械学習装置１１０による学習は、大量のログデータに基づいて大量に作成された手動操作に係る情報を用いて行われることが望ましい。機械学習装置１１０による学習は、一度に行う必要はなく、ログデータが収集される度に複数回に分けて行うようにしても良い。
手動操作に係る情報は、ログデータ記憶部２００に記憶されたログデータの中から、オペレータによる手動操作運転中に異常が発生した時点の前後のログデータに基づいて作成するようにしても良い。例えば、手動運転中に操作ミスで主軸が衝突した場合、ログデータに異常が発生した旨が記録されると共に、その後にオペレータ又は工作機械１の修理を行うメンテナンス要員により、機械操作盤１８から「異常原因：主軸衝突」という情報が入力され、ログデータに記録される。このような場合、「オペレータによる手動操作ミスで主軸が衝突した場合の入力データ」は、この「異常原因：主軸衝突」が入力された時点より以前のログデータに基づいて作成される。
手動操作に係る情報は、図２に示すように、手動操作を開始したときの状態を示す情報と、オペレータによる操作履歴を示す情報とが含まれる。手動操作を開始したときの状態を示す情報は、現在行われている加工の「加工種別」や、手動操作が開始された時点で設定されている「機械のモーダル情報」、手動操作が開始された時点で主軸に取り付けられている「現在の工具」、手動操作が回避された時点で設定されている「工具オフセット値」、手動操作開始時時の「主軸回転中信号」、手動操作開始時の「主軸の座標値」、手動操作を開始する直前に中断された「実行中のプログラム番号」と「プログラム実行位置」などの情報を含んで良い。
また、操作履歴を示す情報は、オペレータによるキースイッチなどの操作情報や機械に対する手動設定が含まれる。オペレータによるキースイッチの操作には、機械カバーの開閉などの「周辺機器の操作」や、「移動させる軸の指定」、「軸の移動方向の指定」などを含んでよく、また、機械に対する手動設定には、「軸の移動速度の指定」、「工具長設定」などを含んで良い。
手動操作に係る情報は、１セットのログデータから複数取得することができる。図３は、ログデータに基づいて作成される手動操作に係る情報の例を示す図である。図３の例では、フライス１という工具を使ってフライス加工を行っている最中に、機械の自動運転を中断して手動操作を行い、ｉ回目の操作の後に主軸が衝突した例を示している。本発明では図３に示すようにログデータにｉ回の操作が行われた旨が記録されている場合には、このログデータから、１番目までの操作履歴を含む手動操作に係る情報（手動操作に係る情報１）、２番目までの操作履歴を含む手動操作に係る情報（手動操作に係る情報２）、…、（ｉ−１）番目までの操作履歴を含む手動操作に係る情報（手動操作に係る情報（ｉ−１））、ｉ番目までの操作履歴を含む手動操作に係る情報（手動操作に係る情報ｉ）を作成する。そして、手動操作に係る情報１〜（ｉ−１）は「オペレータによる手動操作ミスで主軸の衝突がなかった場合の入力データ」とし、教師データ（ラベルデータ）としての「主軸衝突の有無：衝突なし」に係る情報と共に機械学習装置１１０に入力し、また、手動操作に係る情報ｉを「オペレータによる手動操作ミスで主軸が衝突した場合の入力データ」とし、教師データ（ラベルデータ）としての「主軸衝突の有無：衝突有り」に係る情報と共に機械学習装置１１０に入力する。
一方で、手動操作に係る情報は、ログデータ記憶部２００に記憶されたログデータの中から、オペレータによる手動操作運転中に異常が発生しなかった前後のログデータに基づいて作成するようにしても良い。例えば、自動運転が中断され、オペレータによる手動操作行われ、その後異常が発生することなく無事に自動運転が再開された時のログデータから作成しても良い。この場合においても、手動操作に係る情報には、図４に示すように、手動操作を開始したときの状態を示す情報と、オペレータによる操作履歴を示す情報とが含まれる。これらの情報に含まれる各情報については、図２，３で説明したものと同様である。これらの手動操作に係る情報は、「オペレータによる手動操作ミスで主軸の衝突がなかった場合の入力データ」とし、教師データ（ラベルデータ）としての「主軸衝突の有無：衝突なし」に係る情報と共に機械学習装置１１０に入力される。
次に、機械学習装置１１０が備える各構成について説明する。機械学習装置１１０は、学習部１１１、状態観測部１１２、ラベル取得部１１３、学習モデル記憶部１１４を備える。
学習部１１１は、状態観測部１１２が取得した手動操作に係る情報（入力データ）と、ラベル取得部１１３が取得した主軸衝突の有無に係る情報（教師データ、ラベルとも称する）とに基づいて教師あり学習を行い、学習モデルを構築して学習モデル記憶部１１４に記憶する機能手段である。学習部１１１が構築した学習モデルは、後述するように主軸衝突の予測に利用される。学習部１１１が構築する学習モデルは、図２〜４などで示した入力データ及び教師データから主軸衝突の予測をすることが可能な学習モデルであればどのようなものを用いてもよい。例えば、後述する多層ニューラルネットや、ベイジアンネットワークなどを用いることができる。
一例として、例えば図５に示すような多層ニューラルネットを学習モデルとして用いる場合には、入力データとして工作機械１で行われた手動操作に係る情報を、教師データとして当該手動操作が行われた際の主軸衝突発生の有無を示す情報を、それぞれ与えて深層学習などの手法により学習を進めるようにする。なお、公知のニューラルネットワーク、深層学習などの詳細については本明細書での説明を省略する。
状態観測部１１２は、ログデータ記憶部２００に記憶されているログデータの中から手動操作に係る情報（入力データ）を作成し、作成した入力データを学習部１１１へと出力する。状態観測部１１２は入力データの作成対象とする情報がログデータ内において数値で示される場合（例えば、工具オフセット値、主軸の座標値、主軸の移動速度など）には、当該情報をそのまま入力データに含めるようにしても良い。また、状態観測部１１２は入力データの作成対象となる情報がログデータ内において文字列などの数値以外の情報で示される場合（例えば、加工種別や現在の工具、機械のモーダル情報、主軸回転中信号など）には、例えば図６に示すような変換表をあらかじめ図示しないメモリ上に記憶しておき、該変換表を用いて数値以外の情報を数値化して入力データに含めるようにしても良い。
更に、状態観測部１１２は、手動操作に係る情報に含まれるいくつかの情報については、他の変換方法による変換を行い、入力データに含めるデータを作成しても良い。具体的には、手動操作を開始したときの状態を示す情報については手動操作を開始したときの状態を示すにより適した形式に、操作履歴を示す情報は操作履歴のパターンの違いを示すのにより適した形式に変換するようにしても良い。
例えば、操作履歴を示す情報については、以下の数１式に示すように、手動操作を開始した時点における状態をｑ0、手動操作が行われた状態をｑ0〜ｑn-1、各操作をｘ0〜ｘm-1とする状態遷移式により表現し、ある操作の系列が入力されたときの状態の添え字を機械学習器の１つの入力とするようにしても良い。このようにして、ログデータに含まれる操作の履歴から切り出された操作の系列を数値化することで、操作履歴に係る情報として一定の意味を持つ情報を入力データに含めることができる。
Figure 2018092428
ラベル取得部１１３は、ログデータ記憶部２００に記憶されているログデータに基づいて、状態観測部１１２が入力データを作成するのと同期して該入力データに対応する教師データ（主軸衝突の有無に係る情報）を作成し、作成した教師データを学習部１１１へと出力する。
以上の構成により、機械学習装置１１０は、工作機械１で行われたオペレータによる手動操作が行われた際に、どのような状態において、オペレータがどのような操作を行うと主軸の衝突が発生するのか、ということについて学習を進め、学習モデルを構築することができる。
次に、構築された学習モデルを用いて主軸の衝突を予測する機械学習装置１１０について説明する。
図７は、本発明の一実施形態による機械学習装置の主軸衝突の予測時における概略的な機能ブロック図である。本実施形態の機械学習装置１１０は、環境としての工作機械１との間でＰＭＣ１６を介して接続されて使用される。なお、図７では工作機械１が備える機能ブロックとしてＰＭＣ１６と警報部２３のみが示しているが、実際には図１に示した工作機械１が備える各機能ブロックを備えている
機械学習装置１１０は、状態観測部１１２、学習モデル記憶部１１４、及び予測部１１５を備える。
状態観測部１１２は、工作機械１において加工プログラムに基づく加工が行われ、該加工プログラムの実行が中断されオペレータによる手動操作が行われている最中に、上記で説明した学習時に入力データとして用いられた手動操作に係る情報をＰＭＣ１６を介して取得し、取得した情報に基づいて入力データを作成して予測部１１５へと出力する。状態観測部１１２は、オペレータが手動操作を開始したときの状態を示す情報と、オペレータが手動操作を開始した時点から機械操作盤１８などを操作して行ったキー操作や手動設定などを操作の系列として図示しないメモリに記憶しておき、記憶した各情報に基づいて、オペレータによる手動操作が進められる度に、入力データを作成して予測部１１５へ出力する。状態観測部１１２は、取得した手動操作に係る情報に対して、学習時と同様に数値化などの変換処理を行う。
予測部１１５は、状態観測部１１２から入力された入力データに基づいて、学習モデル記憶部１１４に記憶された学習モデルを用いた主軸衝突の予測を行う。
一例として、図５で示した多層ニューラルネットを学習モデルとして用いる場合には、取得した手動操作に係る情報から作成された入力データを多層ニューラルネットに与えることで、主軸衝突の有無の予測値が出力される。
このようにして、予測部１１５はオペレータが押したキースイッチによる操作で主軸の衝突が起こるか予測し、予測した結果としての予測値を工作機械１のＰＭＣ１６に対して出力する。ＰＭＣ１６は、予測部１１５から入力された主軸衝突の予測値が主軸が衝突することを示す値であった場合には、警報部２３に対して警報を発するように指令する。
警報部２３は、ＰＭＣ１６から警報を発するように指令されると、機械操作盤１８に配置されたランプや、表示装置２０の表示、音などにより、当該操作により主軸が衝突する可能性があることをオペレータに対して通知する。警報部２３は、警報を発する以外にも、軸制御回路１４に対してオペレータの手動操作による軸移動を停止させたり、軸の移動速度を遅くするように指令しても良い。
このように、機械学習装置１１０は、少なくとも１以上の工作機械１で行われたオペレータによる手動操作に係る情報に基づいた学習をした結果として得られた学習モデルを用いることにより、実際に工作機械１でオペレータによる手動操作が行われた際に、該手動操作により主軸の衝突が起こるか否かを予測することができる。そして、機械学習装置１１０が主軸の衝突が起こると予測した際には、その予測結果を受けて工作機械１はオペレータに対して警報を発し、オペレータの手動操作による軸移動を停止させて、主軸の衝突を未然に防ぐことができるようになる。
以上、ここまで本発明の実施の形態について説明したが、本発明は上記した実施の形態の例にのみ限定されるものでなく、適宜の変更を加えることにより様々な態様で実施することができる。
上記した実施形態では１台の機械学習装置１１０での学習及び利用の形態を示したが、学習部１１１が構築して学習モデル記憶部１１４に記憶する学習モデル自体は学習結果を示すデータの集合であるため、例えば、図示しない外部記憶装置やネットワークなどを介して学習モデルを他の機械学習装置１１０との間で共有するように構成することもできる。このように構成した場合、学習においては、複数の機械学習装置１１０の間で一つの学習モデルを共有した状態で、それぞれの機械学習装置１１０が並列して学習を行い、学習の完了までに掛かる時間を短縮することができ、一方で学習モデルの利用においては、共有した学習モデルを用いて複数の機械学習装置１１０のそれぞれで主軸衝突の予測を行うことも可能である。学習モデルの共有方法については特定の方法に限定されない。例えば、工場のホストコンピュータ内に学習モデルを記憶しておいて各機械学習装置１１０で共有してもよいし、学習モデルをメーカーが設置したサーバ上に記憶しておき、顧客の機械学習装置の間で共有できるように構成することもできる。
また、上記した実施形態では、学習時と予測時における機械学習装置１１０の構成を個別に説明しているが、機械学習装置１１０は、学習時の構成と予測時の構成を同時に備えたものとしても良い。このようにした場合、機械学習装置１１０は、工作機械１においてオペレータによる手動操作が行われている時には学習モデルを用いた主軸衝突の予測を行いつつ、学習部１１１が更なる追加の学習を行うようにすることができる。
更に、上記した実施形態では、教師データとして「主軸衝突の有無：衝突有り」「主軸衝突の有無：衝突無し」の２値をそのまま学習するようにしているが、衝突が発生した頻度に基づいて衝突する確率として学習するようにすることも可能である。このような学習をした場合に、上記した警報部２３は主軸の衝突が起こる確率が第１の閾値αよりも大きい場合にオペレータに対して警報を発し、第１の閾値αよりも大きな確率である第２の閾値βよりも大きい場合にオペレータの手動操作による軸移動を停止したり、軸の移動速度を遅くしたりするようにしても良い。
１ 工作機械
１０ プロセッサ
１１ ＲＯＭ
１２ ＲＡＭ
１３ 不揮発性メモリ
１４ 軸制御回路
１５ サーボアンプ
１６ ＰＭＣ
１７ バス
１８ 機械操作盤
１９ グラフィック制御回路
２０ 表示装置
２１ 入力装置
２２ タッチパネル
２３ 警報部
１１０ 機械学習装置
１１１ 学習部
１１２ 状態観測部
１１３ ラベル取得部
１１４ 学習モデル記憶部
１１５ 予測部
２００ ログデータ記憶部

Claims (6)

  1. 加工プログラムに基づいて少なくとも１つの軸を制御することで工具を備えた主軸をワークに対して相対移動させて前記ワークを加工する工作機械において、
    前記加工を中断して手動操作による前記軸の操作に対する、前記主軸又は前記工具と、前記ワーク又は前記ワークを把持する冶具又は前記工作機械の構成要素と、の衝突の有無を予測する機械学習装置を備え、
    前記機械学習装置は、
    前記手動操作に係る情報に基づく入力データと、前記手動操作が行われた際の前記主軸又は前記工具の衝突の有無に係る情報に基づく教師データとによる教師あり学習により構築された学習モデルを記憶する学習モデル記憶部と、
    前記工作機械における手動操作時に、該手動操作に係る情報を取得し、取得した前記手動操作に係る情報に基づいて入力データを作成する状態観測部と、
    前記学習モデルを用いて、前記状態観測部が作成した入力データから前記主軸又は前記工具の衝突の有無を予測する予測部と、を備える、
    工作機械。
  2. 前記機械学習装置による前記主軸又は前記工具の衝突の有無の予測結果に基づいて警報を出力する警報部と、
    を備えた請求項１に記載の工作機械。
  3. 少なくとも１つの他の工作機械との間で前記学習モデル記憶部に記憶されている学習モデルを共有する、
    請求項２に記載の工作機械。
  4. 加工プログラムに基づいて少なくとも１つの軸を制御することで工具を備えた主軸をワークに対して相対移動させて前記ワークを加工する工作機械において、前記加工を中断して手動操作による前記軸の操作に対する、前記主軸又は前記工具と、前記ワーク又は前記ワークを把持する冶具又は前記工作機械の構成要素と、の衝突の有無を学習する機械学習装置であって、
    前記工作機械において前記加工及び前記手動操作が行われている時に記録されたログデータから、前記手動操作に係る情報を取得し、取得した前記手動操作に係る情報に基づいて入力データを作成する状態観測部と、
    前記工作機械において前記加工及び前記手動操作が行われている時に記録されたログデータから、前記手動操作が行われた際の前記主軸又は前記工具の衝突の有無に係る情報を取得し、取得した前記主軸又は前記工具の衝突の有無に係る情報に基づいて教師データを作成するラベル取得部と、
    前記状態観測部が作成した入力データと、前記ラベル取得部が作成した教師データとにより教師あり学習を行い、学習モデルを構築する学習部と、
    前記学習モデルを記憶する学習モデル記憶部と、
    を備えた機械学習装置。
  5. 加工プログラムに基づいて少なくとも１つの軸を制御することで工具を備えた主軸をワークに対して相対移動させて前記ワークを加工する工作機械において、前記加工を中断して手動操作による前記軸の操作に対する、前記主軸又は前記工具と、前記ワーク又は前記ワークを把持する冶具又は前記工作機械の構成要素と、の衝突の有無を予測する機械学習装置であって、
    前記手動操作に係る情報に基づく入力データと、前記手動操作が行われた際の前記主軸又は前記工具の衝突の有無に係る情報に基づく教師データとによる教師あり学習により構築された学習モデルを記憶する学習モデル記憶部と、
    前記工作機械における手動操作時に、該手動操作に係る情報を取得し、取得した前記手動操作に係る情報に基づいて入力データを作成する状態観測部と、
    前記学習モデルを用いて、前記状態観測部が作成した入力データから前記主軸又は前記工具の衝突の有無を予測する予測部と、
    を備えた機械学習装置。
  6. 少なくとも１つの他の機械学習装置との間で前記学習モデル記憶部に記憶されている学習モデルを共有する、
    ことを特徴とする請求項４または５に記載の機械学習装置。
JP2016235976A 2016-12-05 2016-12-05 工作機械及び機械学習装置 Active JP6346253B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2016235976A JP6346253B2 (ja) 2016-12-05 2016-12-05 工作機械及び機械学習装置
DE102017128053.7A DE102017128053A1 (de) 2016-12-05 2017-11-28 Werkzeugmaschine und Maschinenlernvorrichtung
US15/824,103 US10514667B2 (en) 2016-12-05 2017-11-28 Machine tool and machine learning device
CN201711262786.4A CN108145516B (zh) 2016-12-05 2017-12-04 机床和机械学习装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016235976A JP6346253B2 (ja) 2016-12-05 2016-12-05 工作機械及び機械学習装置

Publications (2)

Publication Number Publication Date
JP2018092428A true JP2018092428A (ja) 2018-06-14
JP6346253B2 JP6346253B2 (ja) 2018-06-20

Family

ID=62164141

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016235976A Active JP6346253B2 (ja) 2016-12-05 2016-12-05 工作機械及び機械学習装置

Country Status (4)

Country Link
US (1) US10514667B2 (ja)
JP (1) JP6346253B2 (ja)
CN (1) CN108145516B (ja)
DE (1) DE102017128053A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020034974A (ja) * 2018-08-27 2020-03-05 有限会社藤川樹脂 画像生成装置、画像生成表示システム及び画像生成方法
JP7089810B1 (ja) 2021-08-24 2022-06-23 上野精機株式会社 電子部品の処理装置
WO2022244070A1 (ja) * 2021-05-17 2022-11-24 ファナック株式会社 稼働状況表示装置、およびコンピュータ読み取り可能な記憶媒体
US11854236B2 (en) 2019-10-07 2023-12-26 Hyundai Motor Company Fastening tool system and control method thereof

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6781242B2 (ja) * 2018-02-19 2020-11-04 ファナック株式会社 制御装置、機械学習装置及びシステム
JP6867336B2 (ja) * 2018-07-17 2021-04-28 ファナック株式会社 数値制御装置
JP6856591B2 (ja) * 2018-09-11 2021-04-07 ファナック株式会社 制御装置、ｃｎｃ装置及び制御装置の制御方法
JP6816087B2 (ja) * 2018-11-02 2021-01-20 ファナック株式会社 ロボットのアラーム通知システム
DE102019208624A1 (de) * 2019-06-13 2020-12-17 Deckel Maho Seebach Gmbh Steuervorrichtung zum einsatz an einer numerisch gesteuerten werkzeugmaschine und werkzeugmaschine mit einer steuervorrichtung
CN113495528A (zh) * 2020-04-07 2021-10-12 沈机（上海）智能系统研发设计有限公司 非侵入式机床动态性能检测方法、系统、终端及装置
TWI742709B (zh) * 2020-06-04 2021-10-11 國立成功大學 預測機台加工事件發生的方法與其虛擬量測應用及其電腦程式產品
DE102021129148A1 (de) * 2021-11-09 2023-05-11 TRUMPF Werkzeugmaschinen SE + Co. KG Verfahren und Vorrichtung zur Kollisionsvermeidung bei der Werkstückbearbeitung durch eine mehrachsige Bearbeitungsmaschine

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006215732A (ja) * 2005-02-02 2006-08-17 Fanuc Ltd 数値制御装置
JP2007286688A (ja) * 2006-04-12 2007-11-01 Nakamura Tome Precision Ind Co Ltd 工作機械の干渉検出方法及び制御装置
JP5969676B1 (ja) * 2015-09-30 2016-08-17 ファナック株式会社 工作機械の工具補正の頻度を最適化する機械学習装置及び機械学習方法、並びに該機械学習装置を備えた工作機械
JP5997330B1 (ja) * 2015-07-31 2016-09-28 ファナック株式会社 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11170142A (ja) 1997-12-11 1999-06-29 Yamazaki Mazak Corp 主軸異常監視装置
JP2002001633A (ja) 2000-06-19 2002-01-08 Murata Mach Ltd 異常負荷検知機能を備えた加工機
JP2007272545A (ja) 2006-03-31 2007-10-18 Brother Ind Ltd 数値制御装置及び数値制御装置による異常処理方法
DE102006043390B4 (de) 2006-09-15 2010-05-27 Dmg Electronics Gmbh Vorrichtung und Verfahren zur Simulation eines Ablaufs zur Bearbeitung eines Werkstücks an einer Werkzeugmaschine
CN101893873B (zh) 2009-04-06 2014-10-22 Dmg电子有限公司 产生用于控制机床上的刀具的控制数据的方法和装置
IT1401373B1 (it) 2010-08-06 2013-07-18 Fidia Spa Sistema predittivo di controllo e visualizzazione virtuale per una macchina utensile a controllo numerico
DE102011003374A1 (de) 2011-01-31 2012-08-02 Deckel Maho Pfronten Gmbh Werkzeugmaschine mit einer Vorrichtung zur Kollisionsüberwachung
JP6175249B2 (ja) 2013-02-26 2017-08-02 三菱重工工作機械株式会社 工作機械の衝突回避システム
JP6143222B2 (ja) * 2013-03-07 2017-06-07 三菱重工工作機械株式会社 工作機械の異常診断装置及び異常診断方法
US9550310B2 (en) 2014-10-31 2017-01-24 Ul Llc Method and apparatus to test an automatic stop safety feature of a rotary saw
US9990587B2 (en) * 2015-01-22 2018-06-05 Preferred Networks, Inc. Machine learning heterogeneous edge device, method, and system
CN106202767A (zh) 2016-07-18 2016-12-07 西安交通大学 一种数控机床实时防碰撞方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006215732A (ja) * 2005-02-02 2006-08-17 Fanuc Ltd 数値制御装置
JP2007286688A (ja) * 2006-04-12 2007-11-01 Nakamura Tome Precision Ind Co Ltd 工作機械の干渉検出方法及び制御装置
JP5997330B1 (ja) * 2015-07-31 2016-09-28 ファナック株式会社 主軸交換の要否を判定できる機械学習装置、主軸交換判定装置、制御装置、工作機械及び生産システム、並びに機械学習方法
JP5969676B1 (ja) * 2015-09-30 2016-08-17 ファナック株式会社 工作機械の工具補正の頻度を最適化する機械学習装置及び機械学習方法、並びに該機械学習装置を備えた工作機械

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020034974A (ja) * 2018-08-27 2020-03-05 有限会社藤川樹脂 画像生成装置、画像生成表示システム及び画像生成方法
US11854236B2 (en) 2019-10-07 2023-12-26 Hyundai Motor Company Fastening tool system and control method thereof
WO2022244070A1 (ja) * 2021-05-17 2022-11-24 ファナック株式会社 稼働状況表示装置、およびコンピュータ読み取り可能な記憶媒体
JP7089810B1 (ja) 2021-08-24 2022-06-23 上野精機株式会社 電子部品の処理装置
WO2023026823A1 (ja) * 2021-08-24 2023-03-02 上野精機株式会社 電子部品の処理装置
JP2023030917A (ja) * 2021-08-24 2023-03-08 上野精機株式会社 電子部品の処理装置

Also Published As

Publication number Publication date
CN108145516B (zh) 2019-08-27
JP6346253B2 (ja) 2018-06-20
CN108145516A (zh) 2018-06-12
US10514667B2 (en) 2019-12-24
US20180157226A1 (en) 2018-06-07
DE102017128053A1 (de) 2018-06-07

Similar Documents

Publication Publication Date Title
JP6346253B2 (ja) 工作機械及び機械学習装置
JP6386520B2 (ja) 数値制御装置及び機械学習装置
JP6434246B2 (ja) 機械異常履歴の解析支援機能を有する数値制御装置
JP5819812B2 (ja) 工作機械の負荷表示装置
JP6711854B2 (ja) 故障予測装置及び機械学習装置
US10996650B2 (en) Numerical control system
JP6572265B2 (ja) 制御装置及び機械学習装置
JP6392819B2 (ja) 製造時間情報により異常検出条件を変更する製造管理システム
JP6936178B2 (ja) 異常検知装置
JP6802213B2 (ja) 工具選定装置及び機械学習装置
CN104570920A (zh) 具备动作设定画面的数值控制装置
CN110196573B (zh) 异常因素确定装置
JP5391675B2 (ja) 工作機械用制御装置
JP2017013187A (ja) 工作機械の主軸負荷モニタ装置
JP6339650B2 (ja) 加工プログラム管理装置
US20200249650A1 (en) Numerical control system
JP2019150932A (ja) 衝突位置推定装置及び機械学習装置
JP2019165533A (ja) 制御装置
JP6633477B2 (ja) 複数の製造設備からなる生産設備の稼働停止時に原因を特定する機能を備えた生産制御装置
JP2017080865A (ja) 工作機械の監視装置
JP2017211872A (ja) アラーム解決のためのプログラム修正支援機能を備えた数値制御装置
CN107229253B (zh) 容易实施干扰检测后的对策的数值控制装置
JP7328029B2 (ja) パラメータ管理装置及びその管理システム
WO2021241352A1 (ja) 工具診断装置
JP2016163916A (ja) 監視装置

Legal Events

Date Code Title Description
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20180404

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20180501

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180524

R150 Certificate of patent or registration of utility model

Ref document number: 6346253

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150