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

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。

Images