JP2020028910A - 加工条件調整装置及び機械学習装置 - Google Patents

加工条件調整装置及び機械学習装置 Download PDF

Info

Publication number
JP2020028910A
JP2020028910A JP2018157523A JP2018157523A JP2020028910A JP 2020028910 A JP2020028910 A JP 2020028910A JP 2018157523 A JP2018157523 A JP 2018157523A JP 2018157523 A JP2018157523 A JP 2018157523A JP 2020028910 A JP2020028910 A JP 2020028910A
Authority
JP
Japan
Prior art keywords
laser processing
ionizer
amount
setting
plasma
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
JP2018157523A
Other languages
English (en)
Other versions
JP6740299B2 (ja
Inventor
貴士 和泉
Takashi Izumi
貴士 和泉
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 JP2018157523A priority Critical patent/JP6740299B2/ja
Priority to US16/541,157 priority patent/US11318565B2/en
Priority to DE102019005748.1A priority patent/DE102019005748A1/de
Priority to CN201910783789.5A priority patent/CN110893518B/zh
Publication of JP2020028910A publication Critical patent/JP2020028910A/ja
Application granted granted Critical
Publication of JP6740299B2 publication Critical patent/JP6740299B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/006Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to using of neural networks
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00Working by laser beam, e.g. welding, cutting or boring
    • B23K26/36Removing material
    • B23K26/38Removing material by boring or cutting
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00Working by laser beam, e.g. welding, cutting or boring
    • B23K26/14Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00Working by laser beam, e.g. welding, cutting or boring
    • B23K26/14Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor
    • B23K26/1423Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor the flow carrying an electric current
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00Working by laser beam, e.g. welding, cutting or boring
    • B23K26/14Working by laser beam, e.g. welding, cutting or boring using a fluid stream, e.g. a jet of gas, in conjunction with the laser beam; Nozzles therefor
    • B23K26/1462Nozzles; Features related to nozzles
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70Auxiliary operations or equipment
    • B23K26/702Auxiliary equipment
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B23MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23KSOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K26/00Working by laser beam, e.g. welding, cutting or boring
    • B23K26/70Auxiliary operations or equipment
    • B23K26/702Auxiliary equipment
    • B23K26/705Beam measuring device
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Plasma & Fusion (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Laser Beam Processing (AREA)
  • Numerical Control (AREA)

Abstract

【課題】ワークのレーザ加工時に発生したプラズマが帯びている電荷を中和するようにイオナイザの設定を調整する加工条件調整装置及び機械学習装置を提供すること。【解決手段】本発明の加工条件調整装置1は、レーザ加工装置2によるワークのレーザ加工時に発生するプラズマが帯びている電荷を中和するようにイオナイザ5の設定を調整する加工条件調整装置1であって、少なくともレーザ加工において発生するプラズマが帯びている電荷量に基づいて、イオナイザ5から照射する単位時間あたりの電荷量を算出するイオン量算出部36と、イオン量算出部36が算出した単位時間あたりの電荷量を照射するようにイオナイザ5を設定する制御部30と、を備える。【選択図】図2

Description

本発明は、加工条件調整装置及び機械学習装置に関する。
レーザ切断加工を行う場合には、ワークとノズルの間を一定間隔に保つとと共に、焦点位置を一定に保ちながら、レーザとアシストガスを流すことにより溶融した金属を吹き飛ばす形で材料加工を行っている。従来は、例えば特許文献1に代表されるように、切断を行う際には、ワーク掛かる圧力が重要視されており、ワークとノズルの距離は成るべく接近させることが良いとされていた。
特許第4966846号公報
ノズルとワークが接近した状態で、高速切断を行うと、プラズマの発生が原因で加工面が荒くなる。また、プラズマ発生によりカーフが広がることによりドロス(バリのようなもの)がワークに付着することが多くなり、条件出しが難しい。
そこで本発明の目的は、ワークのレーザ加工時に発生したプラズマが帯びている電荷を中和するようにイオナイザの設定を調整する加工条件調整装置及び機械学習装置を提供することである。
本発明の加工条件調整装置は、ノズルから噴射されるアシストガスの流速が速い部分(マッハディスク部)を利用することでプラズマの発生を抑えると共に、更にプラズマの発生量を検出して、検出したプラズマの発生量(電荷量)に対して逆の電荷を照射することで該プラズマを中和する事により、切断品質の向上を図る。
図7は、レーザ加工装置によるレーザ加工において、ノズルの先端から噴出するアシストガスの流れを示す図である。図7において、(1)はノズルの先端部であり、アシストガスのガス圧が最大となる位置である。上記で説明したように、レーザ加工においてはワークに係る圧力が高いほうが良いとされているため、ノズルとワークとの距離はノズルの先端部からやや離れた(2)の位置で加工が行われる((1)の位置ではノズルの先端とワークとが密着し、熱によるノズルの破損などが発生するため)。しかしながら、ノズルの先端から超高速でアシストガスを噴出すると、ノズルの口元から衝撃波が発生し、これが壁となってアシストガスが再度収束して位置(3)においてアシストガスの流速が最大となる。出願人がこのようなアシストガスの流速が最大となる地点に着目して実験を繰り返した結果、ワークの表面がアシストガスの流速最大位置(3)又は位置(3)よりもややノズルに近い位置となるようにした上でレーザ加工を行うことで、プラズマの発生量をある程度抑えて良質な切断品質でワークの加工が行えることに気付いた。そして、このときに発生するプラズマの発生量(電荷量)を計測し、イオナイザ等を用いて計測された電荷量の逆の電荷を照射することで、発生したプラズマのレーザ加工に対する影響を抑えて、切断品質の向上を図る。
そして、本発明の一態様は、レーザ加工装置によるワークのレーザ加工時に発生するプラズマが帯びている電荷を中和するようにイオナイザの設定を調整する加工条件調整装置であって、少なくとも前記レーザ加工時において発生するプラズマが帯びている電荷量に基づいて、前記イオナイザから照射する単位時間あたりの電荷量を算出するイオン量算出部と、前記イオン量算出部が算出した単位時間あたりの電荷量を照射するように前記イオナイザを設定する制御部と、を備えた加工条件調整装置である。
本発明の他の態様は、レーザ加工装置によるワークのレーザ加工時に発生するプラズマが帯びている電荷を中和するようにイオナイザの設定を調整する機械学習装置であって、前記イオナイザの設定に係るイオナイザ設定データ、前記ワークに係るワークデータ、前記レーザ加工時において発生するプラズマが帯びている電荷量に係るプラズマ発生状態データ、及び前記レーザ加工時における加工条件を示す加工条件データを含む状態変数と、前記レーザ加工装置によるレーザ加工におけるプラズマが帯びている電荷量の良否を判定するためのプラズマ発生量判定データを含む判定データとを用いて、所定のレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量に対する前記イオナイザの設定の調整行動を学習する学習部を備え、前記プラズマ発生量判定データは、前記イオナイザの設定の調整行動により調整されたレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量の良否を判定するためのものである、機械学習装置である。
本発明の他の態様は、レーザ加工装置によるワークのレーザ加工時に発生するプラズマが帯びている電荷を中和するようにイオナイザの設定を調整する機械学習装置であって、所定のレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量に対する前記イオナイザの設定の調整行動を学習した学習済みモデルを記憶する学習モデル記憶部と、前記イオナイザの設定に係るイオナイザ設定データ、前記ワークに係るワークデータ、前記レーザ加工時において発生するプラズマが帯びている電荷量に係るプラズマ発生状態データ、及び前記レーザ加工時における加工条件を示す加工条件データを含む状態変数に基づいて、前記学習済みモデルを用いた前記イオナイザの設定の調整行動の推定を行う意思決定部と、を備える機械学習装置である。
本発明により、レーザ加工装置によるワークのレーザ加工時に発生するプラズマが帯びている電荷を中和することで、ワークの切断品質を向上させることが可能となる。
第1実施形態による加工条件調整装置の概略的なハードウェア構成図である。 第1実施形態による加工条件調整装置の概略的な機能ブロック図である。 第1実施形態による補正係数の定義例を示す図である。 一実施形態によるレーザ加工時のプラズマが帯びている電荷量を中和する方法について説明する図である。 第2実施形態による加工条件調整装置の概略的なハードウェア構成図である。 第2実施形態による加工条件調整装置の概略的な機能ブロック図である。 レーザ加工装置によるレーザ加工において、ノズルの先端から噴出するアシストガスの流れを示す図である。
以下、本発明の実施形態を図面と共に説明する。
図1は第1実施形態による機械学習装置を備えた撮像装置の要部を示す概略的なハードウェア構成図である。本実施形態の加工条件調整装置1は、例えばレーザ加工装置を制御する制御装置として実装することができる。また、加工条件調整装置1は、例えばレーザ加工装置を制御する制御装置に併設されたパソコンや、制御装置に有線/無線のネットワークを介して接続されたセルコンピュータ、ホストコンピュータ、エッジサーバ、クラウドサーバ等のコンピュータとして実装することができる。本実施形態では、加工条件調整装置1を、レーザ加工装置2を制御する制御装置として実装した場合の例を示す。
本実施形態による加工条件調整装置1が備えるCPU11は、加工条件調整装置1を全体的に制御するプロセッサである。CPU11は、ROM12に格納されたシステム・プログラムをバス20を介して読み出し、該システム・プログラムに従って加工条件調整装置1全体を制御する。RAM13には一時的な計算データ、入力装置71を介して作業者が入力した各種データ等が一時的に格納される。
不揮発性メモリ14は、例えば図示しないバッテリでバックアップされたメモリやSSD等で構成され、加工条件調整装置1の電源がオフされても記憶状態が保持される。不揮発性メモリ14には、加工条件調整装置1の動作に係る設定情報が格納される設定領域や、入力装置71から入力されたレーザ加工装置2の制御用プログラムやデータ等、加工条件調整装置1の各部やレーザ加工装置2から取得された各種データ(例えば、レーザ加工装置2によるレーザ加工におけるレーザ出力、周波数、デューティー、加工速度、アシストガスの種類や圧力、ワークの材料種類や板厚、ノズル径、ギャップ、焦点位置、レーザ加工装置2に取付けられたプラズマ計測器4により検出されたプラズマ発生量等)、図示しない外部記憶装置やネットワークを介して読み込まれたレーザ加工装置2の制御用プログラムやデータ等が記憶される。不揮発性メモリ14に記憶されたプログラムや各種データは、実行時/利用時にはRAM13に展開されても良い。また、ROM12には、各種データを解析するための公知の解析プログラム等を含むシステム・プログラムが予め書き込まれている。
プラズマ計測器4は、例えばプローブ計測器、電磁計測器、粒子計測器、分光計測器等のような、レーザ加工が行われている近傍でのプラズマの発生量を計測する計測器である。プラズマ計測器4は、例えばレーザ加工装置2の近傍のいずれかの位置に固定的に取り付けられたり、レーザ加工装置2の近傍に設置された図示しないロボットのハンドに取り付けられたりして、レーザ加工装置2による加工部位の近傍におけるプラズマの発生量を計測する。プラズマ計測器4は、レーザ加工装置2による加工部位の近傍に発生しているプラズマが帯びている電荷の電荷量を測定できることが望ましい。プラズマ計測器4により計測された加工部位の近傍におけるプラズマの発生量(電荷量)は、インタフェース16を介してCPU11に渡される。
イオナイザ5は、例えばコロナ放電式除電器や電離放射線式除電器等のような、所定の範囲に対してイオン化した空気や放射線を照射する装置である。イオナイザ5は、例えばレーザ加工装置2の近傍のいずれかの位置に固定的に取り付けられたり、ノズル内に実装したり、レーザ加工装置2の近傍に設置された図示しないロボットのハンドに取り付けられたりして、CPU11からの指令を受けて、レーザ加工装置2による加工部位の近傍に対してイオン化した空気や放射線を照射する。
表示装置70には、メモリ上に読み込まれた各データ、プログラム等が実行された結果として得られたデータ、プラズマ計測器4が撮像して得られた対象物の距離画像データ、後述する機械学習装置100から出力されたデータ等がインタフェース17を介して出力されて表示される。また、キーボードやポインティングデバイス等から構成される入力装置71は、作業者による操作に基づく指令,データ等を受けて、インタフェース18を介してCPU11に渡す。
図2は、第1の実施形態による加工条件調整装置1の概略的な機能ブロック図である。図2に示した各機能ブロックは、図1に示した加工条件調整装置1が備えるCPU11がシステム・プログラムを実行し、加工条件調整装置1の各部の動作を制御することにより実現される。
本実施形態の加工条件調整装置1は、制御部30、イオン量算出部36を備え、また、不揮発性メモリ14上に設けられた補正係数記憶部50には、予め図示しない外部記憶装置又は有線/無線のネットワークを介して、レーザ加工装置2によるレーザ加工の加工部位の近傍におけるプラズマが帯びている電荷量をイオナイザ5により中和する際に照射するイオンの電荷量を補正する際に用いる補正係数が記憶されている。
制御部30は、一般に制御用プログラム等による指令に従ってレーザ加工装置2及びイオナイザ5の動作を制御する。制御部30は、予め実験等により求めたノズルから噴射されるアシストガスの流速が速い位置乃至アシストガスの流速が速い部分よりもややノズルに近い位置にワークの表面が来るようにギャップが設定された状態でレーザ加工の制御を行う。また、制御部30は、レーザ加工装置2の制御中に、制御用プログラムなどによるレーザ加工装置2に対する指令値や、レーザ加工装置2からレーザ出力や周波数、デューティー、加工速度等のレーザ加工装置2から取得可能な各データを逐次取得し、イオン量算出部36へと出力する。
イオン量算出部36は、制御部30及びプラズマ計測器4から取得した情報、補正係数記憶部50に予め設定された補正係数、及び予め設定された補正式に基づいて、イオナイザ5から照射する単位時間あたりに照射する電荷量を算出し、算出した電荷量を中和する電荷量を照射するように制御部30を介してイオナイザ5に対して指令する。イオン量算出部36は、主としてプラズマ計測器4から取得した、レーザ加工装置2によるレーザ加工の加工部位の近傍におけるプラズマが帯びている電荷量に基づいて、該電荷量を中和するために必要な単位時間あたりに照射する電荷量を算出する。また、イオン量算出部36は、必要に応じて現在加工しているワークの材料及び板厚に対応する補正係数を補正係数記憶部50から読み出して、該補正係数とレーザ加工のレーザ出力、周波数、デューティー、加工速度等に基づいて補正式を用いて補正量を算出し、算出した補正量をプラズマが帯びている電荷量を中和するために必要な単位時間あたりに照射する電荷量に加えた値を算出する。図3は、補正係数記憶部50に記憶された、ワークの材料及び板厚に対応する補正係数の例を示している。イオン量算出部36が算出する補正量は、プラズマ計測器4によりプラズマが帯びている電荷量が計測されてから、イオナイザ5により中和する電荷量が照射されるまでの間に、レーザ加工装置2によるレーザ加工で更に増加する電荷量を中和するための単位時間あたりに照射する電荷量を見込んだものであり、該補正量を算出するための補正式及びワークの材料及び板厚に対応する補正係数は、予め複数のワーク、加工条件を用いた実験等を行って求めておく。
図4は、レーザ加工装置2によるレーザ加工の様子を例示する図である。上記構成を備えた加工条件調整装置1では、図4に例示されるように、レーザ加工装置2によるレーザ加工時に、その加工部位の近傍におけるプラズマの発生量がプラズマ計測器4により計測され、該プラズマが帯びている電荷量を打ち消すようにイオナイザ5からイオン化した空気や放射線が加工部位に近傍に照射されることで、加工部位の近傍に発生しているプラズマが帯びている電荷が中和され、レーザ加工による加工面の切断品質が向上することが見込まれる。
図5は、第2実施形態による機械学習装置を備えた撮像装置の要部を示す概略的なハードウェア構成図である。本実施形態の加工条件調整装置1は、機械学習装置100を備え、機械学習によりレーザ加工装置2によるレーザ加工の加工部位の近傍において発生したプラズマが帯びている電荷量を中和するために必要な電荷量を推定する点において第1実施形態と異なる。
本実施形態による加工条件調整装置1は、図1で説明した第1実施形態による加工条件調整装置1が備えた構成に加えて機械学習装置100を備えている。
インタフェース21は、加工条件調整装置1と機械学習装置100とを接続するためのインタフェースである。機械学習装置100は、機械学習装置100全体を統御するプロセッサ101と、システム・プログラム等を記憶したROM102、機械学習に係る各処理における一時的な記憶を行うためのRAM103、及び学習モデル等の記憶に用いられる不揮発性メモリ104を備える。機械学習装置100は、インタフェース21を介して加工条件調整装置1で取得可能な各情報(例えば、レーザ加工装置2によるレーザ加工におけるレーザ出力、周波数、デューティー、加工速度、アシストガスの種類や圧力、ワークの材料種類や板厚、ノズル径、ギャップ、焦点位置、レーザ加工装置2に取付けられたプラズマ計測器4により検出されたプラズマ発生量等)を観測することができる。また、加工条件調整装置1は、機械学習装置100から出力される処理結果をインタフェース21を介して取得し、取得した結果を踏まえてイオナイザ5の動作を制御する。
図6は、第2実施形態による加工条件調整装置1と機械学習装置100の概略的な機能ブロック図である。図6に示した各機能ブロックは、図5に示した加工条件調整装置1が備えるCPU11、及び機械学習装置100のプロセッサ101が、それぞれのシステム・プログラムを実行し、加工条件調整装置1及び機械学習装置100の各部の動作を制御することにより実現される。
本実施形態の加工条件調整装置1は、制御部30、前処理部32,状態判定部34、イオン量算出部36を備え、また、機械学習装置100上に構成されたイオン量算出部36は、学習部110、意思決定部120を備えている。
制御部30は、第1実施形態の場合と同様に、一般に制御用プログラム等による指令に従ってレーザ加工装置2及びイオナイザ5の動作を制御する。制御部30は、予め実験等により求めたノズルから噴射されるアシストガスの流速が速い位置乃至アシストガスの流速が速い部分よりもややノズルに近い位置にワークの表面が来るようにギャップが設定された状態でレーザ加工の制御を行う。また、制御部30は、レーザ加工装置2の制御中に、制御用プログラムなどによるレーザ加工装置2に対する指令値や、レーザ加工装置2からレーザ出力や周波数、デューティー、加工速度等のレーザ加工装置2から取得可能な各データを逐次取得し、イオン量算出部36へと出力する。
前処理部32は、制御部30、プラズマ計測器4、及びイオナイザ5から取得した情報に基づいて、イオン量算出部36として構成された機械学習装置100による学習及び意思決定に用いる状態データSを作成する。前処理部32は、取得したデータを機械学習装置100において扱われる統一的な形式へと変換(数値化、正規化、サンプリング等)して状態データSを作成する。前処理部32が作成する状態データSは、イオナイザの設定に係るイオナイザ設定データS1、レーザ加工の対象となるワークに係るワークデータS2、プラズマの発生状態に係るプラズマ発生状態データS3、及びレーザ加工時における加工条件を示す加工条件データS4を含む。
イオナイザ設定データS1は、イオナイザ5から照射される単位時間あたりに照射する電荷量を少なくとも含む。イオナイザ設定データS1は、副次的に、イオナイザ5の風量やイオンを照射乃至発生させる場所等の情報を含んでいても良い。
ワークデータS2は、レーザ加工装置2によるレーザ加工の対象となるワークの材料の種類(鉄、アルミ等)及び板厚を少なくとも含む。ワークの材料の種類及び板厚は、レーザ加工が開始される前に、例えば作業者によりレーザ加工装置2の操作盤等を介してレーザ加工装置2に入力された情報や、作業者により入力装置71を介して加工条件調整装置1に入力された情報、図示しないネットワークを介して製造計画装置等の他のコンピュータから取得された情報を利用することができる。
プラズマ発生状態データS3は、プラズマ計測器4により計測された、レーザ加工装置2によりレーザ加工が行われている位置の近傍におけるプラズマが帯びている電荷量を少なくとも含む。
加工条件データS4は、レーザ加工装置2において行われるレーザ加工におけるレーザ加工条件として取得することができる。レーザ加工におけるレーザ加工条件は、例えば、レーザ加工におけるレーザ出力、周波数、デューティー、加工速度、アシストガスの種類や圧力、ノズル径、焦点位置、ノズルの先端からワークまでの距離であるギャップ等などを含んでいても良い。これらのレーザ加工条件は、レーザ加工装置2の動作を制御する制御用プログラムや、加工条件調整装置1に設定され、不揮発性メモリ14に記憶されているレーザ加工パラメータ等から取得することができる。
状態判定部34は、プラズマ計測器4により計測された、レーザ加工装置2によりレーザ加工が行われている位置の近傍におけるプラズマが帯びている電荷量に基づいて、現在のプラズマの発生状態を判定し、その判定結果としての判定データDを作成する。状態判定部34が作成する判定データDは、プラズマが帯びている電荷量が完全に中和されている状態(電荷量0)からズレの程度を示すプラズマ発生量判定データD1を含む。
なお、状態判定部34は、学習の段階では必須の構成となるが、学習部110によるレーザ加工におけるイオナイザ5の設定の調整行動の学習が完了した後には必ずしも必須の構成ではない。例えば、学習が完了した機械学習装置100を顧客に出荷する場合等には、状態判定部34を取り外して出荷するようにしても良い。
学習部110は、前処理部32が作成した状態データSと、状態判定部34が作成した判定データDとを用いた強化学習を行い、所定の加工条件下でのレーザ加工時におけるプラズマの発生状態に対するイオナイザ5の設定の調整行動の良否を学習した学習済みモデルを生成する(学習する)機能手段である。強化学習は、学習対象が存在する環境の現在状態(つまり入力)を観測すると共に現在状態で所定の行動(つまり出力)を実行し、その行動に対し何らかの報酬を与えるというサイクルを試行錯誤的に反復して、報酬の総計が最大化されるような方策(本願の機械学習装置ではレーザ加工におけるイオナイザ5の設定の調整行動)を最適解として学習する手法である。
学習部110は、例えばQ学習(Q−learning)として知られるアルゴリズムを用いて、所定のレーザ加工条件におけるレーザ加工装置2によるレーザ加工の加工部分の近傍に発生するプラズマが帯びている電荷量の良否判定結果(状態変数Sが取得された次の学習周期で作成された判定データDに相当)に関連する報酬Rを求め、求めた報酬Rを用いてイオナイザ5の設定の調整行動の価値を表す関数Q(学習モデル)を更新する。このように、所定の状態s(状態変数Sで定義される)で行動a(イオナイザ5の設定の調整行動、例えば単位時間あたりに照射する電荷量の調整行動)を選択した場合の行動の価値を表す関数Q(s,a)を学習モデルとして、状態sで価値関数Qが最も高くなる行動aを選択することが最適解となる。学習部110は、学習時において、状態sと行動aとの相関性が未知の状態でQ学習を開始し、任意の状態sで種々の行動aを選択する試行錯誤を繰り返すことで、価値関数Qを反復して更新し、最適解に近付ける。学習部110は、価値を表す関数Qの更新を繰り返すことによって所定の加工条件におけるワークのレーザ加工で発生したプラズマが帯びている電荷量に対してイオナイザ5の設定の調整(例えば、単位時間あたりに照射する電荷量の調整)を学習する。
学習部110によるQ学習において、報酬Rは、例えば、所定のレーザ加工条件におけるレーザ加工時に発生するプラズマが帯びている電荷量の良否判定結果が「良」と判定される場合(即ち、プラズマが帯びている電荷量がほぼ中和されている場合等)に正(プラス)の報酬Rとし、良否判定結果が「否」と判定される場合(例えば、プラズマが帯びている電荷量が中和した状態から所定の閾値以上離れている場合等)に負(マイナス)の報酬Rとすることができる。報酬Rの値は、プラズマが帯びている電荷量が中和されている状態から離れる度合いに応じて変化するものであっても良い。また、判定の条件として、判定データDに複数のデータが含まれている場合には、それら複数のデータを組み合わせて判定するようにしても良い。
学習部110は、ニューラルネットワークを価値観数Q(学習モデル)をとして用い、状態変数Sと行動aとをニューラルネットワークの入力とし、当該状態における当該行動aの価値(結果y)を出力するように構成しても良い。この様に構成する場合、学習モデルとしては入力層、中間層、出力層の三層を備えたニューラルネットワークを用いても良いが、三層以上の層を為すニューラルネットワークを用いた、いわゆるディープラーニングの手法を用いることで、より効果的な学習及び推論を行うように構成することも可能である。学習部110が生成した学習済みモデルは、不揮発性メモリ104上に設けられた学習モデル記憶部130に記憶され、意思決定部120によるイオナイザ5の設定の調整行動の推定処理に用いられる。
なお、学習部110は、学習の段階では必須の構成となるが、学習部110によるイオナイザ5の設定の学習が完了した後には必ずしも必須の構成ではない。例えば、学習が完了した機械学習装置100を顧客に出荷する場合等には、学習部110を取り外して出荷するようにしても良い。
意思決定部120は、前処理部32から入力された状態データSに基づいて、学習モデル記憶部130に記憶された学習済みモデルを用いてイオナイザ5の設定の調整行動の最適解を求め、求めたイオナイザ5の設定の調整行動を出力する。本実施形態の意思決定部120では、学習部110による強化学習により生成された(パラメータが決定された)学習済みモデルに対して、前処理部32から入力された状態データS(イオナイザ設定データS1、ワークデータS2、プラズマ発生状態データS3、及び加工条件データS4)と、イオナイザ5の設定の調整行動(例えば、単位時間あたりに照射する電荷量)を入力データとして入力することで現在の状態において当該行動をとった場合の報酬を算出できるが、この報酬の算出を現在取り得る複数のイオナイザ5の設定の調整行動について行い、算出された複数の報酬を比較して、最も大きな報酬が算出されるイオナイザ5の設定の調整行動を最適解として推定する。意思決定部120が推定したイオナイザ5の設定の調整行動の最適解は、制御部30へと入力されてイオナイザ5の設定の調整に用いられる他、例えば表示装置70に表示出力したり、図示しない有線/無線ネットワークを介してホストコンピュータやクラウドコンピュータ等に送信出力して利用するようにしても良い。
上記した構成を備えることにより、様々な加工に係る要因により変化する、レーザ加工時において発生するプラズマが帯びる電荷を中和するようにイオナイザ5を的確に制御することが可能となり、レーザ加工におけるワークの切断品質を向上させることができるようになる。
以上、本発明の実施の形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、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。
例えば、機械学習装置100が実行する学習アルゴリズム、機械学習装置100が実行する演算アルゴリズム、加工条件調整装置1が実行する制御アルゴリズム等は、前記したものに限定されず、様々なアルゴリズムを採用できる。
また、上記した実施形態では加工条件調整装置1と機械学習装置100が異なるCPU(プロセッサ)を有する装置として説明しているが、機械学習装置100は加工条件調整装置1が備えるCPU11と、ROM12に記憶されるシステム・プログラムにより実現するようにしても良い。
1 加工条件調整装置
2 レーザ加工装置
4 プラズマ計測器
5 イオナイザ
11 CPU
12 ROM
13 RAM
14 不揮発性メモリ
15〜19 インタフェース
20 バス
21 インタフェース
30 制御部
32 前処理部
34 状態判定部
36 イオン量算出部
50 補正係数記憶部
70 表示装置
71 入力装置
100 機械学習装置
101 プロセッサ
102 ROM
103 RAM
104 不揮発性メモリ
110 学習部
120 意思決定部
130 学習モデル記憶部

Claims (8)

  1. レーザ加工装置によるワークのレーザ加工時に発生するプラズマが帯びている電荷を中和するようにイオナイザの設定を調整する加工条件調整装置であって、
    少なくとも前記レーザ加工時において発生するプラズマが帯びている電荷量に基づいて、前記イオナイザから照射する単位時間あたりの電荷量を算出するイオン量算出部と、
    前記イオン量算出部が算出した単位時間あたりの電荷量を照射するように前記イオナイザを設定する制御部と、
    を備えた加工条件調整装置。
  2. 少なくともワークの材料及び板厚と関連付けられて設定された補正係数が記憶された補正係数記憶部を更に備え、
    前記イオン量算出部は、レーザ加工されるワークの材料及び板厚とに基づいて前記補正係数記憶部から読み出された補正係数と、前記レーザ加工時に設定されているレーザ加工条件とに基づいて、予め設定された補正式を用いて、前記レーザ加工時において発生するプラズマが帯びている電荷量に基づいて算出された前記イオナイザから照射する単位時間あたりの電荷量を補正する補正値を算出する、
    請求項1に記載された加工条件調整装置。
  3. 前記イオナイザの設定に係るイオナイザ設定データ、前記ワークに係るワークデータ、前記レーザ加工時において発生するプラズマが帯びている電荷量に係るプラズマ発生状態データ、及び前記レーザ加工時における加工条件を示す加工条件データを含む状態変数を作成する前処理部と、
    前記レーザ加工装置によるレーザ加工におけるプラズマが帯びている電荷量の良否を判定するためのプラズマ発生量判定データを含む判定データを作成する状態判定部と、
    を更に備え、
    前記イオン量算出部は、
    前記状態変数と前記判定データとを用いて、所定のレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量に対する前記イオナイザの設定の調整行動を学習する学習部と、
    を備え、
    前記プラズマ発生量判定データは、前記イオナイザの設定の調整行動により調整されたレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量の良否を判定するためのものである、
    請求項1に記載の加工条件調整装置。
  4. 前記学習部は、所定のレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量が中和された状態に近い場合に高い報酬を与える強化学習を行う、
    請求項3に記載の加工条件調整装置。
  5. 前記イオナイザの設定に係るイオナイザ設定データ、前記ワークに係るワークデータ、前記レーザ加工時において発生するプラズマが帯びている電荷量に係るプラズマ発生状態データ、及び前記レーザ加工時における加工条件を示す加工条件データを含む状態変数を作成する前処理部と、
    所定のレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量に対する前記イオナイザの設定の調整行動を学習した学習済みモデルを記憶する学習モデル記憶部と、
    前記状態変数に基づいて、前記学習済みモデルを用いた前記イオナイザの設定の調整行動の推定を行う意思決定部と、
    を備える請求項1に記載の加工条件調整装置。
  6. 前記イオナイザの設定の調整行動は、前記レーザ加工時の加工部分の近傍に照射する単位時間あたりの電荷量の調整行動である、
    請求項3〜5のいずれか1つに記載の加工条件調整装置。
  7. レーザ加工装置によるワークのレーザ加工時に発生するプラズマが帯びている電荷を中和するようにイオナイザの設定を調整する機械学習装置であって、
    前記イオナイザの設定に係るイオナイザ設定データ、前記ワークに係るワークデータ、前記レーザ加工時において発生するプラズマが帯びている電荷量に係るプラズマ発生状態データ、及び前記レーザ加工時における加工条件を示す加工条件データを含む状態変数と、前記レーザ加工装置によるレーザ加工におけるプラズマが帯びている電荷量の良否を判定するためのプラズマ発生量判定データを含む判定データとを用いて、所定のレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量に対する前記イオナイザの設定の調整行動を学習する学習部を備え、
    前記プラズマ発生量判定データは、前記イオナイザの設定の調整行動により調整されたレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量の良否を判定するためのものである、
    機械学習装置。
  8. レーザ加工装置によるワークのレーザ加工時に発生するプラズマが帯びている電荷を中和するようにイオナイザの設定を調整する機械学習装置であって、
    所定のレーザ加工条件の下で行われたワークのレーザ加工において発生したプラズマが帯びている電荷量に対する前記イオナイザの設定の調整行動を学習した学習済みモデルを記憶する学習モデル記憶部と、
    前記イオナイザの設定に係るイオナイザ設定データ、前記ワークに係るワークデータ、前記レーザ加工時において発生するプラズマが帯びている電荷量に係るプラズマ発生状態データ、及び前記レーザ加工時における加工条件を示す加工条件データを含む状態変数に基づいて、前記学習済みモデルを用いた前記イオナイザの設定の調整行動の推定を行う意思決定部と、
    を備える機械学習装置。
JP2018157523A 2018-08-24 2018-08-24 加工条件調整装置及び機械学習装置 Active JP6740299B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2018157523A JP6740299B2 (ja) 2018-08-24 2018-08-24 加工条件調整装置及び機械学習装置
US16/541,157 US11318565B2 (en) 2018-08-24 2019-08-15 Machining condition adjustment device and machine learning device
DE102019005748.1A DE102019005748A1 (de) 2018-08-24 2019-08-16 Vorrichtung für die einstellung einer bearbeitungsbedingung undmaschinelle lernvorrichtung
CN201910783789.5A CN110893518B (zh) 2018-08-24 2019-08-23 加工条件调整装置以及机器学习装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018157523A JP6740299B2 (ja) 2018-08-24 2018-08-24 加工条件調整装置及び機械学習装置

Publications (2)

Publication Number Publication Date
JP2020028910A true JP2020028910A (ja) 2020-02-27
JP6740299B2 JP6740299B2 (ja) 2020-08-12

Family

ID=69412604

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018157523A Active JP6740299B2 (ja) 2018-08-24 2018-08-24 加工条件調整装置及び機械学習装置

Country Status (4)

Country Link
US (1) US11318565B2 (ja)
JP (1) JP6740299B2 (ja)
CN (1) CN110893518B (ja)
DE (1) DE102019005748A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS51147097A (en) * 1975-06-13 1976-12-17 Hitachi Ltd Laser processing method
JPH03199907A (ja) * 1989-12-21 1991-08-30 Robert Bosch Gmbh 貫通孔の大きさを測定するための方法と装置
JP2001084577A (ja) * 1999-09-09 2001-03-30 Fuji Photo Film Co Ltd 磁気テープの加工方法および加工装置
JP2004122174A (ja) * 2002-10-02 2004-04-22 Sumitomo Heavy Ind Ltd レーザ加工方法及びレーザ加工装置
JP2005219093A (ja) * 2004-02-05 2005-08-18 Yamazaki Mazak Corp プラズマ検出装置、及びプラズマ検出装置付きレーザ加工機

Family Cites Families (68)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3913520A (en) * 1972-08-14 1975-10-21 Precision Thin Film Corp High vacuum deposition apparatus
USRE34806E (en) * 1980-11-25 1994-12-13 Celestech, Inc. Magnetoplasmadynamic processor, applications thereof and methods
US4630167A (en) * 1985-03-11 1986-12-16 Cybergen Systems, Inc. Static charge neutralizing system and method
US4809127A (en) * 1987-08-11 1989-02-28 Ion Systems, Inc. Self-regulating air ionizing apparatus
GB2246733A (en) 1990-08-09 1992-02-12 Cmb Foodcan Plc Apparatus and method for monitoring laser material processing
EP0782489B1 (de) * 1994-09-23 1998-03-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Verfahren zum verschweissen von werkstücken
JP2651478B2 (ja) * 1994-12-15 1997-09-10 春日電機株式会社 除電除塵方法及び除電除塵装置
US5705785A (en) * 1994-12-30 1998-01-06 Plasma-Laser Technologies Ltd Combined laser and plasma arc welding torch
US5700989A (en) * 1994-12-30 1997-12-23 Dykhno; Igor S. Combined laser and plasma arc welding torch
US6541786B1 (en) * 1997-05-12 2003-04-01 Cymer, Inc. Plasma pinch high energy with debris collector
US6388227B1 (en) * 1999-07-15 2002-05-14 Plasma Laser Technologies Ltd. Combined laser and plasma-arc processing torch and method
US6690004B2 (en) * 1999-07-21 2004-02-10 The Charles Stark Draper Laboratory, Inc. Method and apparatus for electrospray-augmented high field asymmetric ion mobility spectrometry
WO2001069731A2 (en) * 2000-03-02 2001-09-20 Hill Alan E Compact, flexible, rapid-pulsed, molecular gas laser
US7215697B2 (en) * 1999-08-27 2007-05-08 Hill Alan E Matched impedance controlled avalanche driver
RU2206186C2 (ru) * 2000-07-04 2003-06-10 Государственный научный центр Российской Федерации Троицкий институт инновационных и термоядерных исследований Способ получения коротковолнового излучения из газоразрядной плазмы и устройство для его реализации
CN1440320A (zh) * 2001-05-23 2003-09-03 三菱电机株式会社 激光加工装置
US6646853B2 (en) * 2001-09-04 2003-11-11 Illinois Tool Works Inc. Current control of a power supply for an ionizer
FR2829414B1 (fr) * 2001-09-13 2003-10-31 Air Liquide Procede de soudage hybride laser-arc avec ajustage des debits de gaz
FR2829415B1 (fr) * 2001-09-13 2003-10-31 Air Liquide Procede d'amorcage de l'arc electrique en soudage hybride laser-arc
WO2004040612A2 (en) * 2002-04-10 2004-05-13 Johns Hopkins University Combined chemical/biological agent mass spectrometer detector
US7781750B2 (en) * 2003-08-27 2010-08-24 Carl Zeiss Smt Ag Oblique mirror-type normal-incidence collector system for light sources, particularly EUV plasma discharge sources
JP2005108144A (ja) * 2003-10-02 2005-04-21 Fanuc Ltd ロボットの補正データ確認装置
DE10348217A1 (de) * 2003-10-16 2005-05-25 Brandenburgische Technische Universität Cottbus Vorrichtung und Verfahren zur Aerosolauf- oder Aerosolumladung in einen definierten Ladungszustand einer bipolaren Diffusionsaufladung mit Hilfe einer elektrischen Entladung im Aerosolraum
US6974957B2 (en) * 2004-02-18 2005-12-13 Nanomat, Inc. Ionization device for aerosol mass spectrometer and method of ionization
US7148472B2 (en) * 2004-02-28 2006-12-12 Ngx, Inc. Aerosol mass spectrometer for operation in a high-duty mode and method of mass-spectrometry
US7057130B2 (en) 2004-04-08 2006-06-06 Ion Systems, Inc. Ion generation method and apparatus
US7071466B2 (en) * 2004-04-19 2006-07-04 Ngx, Inc. Mass spectrometry system for continuous control of environment
US8502108B2 (en) * 2004-05-28 2013-08-06 Old Dominion University Research Foundation Method and device for creating a micro plasma jet
US7572998B2 (en) * 2004-05-28 2009-08-11 Mohamed Abdel-Aleam H Method and device for creating a micro plasma jet
US8471171B2 (en) * 2004-05-28 2013-06-25 Robert O. Price Cold air atmospheric pressure micro plasma jet application method and device
KR100512137B1 (ko) * 2004-08-13 2005-09-02 (주)선재하이테크 공기통을 갖춘 펄스 교류고전압 코로나방전식 막대형정전기 제거장치
US7183515B2 (en) * 2004-12-20 2007-02-27 Lockhead-Martin Corporation Systems and methods for plasma jets
WO2006099190A2 (en) * 2005-03-11 2006-09-21 Perkinelmer, Inc. Plasmas and methods of using them
US7251263B2 (en) * 2005-05-23 2007-07-31 Colorado State University Research Foundation Capillary discharge x-ray laser
US7728253B2 (en) * 2005-06-29 2010-06-01 Northeastern University Nano-particle trap using a microplasma
US20070045252A1 (en) * 2005-08-23 2007-03-01 Klaus Kleine Laser induced plasma machining with a process gas
JP4910207B2 (ja) * 2005-11-25 2012-04-04 Smc株式会社 イオンバランス調整方法及びそれを用いたワークの除電方法
US20070279829A1 (en) * 2006-04-06 2007-12-06 Mks Instruments, Inc. Control system for static neutralizer
CA2590762C (en) * 2006-06-08 2013-10-22 Microsaic Systems Limited Microengineered vacuum interface for an ionization system
JP4874771B2 (ja) * 2006-11-30 2012-02-15 株式会社キーエンス イオン化装置
JP5277496B2 (ja) * 2007-04-27 2013-08-28 ギガフォトン株式会社 極端紫外光源装置および極端紫外光源装置の光学素子汚染防止装置
US8173959B1 (en) * 2007-07-21 2012-05-08 Implant Sciences Corporation Real-time trace detection by high field and low field ion mobility and mass spectrometry
WO2009042079A2 (en) * 2007-09-21 2009-04-02 Sionex Corporation Non-radioactive ion sources with ion flow control
JP4966846B2 (ja) 2007-12-27 2012-07-04 株式会社アマダ レーザ加工用ノズルの切断性能評価方法およびその装置並びにレーザ加工用ノズルの切断性能評価装置を備えたレーザ切断加工機
JP5212787B2 (ja) * 2008-02-28 2013-06-19 Smc株式会社 イオナイザ
US7905199B2 (en) * 2008-06-24 2011-03-15 Tel Epion Inc. Method and system for directional growth using a gas cluster ion beam
EP2477780B1 (de) * 2009-09-14 2016-11-09 TRUMPF Werkzeugmaschinen GmbH + Co. KG Verfahren und vorrichtung zum bearbeiten von werkstücken mit einer lasereinrichtung und einer lichtbogeneinrichtung
JP5758153B2 (ja) * 2010-03-12 2015-08-05 エーエスエムエル ネザーランズ ビー.ブイ. 放射源装置、リソグラフィ装置、放射発生および送出方法、およびデバイス製造方法
CA2796819C (en) * 2010-05-05 2018-08-21 Perkinelmer Health Sciences, Inc. Oxidation resistant induction devices
EP2566650B1 (en) * 2010-05-05 2019-10-02 PerkinElmer Health Sciences, Inc. Inductive devices and low flow plasmas using them
FR2980992B1 (fr) * 2011-10-05 2013-11-29 Centre Nat Rech Scient Systeme de transfert d'energie electrique en energie thermique
DE102012207201B3 (de) * 2012-04-30 2013-04-11 Trumpf Werkzeugmaschinen Gmbh + Co. Kg Verfahren zum laserunterstützten Plasmaschneiden oder Plasmaschweißen und Vorrichtung dafür
EP2904881B1 (en) * 2012-07-13 2020-11-11 PerkinElmer Health Sciences, Inc. Torches with refractory and not-refractory materials coupled together
US20140227776A1 (en) * 2013-02-14 2014-08-14 Electro Scientific Industries, Inc. Laser ablation cell and torch system for a compositional analysis system
WO2014158346A1 (en) 2013-03-13 2014-10-02 Applied Materials, Inc. Laser ablation platform for solar cells
US9691598B2 (en) * 2013-08-02 2017-06-27 Shimadzu Corporation Ionizer and mass spectrometer including first section for ionizing sample under atmospheric pressure while vaporizing or desorbing the sample component and second section for generating corona discharge
US9102011B2 (en) * 2013-08-02 2015-08-11 Rofin-Sinar Technologies Inc. Method and apparatus for non-ablative, photoacoustic compression machining in transparent materials using filamentation by burst ultrafast laser pulses
US9102007B2 (en) * 2013-08-02 2015-08-11 Rofin-Sinar Technologies Inc. Method and apparatus for performing laser filamentation within transparent materials
JP5911903B2 (ja) * 2014-03-28 2016-04-27 ファナック株式会社 レーザ光の強度分布を計測するビームプロファイラ、レーザ発振器、およびレーザ加工装置
US20160114425A1 (en) * 2014-07-03 2016-04-28 Jian Liu Method for Manipulating Microstructure and Grain Size in Laser Three-Dimensional Additive Manufacturing
US9821410B2 (en) * 2014-09-16 2017-11-21 Honeywell International Inc. Turbocharger shaft and wheel assembly
US9827631B2 (en) * 2014-09-16 2017-11-28 Honeywell International Inc. Turbocharger shaft and wheel assembly
KR102358693B1 (ko) * 2015-01-06 2022-02-04 삼성전자주식회사 매엽식 웨이퍼 세정 설비
JP6348098B2 (ja) 2015-11-30 2018-06-27 ファナック株式会社 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
JP6438450B2 (ja) * 2016-11-29 2018-12-12 ファナック株式会社 レーザ加工ロボットの加工順序を学習する機械学習装置、ロボットシステムおよび機械学習方法
JP6457472B2 (ja) 2016-12-14 2019-01-23 ファナック株式会社 制御システム及び機械学習装置
TWI798201B (zh) * 2017-02-07 2023-04-11 國立大學法人九州大學 電流注入有機半導體雷射二極體及製造其之方法與程式
JP6810110B2 (ja) * 2018-08-24 2021-01-06 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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS51147097A (en) * 1975-06-13 1976-12-17 Hitachi Ltd Laser processing method
JPH03199907A (ja) * 1989-12-21 1991-08-30 Robert Bosch Gmbh 貫通孔の大きさを測定するための方法と装置
JP2001084577A (ja) * 1999-09-09 2001-03-30 Fuji Photo Film Co Ltd 磁気テープの加工方法および加工装置
JP2004122174A (ja) * 2002-10-02 2004-04-22 Sumitomo Heavy Ind Ltd レーザ加工方法及びレーザ加工装置
JP2005219093A (ja) * 2004-02-05 2005-08-18 Yamazaki Mazak Corp プラズマ検出装置、及びプラズマ検出装置付きレーザ加工機

Also Published As

Publication number Publication date
US20200061755A1 (en) 2020-02-27
DE102019005748A8 (de) 2020-04-23
DE102019005748A1 (de) 2020-02-27
CN110893518A (zh) 2020-03-20
US11318565B2 (en) 2022-05-03
JP6740299B2 (ja) 2020-08-12
CN110893518B (zh) 2022-03-04

Similar Documents

Publication Publication Date Title
US11267059B2 (en) Control device of wire electric discharge machine and machine learning device
Karaoğlu et al. Sensitivity analysis of submerged arc welding process parameters
Liu et al. Model-based predictive control of weld penetration in gas tungsten arc welding
Kolahan et al. A new approach for predicting and optimizing weld bead geometry in GMAW
JP6680748B2 (ja) 制御装置及び機械学習装置
Wang et al. Intelligent modelling of back-side weld bead geometry using weld pool surface characteristic parameters
Xia et al. Model-free adaptive iterative learning control of melt pool width in wire arc additive manufacturing
JP2019198876A (ja) 加工条件調整装置及び機械学習装置
CN110914770B (zh) 数控装置
CN106994545B (zh) 设定辅助装置以及设定辅助方法
JP2021092954A (ja) ワークモデルの修正量を学習する機械学習装置、制御装置、加工システム、及び機械学習方法
US20230141266A1 (en) Systems and Methods
CN110893515B (zh) 加工条件调整装置以及机器学习装置
Wu et al. Weld penetration in situ prediction from keyhole dynamic behavior under time-varying VPPAW pools via the OS-ELM model
JP6740299B2 (ja) 加工条件調整装置及び機械学習装置
Costa et al. Optimization of welding parameters in underwater wet FCAW on a structural steel using support vector regression and sequential quadratic programming
Banerjee et al. A new adaptive process control scheme for efficient wire arc additive manufacturing of thin-walled SS308L component
Bisterov et al. Implications of vector change in electrochemical jet processing
JPWO2020194751A1 (ja) 数値制御装置、放電加工装置および放電加工方法
Ma et al. Mixed logical dynamical model for back bead width prediction of pulsed GTAW process with misalignment
JP2007075885A (ja) レーザ曲げ加工予測装置、レーザ曲げ加工予測プログラム、レーザ曲げ加工予測方法
US20180088569A1 (en) Off-line-programming jog assist device, jog assist method, and recording medium storing jog assist program
JP6719264B2 (ja) レーザ加工装置および状態検出装置
Liu et al. Adaptive modeling of the weld pool geometry in gas tungsten arc welding
Dong et al. Backside weld bead shape modeling using support vector machine

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200114

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200416

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200617

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: 20200623

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200722

R150 Certificate of patent or registration of utility model

Ref document number: 6740299

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150