JP2018097680A - 制御システム及び機械学習装置 - Google Patents
制御システム及び機械学習装置 Download PDFInfo
- Publication number
- JP2018097680A JP2018097680A JP2016242572A JP2016242572A JP2018097680A JP 2018097680 A JP2018097680 A JP 2018097680A JP 2016242572 A JP2016242572 A JP 2016242572A JP 2016242572 A JP2016242572 A JP 2016242572A JP 2018097680 A JP2018097680 A JP 2018097680A
- Authority
- JP
- Japan
- Prior art keywords
- machine
- learning
- unit
- servo gain
- machine learning
- 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
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
- G05B13/0265—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
- 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
- G05B13/027—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 using neural networks only
-
- 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
-
- 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
- G05B19/408—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 data handling or data format, e.g. reading, buffering or conversion of data
- G05B19/4083—Adapting programme, configuration
-
- 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
- G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
-
- 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
- G05B19/4155—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 programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06N3/088—Non-supervised learning, e.g. competitive learning
-
- 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
- G05B2219/33—Director till display
- G05B2219/33034—Online learning, training
-
- 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
- G05B2219/33—Director till display
- G05B2219/33056—Reinforcement learning, agent acts, receives reward, emotion, action selective
-
- 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
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42018—Pid learning controller, gains adapted as function of previous error
-
- 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
- G05B2219/42—Servomotor, servo controller kind till VSS
- G05B2219/42152—Learn, self, auto tuning, calibrating, environment adaptation, repetition
Abstract
Description
本発明では、各機械を制御する少なくとも1以上の制御装置の上位に位置する上位装置(制御装置やフィールドコンピュータなど)に対して人工知能となる機械学習装置を導入し、各軸の情報や機械の稼動条件、優先ファクタに対する、各制御装置による機械の制御に用いられるサーボゲインの調整を機械学習することで、優先ファクタを向上させるゲインの組合せを自動的に求めることができるようにする。
以下では、本発明で導入する機械学習について簡単に説明する。
ここで、機械学習について簡単に説明する。機械学習は、機械学習を行う装置(以下、機械学習装置)に入力されるデータの集合から、その中にある有用な規則や知識表現、判断基準などを解析により抽出し、その判断結果を出力すると共に、知識の学習を行うことで実現される。機械学習の手法は様々であるが、大別すれば「教師あり学習」、「教師なし学習」、「強化学習」に分けられる。さらに、これらの手法を実現する上で、特徴量そのものの抽出を学習する、「深層学習」と呼ばれる手法がある。
なお、加工機に対して機械学習を適用する場合、加工機が実際に動作して初めて、その結果をデータとして得ることが出来ること、即ち、試行錯誤しながら最適な行動を探索する必要があることを考慮する必要がある。本発明では、機械学習装置の主たる学習アルゴリズムとして報酬を与えることで機械学習装置が目標到達のための行動を自動的に学習する強化学習のアルゴリズムを採用している。
そして、上記得られたマッピングに基づいて選択した状態や行動がどのくらい良いのかを示す関数である価値関数(評価関数)を用い、行動を繰り返す中で価値関数(評価関数)を更新していくことにより状態に対する最適な行動を学習していく。
Q学習においては、このような更新を繰り返すことで、最終的にQ(st,at)が期待値E[Σγtrt]となるようにすることを目指す(期待値は最適な行動に従って状態変化した時についてとる。もちろん、それは分かっていないので、探索しながら学習しなければならない)。
図2に示すように、ニューロンは、複数の入力x(ここでは一例として、入力x1〜入力x3)に対する出力yを出力するものである。各入力x1〜x3には、この入力xに対応する重みw(w1〜w3)が掛けられる。これにより、ニューロンは、次の数3式により表現される出力yを出力する。なお、数3式において、入力x、出力y及び重みwは、すべてベクトルである。また、θはバイアスであり、fkは活性化関数である。
最後に、ニューロンN31〜N33は、それぞれ、結果y1〜結果y3を出力する。
一般的に機械学習装置は、ある環境において学習が終了した後に、新たな環境におかれた場合でも追加の学習を行うことでその環境に適応するように学習を進めることができる。したがって、本発明のように各制御装置による機械の制御に用いられるサーボゲインの調整に適用することで、新しい機械制御の前提条件に適用したりする場合であっても、過去のサーボゲインの調整の学習を基にして、新たな加工の前提条件における追加の学習をすることで、サーボゲインの調整の学習を短時間で行うことが可能となる。
以下では、機械学習装置を導入した本発明の制御システムについて、具体的な実施形態に基づいて説明する。
図4は、本発明の一実施形態における機械学習装置を導入した制御システムにおける各制御装置による機械の制御に用いられるサーボゲインの調整に調整の機械学習に関するイメージを示す図である。なお、図4には本実施形態における制御システムでの機械学習の説明に必要な構成のみを示している。
本実施形態では、機械学習装置20が環境に対して出力するもの(<1.機械学習>で説明した行動at)として、各制御装置による機械の制御に用いられるサーボゲインの調整行動を出力する。
図5は、本実施形態による制御システムの機能ブロック図である。図6に示した構成を、図1に示した強化学習における要素と対比すると、機械学習装置20がエージェントに対応し、機械学習装置20を除く機械3などの構成が環境に対応する。
本実施形態による制御システム1は、機械学習装置20を備えた上位装置2と、少なくとも1つの機械3とから構成される。また、上位装置は2、機械3を制御する制御装置に対して上位に位置する装置であり、制御装置やフィールドコンピュータ、ホストコンピュータなどである。
加工情報出力部31は、加工が行われる際に、機械3の各部に備え付けられた図示しないセンサやサーボモータの出力などを監視し、例えば1サイクルの加工が完了したタイミングで監視したデータに基づいて加工に係る情報を作成し、作成した加工に係る情報を上位装置2へと出力する。
●[報酬1:加工品質の向上(プラス・マイナス報酬)]
機械3の優先ファクタが加工品質の向上に設定されている場合、加工されたワークの加工精度があらかじめ設定されている適正範囲に収まっている場合にはプラスの報酬を与え、また、加工精度があらかじめ設定されている適性範囲にから外れている場合(加工精度が悪過ぎる場合、または、加工精度が必要以上に良すぎる場合)には、その度合いに応じてマイナス報酬を与える。なお、マイナスの報酬を与える場合には、加工精度が悪過ぎる場合に大きなマイナス報酬を、加工精度が必要以上に良すぎる場合には小さなマイナス報酬を与えるようにしても良い。
●[報酬2:生産性の向上(プラス・マイナス報酬)]
機械3の優先ファクタが生産性の向上に設定されている場合、あらかじめ設定された所定の基準値と比較してサイクルタイムに大きく違いがない場合には、小さなプラス報酬を与え、あらかじめ設定された所定の基準値と比較してサイクルタイムが短い場合には、その度合いに応じたプラス報酬を与える。また、あらかじめ設定された所定の基準値と比較してサイクルタイムが長い場合には、その度合いに応じてマイナス報酬を与える。
●[報酬3:省エネ性(プラス・マイナス報酬)]
機械3の優先ファクタが省エネ性に設定されている場合、あらかじめ設定された所定の基準値と比較して消費電力に大きく違いがない場合には、小さなプラス報酬を与え、あらかじめ設定された所定の基準値と比較して消費電力が短い場合には、その度合いに応じたプラス報酬を与える。また、あらかじめ設定された所定の基準値と比較して消費電力が長い場合には、その度合いに応じてマイナス報酬を与える。
そして、ゲイン変更部28は、意思決定部27により決定された機械3のサーボゲインの調整行動に基づいて機械3のサーボゲイン設定部32に対してサーボゲインの調整を行うように指令する。
●[ステップSA01]機械学習が開始されると、状態観測部21が機械3が出力する機械に係るデータを状態にかかるデータとして観測する。
●[ステップSA02]学習部23は、状態観測部21が観測した状態に係るデータに基づいて現在の状態stを特定する。
●[ステップSA04]ゲイン変更部28は、ステップSA03で選択された行動atを実行する。
●[ステップSA06]ステップSA05で取得された判定データに基づいて、報酬計算部26が報酬rt+1を算出する。
●[ステップSA07]ステップSA02で特定された状態st、ステップSA03で選択された行動at、ステップSA06で算出された報酬rt+1に基づいて、学習部23が機械学習を進め、ステップSA02へ戻る。
また、機械学習が完了した機械学習装置20(または、他の機械学習装置20の機械学習が完了した学習データを複写した機械学習装置20)を他の上位装置2に取付けて、機械学習が十分に行われた時の学習データをそのまま使用して運転をするようにしてもよい。
このように複数の上位装置2の間でやり取りする際には、通信は図示しない管理装置等を経由しても良いし、直接上位装置2同士が直接通信しても構わないし、クラウドを使用しても構わないが、大量のデータを取り扱う場合があるため、なるべく通信速度が速い通信手段が好ましい。
2 上位装置
3 機械
20 機械学習装置
21 状態観測部
22 判定データ取得部
23 学習部
24 価値関数切換え判定部
25 価値関数更新部
26 報酬計算部
27 意思決定部
28 ゲイン変更部
30 機械情報出力部
31 加工情報出力部
32 サーボゲイン設定部
40 価値関数記憶部
41 行動パターン記憶部
Claims (6)
- ワークを加工する少なくとも1つの機械と、該機械による加工で用いられるサーボゲインを調整する上位装置を備えた制御システムであって、
前記機械のサーボゲインの調整を機械学習する機械学習装置を備え、
前記機械学習装置は、
前記機械の機械に係る情報を状態データとして観測する状態観測部と、
前記機械による加工に係る情報を判定データとして取得する判定データ取得部と、
前記判定データとあらかじめ設定された報酬条件とに基づいて報酬を計算する報酬計算部と、
前記機械のサーボゲインの調整を機械学習する学習部と、
前記学習部による前記機械のサーボゲインの調整の機械学習結果と、前記状態データと基づいて、前記機械のサーボゲインの調整行動を決定する意思決定部と、
前記意思決定部により決定されたサーボゲインの調整行動に基づいて前記機械のサーボゲインを変更するゲイン変更部と、
を備え、
前記学習部は、前記状態データと、前記調整行動と、前記調整行動の後に計算された報酬と、に基づいて前記機械のサーボゲインの調整を機械学習する、
制御システム。 - 前記機械に対してあらかじめ設定された優先ファクタに基づいて、前記機械学習及び前記調整行動の決定に用いられる価値関数を切換える価値関数切換え判定部を更に備える、
請求項1に記載の制御システム。 - 前記報酬条件は、
前記優先ファクタ毎に設定される報酬条件に基づいてプラスまたはマイナスの報酬を計算する、
請求項1または2に記載の制御システム。 - 少なくとも1つの他の数値制御装置と接続されており、
前記他の上位装置との間で機械学習の結果を相互に交換または共有する、
請求項1〜3のいずれか1つに記載の制御システム。 - ワークを加工する少なくとも1つの機械による加工で用いられるサーボゲインの調整を機械学習する機械学習装置であって、
前記機械の機械に係る情報を状態データとして観測する状態観測部と、
前記機械による加工に係る情報を判定データとして取得する判定データ取得部と、
前記判定データとあらかじめ設定された報酬条件とに基づいて報酬を計算する報酬計算部と、
前記機械のサーボゲインの調整を機械学習する学習部と、
前記学習部による前記機械のサーボゲインの調整の機械学習結果と、前記状態データと基づいて、前記機械のサーボゲインの調整行動を決定する意思決定部と、
前記意思決定部により決定されたサーボゲインの調整行動に基づいて前記機械のサーボゲインを変更するゲイン変更部と、
を有し、
前記学習部は、前記状態データと、前記調整行動と、前記調整行動の後に計算された報酬と、に基づいて前記機械のサーボゲインの調整を機械学習する、
機械学習装置。 - 前記機械に対してあらかじめ設定された優先ファクタに基づいて、前記機械学習及び前記調整行動の決定に用いられる価値関数を切換える価値関数切換え判定部を更に備える、
請求項5に記載の機械学習装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016242572A JP6457472B2 (ja) | 2016-12-14 | 2016-12-14 | 制御システム及び機械学習装置 |
US15/838,510 US10564611B2 (en) | 2016-12-14 | 2017-12-12 | Control system and machine learning device |
DE102017011544.3A DE102017011544A1 (de) | 2016-12-14 | 2017-12-13 | Steuerung und maschinelle Lernvorrichtung |
CN201711337999.9A CN108227482B (zh) | 2016-12-14 | 2017-12-14 | 控制系统以及机器学习装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016242572A JP6457472B2 (ja) | 2016-12-14 | 2016-12-14 | 制御システム及び機械学習装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018097680A true JP2018097680A (ja) | 2018-06-21 |
JP6457472B2 JP6457472B2 (ja) | 2019-01-23 |
Family
ID=62201952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016242572A Active JP6457472B2 (ja) | 2016-12-14 | 2016-12-14 | 制御システム及び機械学習装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10564611B2 (ja) |
JP (1) | JP6457472B2 (ja) |
CN (1) | CN108227482B (ja) |
DE (1) | DE102017011544A1 (ja) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018120357A (ja) * | 2017-01-24 | 2018-08-02 | ファナック株式会社 | 数値制御装置及び機械学習装置 |
JP2018126796A (ja) * | 2017-02-06 | 2018-08-16 | セイコーエプソン株式会社 | 制御装置、ロボットおよびロボットシステム |
JP2020004080A (ja) * | 2018-06-28 | 2020-01-09 | ファナック株式会社 | 出力装置、制御装置、及び評価関数値の出力方法 |
JP2020047228A (ja) * | 2018-09-21 | 2020-03-26 | ファナック株式会社 | モータ制御装置 |
CN111046156A (zh) * | 2019-11-29 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 奖励数据的确定方法、装置和服务器 |
JP2020138279A (ja) * | 2019-02-28 | 2020-09-03 | ファナック株式会社 | 加工条件調整装置及び加工条件調整システム |
JP2020140641A (ja) * | 2019-03-01 | 2020-09-03 | 株式会社Preferred Networks | 情報処理装置及び情報処理方法 |
JP2020157425A (ja) * | 2019-03-27 | 2020-10-01 | 株式会社ジェイテクト | 研削盤の支援装置及び支援方法 |
WO2021060090A1 (ja) * | 2019-09-24 | 2021-04-01 | ダイキン工業株式会社 | 制御システム |
JP2021086283A (ja) * | 2019-11-26 | 2021-06-03 | 横河電機株式会社 | 装置、方法およびプログラム |
JPWO2022003833A1 (ja) * | 2020-06-30 | 2022-01-06 | ||
EP3918544A4 (en) * | 2019-01-31 | 2022-10-12 | Baker Hughes Oilfield Operations LLC | OPTIMIZATION OF INDUSTRIAL MACHINERY |
WO2023243141A1 (ja) * | 2022-06-17 | 2023-12-21 | 株式会社日立製作所 | 連合学習システム及び連合学習方法 |
JP7410365B2 (ja) | 2019-07-10 | 2024-01-10 | 国立研究開発法人 海上・港湾・航空技術研究所 | 部材配置システム及び部材配置プログラム |
US11960267B2 (en) | 2020-04-24 | 2024-04-16 | Yokogawa Electric Corporation | Control apparatus, control method, and storage medium |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10396919B1 (en) | 2017-05-12 | 2019-08-27 | Virginia Tech Intellectual Properties, Inc. | Processing of communications signals using machine learning |
EP3738353A1 (en) * | 2018-01-12 | 2020-11-18 | Telefonaktiebolaget Lm Ericsson (Publ) | Methods and apparatus for roaming between wireless communications networks |
US10574054B2 (en) * | 2018-01-16 | 2020-02-25 | Total Solar International | Systems and methods for controlling and managing thermostatically controlled loads |
CN112055636A (zh) * | 2018-01-24 | 2020-12-08 | 米沃奇电动工具公司 | 包括机器学习块的电动工具 |
JP7060546B2 (ja) * | 2018-07-10 | 2022-04-26 | ファナック株式会社 | 歯当たり位置調整量推定装置、機械学習装置、ロボットシステム及び歯当たり位置調整量推定システム |
JP6740290B2 (ja) * | 2018-07-17 | 2020-08-12 | ファナック株式会社 | 機械学習装置、制御装置、及び機械学習方法 |
JP6740299B2 (ja) | 2018-08-24 | 2020-08-12 | ファナック株式会社 | 加工条件調整装置及び機械学習装置 |
JP6773738B2 (ja) * | 2018-09-19 | 2020-10-21 | ファナック株式会社 | 状態判定装置及び状態判定方法 |
DE102019006725B4 (de) * | 2018-10-02 | 2023-06-01 | Fanuc Corporation | Steuereinrichtung und Steuersystem |
JP6860541B2 (ja) | 2018-10-29 | 2021-04-14 | ファナック株式会社 | 出力装置、制御装置、及び評価関数値の出力方法 |
EP3651081B1 (en) * | 2018-11-09 | 2021-04-21 | Siemens Aktiengesellschaft | Tuning of axis control of multi-axis machines |
JP6849643B2 (ja) | 2018-11-09 | 2021-03-24 | ファナック株式会社 | 出力装置、制御装置、及び評価関数と機械学習結果の出力方法 |
WO2020216452A1 (de) * | 2019-04-26 | 2020-10-29 | Siemens Aktiengesellschaft | Zustandsanalyse einer anlage |
CN110370076A (zh) * | 2019-08-08 | 2019-10-25 | 合肥学院 | 基于加工机床的自由曲面原位测量方法 |
CN114729762A (zh) * | 2019-11-26 | 2022-07-08 | 大金工业株式会社 | 机器学习装置、需求控制系统以及空调控制系统 |
JP2021092970A (ja) * | 2019-12-10 | 2021-06-17 | キヤノン株式会社 | 制御方法、制御装置、機械設備、制御プログラム、記録媒体 |
WO2021192280A1 (ja) * | 2020-03-27 | 2021-09-30 | 三菱電機株式会社 | 空調制御の学習装置および推論装置 |
JP2022070134A (ja) * | 2020-10-26 | 2022-05-12 | 株式会社神戸製鋼所 | 機械学習方法、機械学習装置、機械学習プログラム、通信方法、及び樹脂処理装置 |
AT526214A1 (de) * | 2022-05-23 | 2023-12-15 | Fill Gmbh | Optimieren einer numerischen Steuerung einer Werkzeugmaschine |
CN116599767B (zh) * | 2023-07-12 | 2023-11-03 | 深圳市光网世纪科技有限公司 | 基于机器学习的网络威胁监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03259303A (ja) * | 1990-03-09 | 1991-11-19 | Hitachi Ltd | 学習制御装置 |
JPH06274228A (ja) * | 1993-03-18 | 1994-09-30 | Mitsubishi Electric Corp | 数値制御装置 |
JP2013106202A (ja) * | 2011-11-14 | 2013-05-30 | Fujitsu Ltd | パラメータ設定装置、コンピュータプログラム及びパラメータ設定方法 |
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 |
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 (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3259303B2 (ja) * | 1992-01-28 | 2002-02-25 | セイコーエプソン株式会社 | 液晶表示装置 |
JP4662411B2 (ja) * | 2003-03-14 | 2011-03-30 | 日立ビアメカニクス株式会社 | レーザ加工装置 |
CN1935470A (zh) | 2005-04-15 | 2007-03-28 | 美国发那科机器人有限公司 | 优化机器人程序的方法以及机器人系统 |
US20070203871A1 (en) * | 2006-01-23 | 2007-08-30 | Tesauro Gerald J | Method and apparatus for reward-based learning of improved systems management policies |
DE112006003821B4 (de) * | 2006-03-29 | 2010-12-16 | Intel Corporation, Santa Clara | Optimierung von Netzwerkprotokolloptionen durch verstärkendes Lernen und Propagation |
JP4211831B2 (ja) * | 2006-09-14 | 2009-01-21 | トヨタ自動車株式会社 | ハイブリッド車両、ハイブリッド車両の制御方法およびその制御方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読取可能な記録媒体 |
US8533026B2 (en) * | 2006-10-17 | 2013-09-10 | Oracle America, Inc. | Method and system for maximizing revenue generated from service level agreements |
US9298172B2 (en) * | 2007-10-11 | 2016-03-29 | International Business Machines Corporation | Method and apparatus for improved reward-based learning using adaptive distance metrics |
JP5461049B2 (ja) * | 2009-04-07 | 2014-04-02 | 株式会社デンソー | エンジン制御装置 |
US20120101960A1 (en) * | 2010-10-22 | 2012-04-26 | Chassang Sylvain | Method and system for the acquisition, exchange and usage of financial information |
JP5758728B2 (ja) * | 2011-07-26 | 2015-08-05 | 株式会社日立ハイテクノロジーズ | 荷電粒子線装置 |
CN103399488B (zh) * | 2013-07-31 | 2018-01-09 | 中国人民解放军国防科学技术大学 | 基于自学习的多模型控制方法 |
JP6308150B2 (ja) * | 2015-03-12 | 2018-04-11 | トヨタ自動車株式会社 | 内燃機関の排気浄化装置 |
GB201610883D0 (en) * | 2016-06-22 | 2016-08-03 | Microsoft Technology Licensing Llc | Privacy-preserving machine learning |
-
2016
- 2016-12-14 JP JP2016242572A patent/JP6457472B2/ja active Active
-
2017
- 2017-12-12 US US15/838,510 patent/US10564611B2/en active Active
- 2017-12-13 DE DE102017011544.3A patent/DE102017011544A1/de active Pending
- 2017-12-14 CN CN201711337999.9A patent/CN108227482B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03259303A (ja) * | 1990-03-09 | 1991-11-19 | Hitachi Ltd | 学習制御装置 |
JPH06274228A (ja) * | 1993-03-18 | 1994-09-30 | Mitsubishi Electric Corp | 数値制御装置 |
JP2013106202A (ja) * | 2011-11-14 | 2013-05-30 | Fujitsu Ltd | パラメータ設定装置、コンピュータプログラム及びパラメータ設定方法 |
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 (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10466658B2 (en) | 2017-01-24 | 2019-11-05 | Fanuc Corporation | Numerical controller and machine learning device |
JP2018120357A (ja) * | 2017-01-24 | 2018-08-02 | ファナック株式会社 | 数値制御装置及び機械学習装置 |
JP2018126796A (ja) * | 2017-02-06 | 2018-08-16 | セイコーエプソン株式会社 | 制御装置、ロボットおよびロボットシステム |
US11087509B2 (en) | 2018-06-28 | 2021-08-10 | Fanuc Corporation | Output device, control device, and evaluation function value output method |
JP2020004080A (ja) * | 2018-06-28 | 2020-01-09 | ファナック株式会社 | 出力装置、制御装置、及び評価関数値の出力方法 |
JP2020047228A (ja) * | 2018-09-21 | 2020-03-26 | ファナック株式会社 | モータ制御装置 |
EP3918544A4 (en) * | 2019-01-31 | 2022-10-12 | Baker Hughes Oilfield Operations LLC | OPTIMIZATION OF INDUSTRIAL MACHINERY |
JP2020138279A (ja) * | 2019-02-28 | 2020-09-03 | ファナック株式会社 | 加工条件調整装置及び加工条件調整システム |
US11481630B2 (en) | 2019-02-28 | 2022-10-25 | Fanuc Corporation | Machining condition adjustment device and machining condition adjustment system |
JP7336856B2 (ja) | 2019-03-01 | 2023-09-01 | 株式会社Preferred Networks | 情報処理装置、方法及びプログラム |
JP2020140641A (ja) * | 2019-03-01 | 2020-09-03 | 株式会社Preferred Networks | 情報処理装置及び情報処理方法 |
US11597056B2 (en) | 2019-03-27 | 2023-03-07 | Jtekt Corporation | Apparatus and method for assisting grinding machine |
CN111745467A (zh) * | 2019-03-27 | 2020-10-09 | 株式会社捷太格特 | 磨床的辅助装置以及辅助方法 |
JP2020157425A (ja) * | 2019-03-27 | 2020-10-01 | 株式会社ジェイテクト | 研削盤の支援装置及び支援方法 |
JP7302226B2 (ja) | 2019-03-27 | 2023-07-04 | 株式会社ジェイテクト | 研削盤の支援装置及び支援方法 |
JP7410365B2 (ja) | 2019-07-10 | 2024-01-10 | 国立研究開発法人 海上・港湾・航空技術研究所 | 部材配置システム及び部材配置プログラム |
JP2021057030A (ja) * | 2019-09-24 | 2021-04-08 | ダイキン工業株式会社 | 制御システム |
WO2021060090A1 (ja) * | 2019-09-24 | 2021-04-01 | ダイキン工業株式会社 | 制御システム |
JP7331660B2 (ja) | 2019-11-26 | 2023-08-23 | 横河電機株式会社 | 装置、方法およびプログラム |
JP2021086283A (ja) * | 2019-11-26 | 2021-06-03 | 横河電機株式会社 | 装置、方法およびプログラム |
CN111046156A (zh) * | 2019-11-29 | 2020-04-21 | 支付宝(杭州)信息技术有限公司 | 奖励数据的确定方法、装置和服务器 |
CN111046156B (zh) * | 2019-11-29 | 2023-10-13 | 支付宝(杭州)信息技术有限公司 | 奖励数据的确定方法、装置和服务器 |
US11960267B2 (en) | 2020-04-24 | 2024-04-16 | Yokogawa Electric Corporation | Control apparatus, control method, and storage medium |
WO2022003833A1 (ja) * | 2020-06-30 | 2022-01-06 | 三菱電機株式会社 | 位置決め制御装置および機械学習装置 |
JPWO2022003833A1 (ja) * | 2020-06-30 | 2022-01-06 | ||
WO2023243141A1 (ja) * | 2022-06-17 | 2023-12-21 | 株式会社日立製作所 | 連合学習システム及び連合学習方法 |
Also Published As
Publication number | Publication date |
---|---|
US10564611B2 (en) | 2020-02-18 |
CN108227482A (zh) | 2018-06-29 |
US20180164756A1 (en) | 2018-06-14 |
DE102017011544A1 (de) | 2018-06-14 |
CN108227482B (zh) | 2020-05-29 |
JP6457472B2 (ja) | 2019-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6457472B2 (ja) | 制御システム及び機械学習装置 | |
JP6457563B2 (ja) | 数値制御装置及び機械学習装置 | |
JP6470251B2 (ja) | 数値制御装置及び機械学習装置 | |
KR102168264B1 (ko) | 이동축 이상 부하 경고 기능을 갖는 와이어 방전 가공기 | |
JP6680756B2 (ja) | 制御装置及び機械学習装置 | |
JP6348098B2 (ja) | 機械学習を使った中子の溶着位置決定機能を備えたワイヤ放電加工機のシミュレーション装置 | |
JP6063016B1 (ja) | 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械 | |
JP5969676B1 (ja) | 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 | |
JP6063013B1 (ja) | びびり或いは工具摩耗/破損の発生を抑制する加工条件調整機能を有する数値制御装置 | |
JP6734318B2 (ja) | 駆動装置及び機械学習装置 | |
JP6077617B1 (ja) | 最適な速度分布を生成する工作機械 | |
JP6659652B2 (ja) | 加工条件調整装置及び機械学習装置 | |
JP6781191B2 (ja) | プログラマブルコントローラ及び機械学習装置 | |
JP2019185125A (ja) | 制御装置及び機械学習装置 | |
JP6841852B2 (ja) | 制御装置及び制御方法 | |
JP2019200661A (ja) | シミュレーション装置 | |
CN108427378B (zh) | 数值控制装置 | |
JP2018083238A (ja) | 数値制御装置 | |
JP6703020B2 (ja) | 制御装置及び機械学習装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180425 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180704 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180717 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180918 |
|
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: 20181127 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20181220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6457472 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |