JP2020069569A - 切削管理システム、及び情報処理装置 - Google Patents

Abstract

【課題】切削工具を効率的に最適化することができる。【解決手段】切削管理システムは、付加条件を変更して付加された形状因子と、自工具を識別する工具識別情報を示す個体識別子とを有する切削工具を使用して切削加工を行った際の使用条件を含む切削情報と、個体識別子を読み取ることで取得された工具識別情報とを対応付けて記憶する切削情報記憶部と、切削加工後の切削工具の計時変化を示す計時変化情報と、工具識別情報とを対応付けて記憶する変化情報記憶部と、工具識別情報に対応する形状因子の状態と、切削情報記憶部が記憶する切削情報と、変化情報記憶部が記憶する計時変化情報とに基づいて、最適な形状因子の状態を推定する機械学習を実行する学習処理部と、学習結果に基づいて、使用条件に応じた最適な形状因子の状態を推定する推定処理部とを備える。【選択図】図１

Description

本発明は、切削管理システム、及び情報処理装置に関する。

近年、切削工具に、例えば、すくい面に微小な凹凸によるパターン構造（以下、テクスチャという）などの形状因子の加工を加えることで、切削加工の性能を向上する技術が知られている（例えば、特許文献１を参照）。例えば、特許文献１に記載の技術では、切削工具に切屑の排出される方向に対して垂直方向に伸びる滑らかな周期的溝状のテクスチャを形成することで、切削抵抗を低下し、工具寿命を向上させている。また、非特許文献１に記載の技術では、切削工具に切屑の排出方向に対して平行な方向に伸びる周期的なＶ溝状のテクスチャを形成することで、チタン合金を切削する際の刃先温度を下げる効果を得ている。また、非特許文献２に記載の技術では、鋼材の切削において、切削工具のすくい面上に一定の間隔で円形の窪みを設けることで、刃先の摩耗量を低減する効果を得ている。

特許第５２２４３３１号公報

J.Xie, et al.,"Experimental study on cutting temperature and cutting force in dry turning of titanium alloy using a non-coated micro-grooved tool", International Journal of Machine Tools and Manufacture, Volume 73, 2013， Pages 25-36 Tatsuya Sugihara, et al.,"Performance of cutting tools with dimple textured surfaces: A comparative study of different texture patterns", Precision Engineering, Volume 49, 2017, Pages 52-60

上述した従来技術に記載されているように、最適なテクスチャの形態は、被削材の種類や切削条件、あるいは切削工具の形状や材質などの要因により変化する。
しかしながら、上述したようなテクスチャを効率的に最適化する手段は従来技術には無く、技術者が実験を繰り返すことにより、より効果の高いテクスチャを選定してゆくしかなかった。この方法では多くの時間と手間を要するため、無数に存在するテクスチャの中から最適なものを選定することは非常に困難であった。そこで、テクスチャなどの形状因子について効率的に最適化を図る技術が求められている。

本発明は、上記問題を解決すべくなされたもので、その目的は、切削工具を効率的に最適化することができる切削管理システム、及び情報処理装置を提供することにある。

上記問題を解決するために、本発明の一態様は、付加条件を変更して付加された形状因子と、自工具を識別する工具識別情報を示す個体識別子とを有する切削工具を使用して切削加工を行った際の使用条件を含む切削情報と、前記個体識別子を読み取ることで取得された前記工具識別情報とを対応付けて記憶する切削情報記憶部と、切削加工後の前記切削工具の計時変化を示す計時変化情報と、前記個体識別子を読み取ることで取得された前記工具識別情報とを対応付けて記憶する変化情報記憶部と、前記工具識別情報に対応する前記形状因子の状態と、前記切削情報記憶部が記憶する前記切削情報と、前記変化情報記憶部が記憶する前記計時変化情報とに基づいて、最適な前記形状因子の状態を推定する機械学習を実行する学習処理部と、前記学習処理部が学習した学習結果に基づいて、前記使用条件に応じた最適な前記形状因子の状態を推定する推定処理部とを備えることを特徴とする切削管理システムである。

また、本発明の一態様は、上記の切削管理システムにおいて、前記形状因子は、切れ刃のすくい面又は逃げ面に付加されたパターン構造であるテクスチャ、刃先の曲率半径、前記すくい面又は逃げ面の面粗さ、及び基材へのコーティングの膜厚のいずれかであり、前記推定処理部は、前記使用条件に応じた前記テクスチャ、前記刃先の曲率半径、前記すくい面又は逃げ面の面粗さ、及び前記コーティングの膜厚のいずれかの最適な状態を推定することを特徴とする。

また、本発明の一態様は、上記の切削管理システムにおいて、前記学習処理部は、前記計時変化情報を所定の規定に基づいて、前記切削工具の性能評価を指標値に変換し、変換した前記指標値と、前記形状因子の状態と、前記切削情報とに基づいて、前記機械学習を実行することを特徴とする。

また、本発明の一態様は、上記の切削管理システムにおいて、前記付加条件が変更された前記形状因子を付加した前記切削工具を、ランダムに選択して、利用者に送付させる管理処理部を備えることを特徴とする。

また、本発明の一態様は、付加条件を変更して付加された形状因子と、自工具を識別する工具識別情報を示す個体識別子とを有する切削工具を使用して切削加工を行った際の使用条件を含む切削情報と、前記個体識別子を読み取ることで取得された前記工具識別情報とを対応付けて記憶する切削情報記憶部と、切削加工後の前記切削工具の計時変化を示す計時変化情報と、前記個体識別子を読み取ることで取得された前記工具識別情報とを対応付けて記憶する変化情報記憶部と、を備える切削管理システムが備える情報処理装置であって、前記工具識別情報に対応する前記形状因子の状態と、前記切削情報記憶部が記憶する前記切削情報と、前記変化情報記憶部が記憶する前記計時変化情報とに基づいて、最適な前記形状因子の状態を推定する機械学習を実行する学習処理部と、前記学習処理部が学習した学習結果に基づいて、前記使用条件に応じた最適な前記形状因子の状態を推定する推定処理部とを備えることを特徴とする情報処理装置である。

本発明によれば、切削工具を効率的に最適化することができる。

本実施形態における切削インサートの一例を示す外観図である。 本実施形態におけるテクスチャの一例を示す図である。 本実施形態による切削管理システムの一例を示す機能ブロック図である。 本実施形態における工具情報記憶部のデータ例を示す図である。 本実施形態における切削情報記憶部のデータ例を示す図である。 本実施形態における評価情報記憶部のデータ例を示す図である。 本実施形態におけるＡＩコントローラの動作の一例を示すフローチャートである。 本実施形態における切削管理装置の学習処理の一例を示すフローチャートである。 本実施形態における切削管理装置の推定処理の一例を示すフローチャートである。

以下、本発明の一実施形態による切削管理システム、切削工具、及び情報処理装置について、図面を参照して説明する。

図１は、本実施形態における切削インサート１０の一例を示す外観図である。
図１に示すように、切削インサート１０は、主軸回りに回転させられる金属材料等の被削材（ワーク）に対して、旋削加工（切削加工）を施す切削工具の一例であり、四角形の各コーナに切れ刃を備えている。また、切削インサート１０は、自工具を識別する工具ＩＤ（工具識別情報）を示す２次元コードＣＤ１と、識別マーク（ＣＭ１、ＣＭ２、ＣＭ３）とを備える。

２次元コードＣＤ１（個体識別子の一例）は、切削インサート１０の主面に、取付孔の周辺に円形に配置され、例えば、切削インサート１０を識別する工具ＩＤをコード化した２次元パターンである。
また、切削インサート１０は、９０°毎の回転対称な形状を有しており、識別マーク（ＣＭ１、ＣＭ２、ＣＭ３）は、切れ刃のある各コーナを識別するためのマークである。

例えば、識別マークＣＭ１は、黒丸が１つのパターンであるマークであり、第１のコーナ（第１の切れ刃）を示している。また、識別マークＣＭ２は、黒丸が２つのパターンであるマークであり、第２のコーナ（第２の切れ刃）を示している。また、識別マークＣＭ３は、黒丸が３つのパターンであるマークであり、第３のコーナ（第３の切れ刃）を示している。また、識別マークのないコーナは、第４のコーナ（第４の切れ刃）を示している。

また、切削インサート１０は、通常は製品仕様に含まれない追加要素（オプション要素）である形状因子を有している。本実施形態では、切削インサート１０が、形状因子の一例として、切れ刃のすくい面又は逃げ面に付加された微小な凹凸によるパターン構造であるテクスチャＴＸを備える場合について説明する。
なお、本発明の対象となる形状因子は、切削工具の製造工程において、工具個体ごとに容易に変更可能なものであることが好ましい。例えば、テクスチャは、レーザ加工プログラムを変えることで、工具個体ごとに容易に変更可能である。また、このように工具個体ごとに容易に変更可能な形状因子は、通常は製品仕様に含まれない追加要素である。また、本発明の対象外とする形状因子は、例えば、工具の外径やチップブレーカーなど、マクロな形状因子であり製品仕様に含まれるものである。

テクスチャＴＸは、例えば、図２に示すように、様々なパターン（複数のパターン）があり、複数のパターンのうちから１つが選択されて、切削インサート１０に付加されている。このように、本実施形態では、切削インサート１０は、同一の製品でありながら、個体によって異なるパターンのテクスチャＴＸが付加条件の変更として付加されて、利用者に出荷される。
なお、２次元コードＣＤ１、識別マーク（ＣＭ１、ＣＭ２、ＣＭ３）、及びテクスチャＴＸは、例えば、レーザなどにより、切削インサート１０の主面に付加される。

図２は、本実施形態におけるテクスチャＴＸの一例を示す図である。
図２（ａ）~（ｄ）は、テクスチャＴＸのパターン例を示している。図２（ａ）は、水玉模様のパターンのテクスチャＴＸの一例を示し、図２（ｂ）は、四角模様のパターンのテクスチャＴＸの一例を示している。また、図２（ｃ）は、横縞パターンのテクスチャＴＸの一例を示し、図２（ｄ）は、波線パターンのテクスチャＴＸの一例を示している。
なお、テクスチャＴＸは、パターンの種類を変更する他に、同一のパターンであっても、パターンを形成する溝の幅や深さ、パターンの配置、等を変更したものを付加条件の変更としてもよい。すなわち、付加条件には、テクスチャＴＸのパターン形状、パターンの大きさ、配置、パターンを形成する溝の幅及び深さ、などが含まれる。
なお、本実施形態における切削インサート１０は、例えば、一つ一つが異なるテクスチャＴＸが付加される。

次に、図３を参照して、上述した切削インサート１０を使用して切削管理システム１の構成について説明する。
図３は、本実施形態による切削管理システム１の一例を示す機能ブロック図である。
図３に示すように、切削管理システム１は、切削装置２０と、コード読取部（２４、５３）と、ＡＩコントローラ３０と、データサーバ装置４０と、評価装置５０と、切削管理装置１００とを備える。ＡＩコントローラ３０と、データサーバ装置４０と、評価装置５０と、切削管理装置１００とは、ネットワークＮＷ１を介して接続されている。

切削装置２０は、切削加工を行う装置であり、例えば、マシニングセンタやＮＣ（Numeral Control）旋盤などである。切削装置２０は、上述した切削インサート１０と、工具支持部２１と、センサ部２２と、装置制御部２３とを備える。

切削インサート１０は、ワークＷ（加工対象）を切削加工する工具であり、上述した図１に示すように、２次元コードＣＤ１、識別マーク（ＣＭ１、ＣＭ２、ＣＭ３）、及びテクスチャＴＸが付加されている。ここで、２次元コードＣＤ１は、例えば、切削インサート１０の型名及びテクスチャＴＸが識別可能な工具ＩＤを示している。切削インサート１０は、工具支持部２１に支持されて、後述する装置制御部２３の制御に基づいて、ワークＷに押し当てられて、切削加工に使用される。２次元コードＣＤ１が示す工具ＩＤは、後述するコード読取部（２４、５３）によって読み取られる。

工具支持部２１は、切削インサート１０を先端に固定して支持する。
センサ部２２（検出部の一例）は、例えば、切削抵抗、切削温度、びびり（切削の際の振動）などの各種切削状況又は切削負荷を示す切削情報を検出する。センサ部２２は、例えば、工具支持部２１に配置されているものとする。センサ部２２は、検出した切削情報をＡＩコントローラ３０に出力する。なお、センサ部２２は、例えば、切削装置２０の主軸モータ、あるいは、ワークＷ又は工具支持部２１を並進移動するモータの電流値を検出する場合に、切削装置２０の制御回路の所定の端子から電流値を直接検出する電流計などでもよい。これらの電流値は、上述した切削負荷に相当する。また、切削装置２０の主軸電流値は、例えば、後述する装置制御部２３の制御情報に基づいて、検出されてもよい。

装置制御部２３は、ＡＩコントローラ３０からの指令に基づいて、切削インサート１０によるワークＷに対する切削加工を制御する。装置制御部２３は、例えば、ワークＷを回転させるとともに、工具支持部２１の位置を制御することで、切削インサート１０によりワークＷを切削する。

コード読取部２４は、例えば、イメージセンサなどを含み、２次元コードＣＤ１が示す工具ＩＤを読み取る。コード読取部２４は、例えば、イメージセンサなどにより検出した２次元コードＣＤ１の画像情報をパターン認識により工具ＩＤに変換する。また、コード読取部２４は、識別マーク（ＣＭ１、ＣＭ２、ＣＭ３）をパターン認識することで、切削に使用する切れ刃のコーナを判定する。

ＡＩコントローラ３０（切削制御部の一例）は、例えば、ＡＩ搭載マシンオートメーションコントローラであり、学習機能を備えたコントローラである。ＡＩコントローラ３０は、装置制御部２３に各種指令を出力し、ワークＷの切削加工を制御する。また、ＡＩコントローラ３０は、センサ部２２によって切削装置２０による切削加工の際に検出された各種切削情報などを取得するとともに、コード読取部２４から工具ＩＤを取得する。なお、切削情報には、センサ部２２によって検出された情報の他に、各種時刻情報や切削時間を示す情報などが含まれてもよい。切削情報には、例えば、切削抵抗や切削温度などの切削加工の状態を示す第１情報と、例えば、切削時間や切削距離などの切削加工に応じて増加する第２情報とが含まれる。また、第１情報は、例えば、切削インサート１０に負荷をかける情報である。

ＡＩコントローラ３０は、取得した切削情報と、工具ＩＤとを対応付けて、後述するデータサーバ装置４０が備える切削情報記憶部４２に記憶させる。すなわち、ＡＩコントローラ３０は、切削情報と、工具ＩＤとを対応付けて、ネットワークＮＷ１を介して、データサーバ装置４０に送信し、切削情報記憶部４２に記憶させる。このように、ＡＩコントローラ３０は、センサ部２２が検出した切削情報と、コード読取部２４が読み取った２次元コードＣＤ１に基づく工具ＩＤとを取得し、取得した切削情報と、工具情報とを対応付けて切削情報記憶部４２に記憶させる。

なお、切削情報には、切削装置２０が検出した情報の他に、ワークＷの材質、面粗さ、ワークＷの加工品質（例えば、面粗さ、バリの有無、色（変色の有無）、加工精度など）が含まれてもよい。また、切削情報には、使用中又は使用済みの切削工具の刃先の損傷の種類や摩耗量、被削材の溶着量などを含めてもよい。使用中又は使用済みの切削工具の刃先の情報は、例えば、マイクロスコープで刃先を観察することで得ることができる。また、これらの情報は、利用者の手入力（マニュアル入力）により切削装置２０又はＡＩコントローラ３０が取得するようにしてもよい。

また、ＡＩコントローラ３０は、工具ＩＤとともに、上述した切削装置２０を識別する装置ＩＤ（装置識別情報）や、切削インサート１０を使用している利用者を識別する利用者ＩＤ（利用者識別情報）、ワークＷの材質などのワーク情報（加工対象情報）、等を含めて、切削情報記憶部４２に記憶させるようにしてもよい。ここで、ＡＩコントローラ３０は、装置ＩＤ及び利用者ＩＤを、例えば、利用者の手入力（マニュアル入力）により取得するものとする。

データサーバ装置４０は、ネットワークＮＷ１に接続されているサーバ装置であり、ネットワークＮＷ１を介して、ＡＩコントローラ３０、評価装置５０、及び切削管理装置１００と接続可能である。データサーバ装置４０は、工具情報記憶部４１と、切削情報記憶部４２と、評価情報記憶部４３とを備える。

工具情報記憶部４１は、切削管理システム１において利用可能な切削工具（切削インサート１０）に関する情報（切削管理システム１に登録されている切削工具に関する情報）を記憶する。ここで、図４を参照して、工具情報記憶部４１のデータ例について説明する。

図４は、本実施形態における工具情報記憶部４１のデータ例を示す図である。
図４に示すように、工具情報記憶部４１は、「工具ＩＤ」と、「工具型番」と、「ロット番号」と、「テクスチャ情報」とを対応付けて記憶する。ここで、「工具ＩＤ」は、例えば、図１に示す２次元コードＣＤ１を読み込むことで得られる工具ＩＤであり、切削インサート１０を識別する工具識別情報の一例である。また、「工具型番」は、例えば、切削インサート１０の製品型番などの切削工具の製品識別情報であり、「ロット番号」は、製造ロットを示す情報である。また、「テクスチャ情報」は、テクスチャＴＸを識別するテクスチャＴＸの「コード」と、「パターン種類」とを含んでいる。

例えば、図４に示す例では、「工具ＩＤ」が“ＩＮＳ００００００１”に対応する切削インサート１０の「工具型番」が“ＭＭＭＸＸＸＸ１”であり、「ロット番号」が“１８０６ＸＸＸ１”であることを示している。また、この切削インサート１０に付加されたテクスチャＴＸの「コード」が“Ｔ０００１”であり、「パターン種類」が“水玉”であることを示している。

図３の説明に戻り、切削情報記憶部４２は、様々な利用者が切削インサート１０を使用して切削加工を行った履歴情報を記憶し、少なくとも工具ＩＤと切削情報とを対応付けて記憶する。ここで、図５を参照して、切削情報記憶部４２のデータ例について説明する。
図５は、本実施形態における切削情報記憶部４２のデータ例を示す図である。
図５に示すように、切削情報記憶部４２は、「利用者ＩＤ」と、「工具ＩＤ」と、「コーナＮＯ．」と、「ワーク材質」と、「開始日時」と、「終了日時」と、「検出時刻」と、「切削抵抗」と、「切削温度」とを対応付けて記憶する。

ここで、「利用者ＩＤ」は、切削インサート１０を使用している利用者を識別する利用者識別情報を示し、「コーナＮＯ．」は、切削インサート１０が有する複数のコーナのうち、切削に使用した切れ刃のあるコーナを示している。また、「ワーク材質」は、切削加工を行ったワークＷの材質を示している。

また、「開始日時」及び「終了日時」は、例えば、切削インサート１０を切削装置２０に装着した日付及び時刻及び脱着した日付及び時刻を示し、切削インサート１０による切削加工の開始日時と終了日時を示している。また、「検出時刻」は、切削情報を検出した時刻を示し、例えば、切削時間に対応する。また、「切削抵抗」及び「切削温度」は、例えば、センサ部２２によって検出かれた切削加工の際に検出された切削抵抗及び切削温度である。なお、「検出時刻」、「切削抵抗」及び「切削温度」は、例えば、切削情報に含まれる。また、「切削抵抗」及び「切削温度」は、例えば、切削加工の状態を示す第１情報に含まれ、「検出時刻」は、例えば、切削加工に応じて増加する第２情報に含まれる。

例えば、図５に示す例では、「利用者ＩＤ」が“Ｕ００００１”の利用者が、「工具ＩＤ」が“ＩＮＳ００００００１”である切削インサート１０の「コーナＮＯ．」が“１”の切れ刃を使用して、「開始日時」の“２０１８／０６／０１／１０：００：００”から「終了日時」の“２０１８／０６／０１／１０：０５：００”まで切削加工を行ったことを示している。また、「検出時刻」が“１０：００：００”（１０時００分００秒）において「切削抵抗」が“ＸＸＸ”であり、「切削温度」が“ＸＸ℃”であることを示している。
また、図５に示すこの例では、１秒ごとに、切削情報を検出した場合の一例を示している。

再び図３の説明に戻り、評価情報記憶部４３（変化情報記憶部の一例）は、切削加工後の切削インサート１０の計時変化を示す評価情報（計時変化情報）と、２次元コードＣＤ１を読み取ることで取得された工具ＩＤとを対応付けて記憶する。ここで、図６を参照して、評価情報記憶部４３のデータ例について説明する。

図６は、本実施形態における評価情報記憶部４３のデータ例を示す図である。
図６に示すように、評価情報記憶部４３は、「工具ＩＤ」と、「コーナＮＯ．」と、「摩耗量」と、「欠損の有無」と、「溶着量」とを対応付けて記憶する。ここで、「摩耗量」、「欠損の有無」、及び「溶着量」は、評価情報（計時変化情報）の一例である。
例えば、図６に示す例では、「工具ＩＤ」が“ＩＮＳ００００００１”の切削インサート１０の「コーナＮＯ．」が“１”の切れ刃は、「摩耗量」が“ＸＸＸ”で、「欠損の有無」が“有”であることを示している。また、「溶着量」が“ＸＸＸ”であることを示している。

再び、図３の説明に戻り、データサーバ装置４０は、ＡＩコントローラ３０からネットワークＮＷ１を介して送信された少なくとも切削情報と工具ＩＤとを対応付けて、切削情報記憶部４２に記憶させる。データサーバ装置４０は、後述する評価装置５０からネットワークＮＷ１を介して送信された評価情報と工具ＩＤとを対応付けて、評価情報記憶部４３に記憶させる。また、データサーバ装置４０は、切削情報記憶部４２が記憶する切削情報と、評価情報記憶部４３が記憶する評価情報と、工具ＩＤとをネットワークＮＷ１を介して、切削管理装置１００に送信する。

評価装置５０は、利用者の切削装置２０により切削加工が行われて回収された切削インサート１０の評価情報と、工具ＩＤとを取得して、工具ＩＤと評価情報とを対応付けて、データサーバ装置４０の評価情報記憶部４３に記憶させる。評価装置５０は、撮像部５１と、評価処理部５２とを備え、コード読取部５３が接続されている。

コード読取部５３は、上述したコード読取部２４と同様の構成であり、例えば、イメージセンサなどにより検出した２次元コードＣＤ１の画像情報をパターン認識により工具ＩＤに変換する。また、コード読取部５３は、識別マーク（ＣＭ１、ＣＭ２、ＣＭ３）をパターン認識することで、切削に使用する切れ刃のコーナを判定する。

撮像部５１は、例えば、デジタルカメラなどの撮像装置であり、切削インサート１０の計時変化を確認するための画像を撮像する。撮像部５１は、例えば、各コーナの切れ刃の画像を撮像して、画像情報を評価処理部５２に出力する。

評価処理部５２は、撮像部５１が撮像した各コーナの切れ刃の画像情報を、既存の画像認識技術を利用して、例えば、切れ刃の摩耗状態を示す摩耗量、切れ刃の欠損の有無、及び、切れ刃の溶着の度合いを示す溶着量などの評価情報（計時変化情報）を判定する。評価処理部５２は、判定した評価情報（計時変化情報）と、コード読取部５３から取得した工具ＩＤとを対応付けて、ネットワークＮＷ１を介して、データサーバ装置４０に送信する。すなわち、評価処理部５２は、例えば、図６に示すように、評価情報（計時変化情報）と、工具ＩＤとを対応付けてデータサーバ装置４０の評価情報記憶部４３に記憶させる。

なお、評価処理部５２は、撮像部５１が撮像した各コーナの切れ刃の画像情報を人手によって判定した評価情報を取得するようにしてもよい。また、評価装置５０は、例えば、スクラップとして回収した多数の使用済みの切削インサート１０を選別するロボットアームを備え、ロボットアームにより、切削インサート１０の切れ刃が撮像部５１の焦点位置へ来るよう動かし、適切な画角で撮影した切れ刃の損傷状態を、機械学習済の評価処理部５２にて、定性的又は定量的に評価する自動処理機構を備えてもよい。

切削管理装置１００（情報処理装置の一例）は、例えば、ネットワークＮＷ１に接続されたサーバ装置であり、切削インサート１０による切削加工に関する各種管理処理を実行する。切削管理装置１００は、例えば、記憶部１１と、制御部１２とを備える。

記憶部１１は、切削管理装置１００が利用する各種情報を記憶する。記憶部１１は、利用者情報記憶部１１１と、学習情報記憶部１１２と、学習結果記憶部１１３と、最適化情報記憶部１１４とを備える。

利用者情報記憶部１１１は、切削管理システム１を利用する利用者に関する情報を記憶する。利用者情報記憶部１１１は、例えば、利用者ＩＤと、利用者名とを対応付けて記憶する。ここで、利用者名は、利用者ＩＤに対応する利用者名であり、例えば、企業名、団体名、組織名などである。なお、利用者情報記憶部１１１は、利用者ＩＤ及び利用者名の他に、利用者の住所、電話番号、メールアドレス、等を記憶するようにしてもよい。

学習情報記憶部１１２は、データサーバ装置４０の切削情報記憶部４２及び評価情報記憶部４３が記憶する情報に基づいて、テクスチャＴＸの最適化を行う機械学習を行うための学習用データを記憶する。学習情報記憶部１１２が記憶する学習用データには、切削情報記憶部４２及び評価情報記憶部４３から取得した各種情報の他に、例えば、上述した切削情報の第１情報及び第２情報に基づいて生成された切削インサート１０の使用量などが含まれる。

学習結果記憶部１１３は、上述した学習情報記憶部１１２が記憶する学習用データに基づく機械学習結果を記憶する。学習結果記憶部１１３は、例えば、後述する最適なテクスチャＴＸを推定するための機械学習結果を記憶する。
最適化情報記憶部１１４は、学習結果記憶部１１３が記憶する学習結果に基づいて、推定された最適なテクスチャＴＸの情報を記憶する。なお、切削インサート１０の最適なテクスチャＴＸを推定する推定処理の詳細については後述する。

制御部１２は、例えば、ＣＰＵ（Central Processing Unit）などを含むプロセッサであり、切削管理装置１００を統括的に制御する。制御部１２は、例えば、切削インサート１０による切削加工に関する各種処理（所定の処理）を実行する。ここで、各種管理処理には、テクスチャＴＸの最適化の学習処理、最適なテクスチャＴＸの推定処理などが含まれる。また、制御部１２は、管理処理部１２１と、学習処理部１２２と、推定処理部１２３とを備える。

管理処理部１２１は、付加条件（例えば、パターン種類）が変更されたテクスチャＴＸを付加した切削インサート１０を、ランダム（無作為）に選択して、利用者に送付させて、利用者に切削インサート１０を使用させる。

学習処理部１２２は、工具ＩＤに対応するテクスチャＴＸの状態と、切削情報記憶部４２が記憶する切削情報と、評価情報記憶部４３が記憶する評価情報とに基づいて、最適なテクスチャＴＸの状態を推定する機械学習を実行する。学習処理部１２２は、データサーバ装置４０の切削情報記憶部４２が記憶する工具ＩＤ、コーナＮＯ．、及び切削情報と、データサーバ装置４０の評価情報記憶部４３が記憶する工具ＩＤ、コーナＮＯ．、及び評価情報とを取得し、工具ＩＤ及びコーナＮＯにより、切削情報と、評価情報とを対応付ける。

また、学習処理部１２２は、データサーバ装置４０の工具情報記憶部４１から工具ＩＤに対応するテクスチャ情報を取得する。ここで、例えば、テクスチャ情報は、テクスチャＴＸの状態として利用する。学習処理部１２２は、例えば、工具ＩＤに対応するテクスチャＴＸのコード、切削情報、及び評価情報を対応付けて、学習用データとして、学習情報記憶部１１２に記憶させる。学習処理部１２２は、学習情報記憶部１１２に蓄積された学習用データに基づいて、最適なテクスチャＴＸの状態を推定する機械学習を実行する。

なお、学習処理部１２２は、例えば、切削情報及び評価情報に基づいて、特徴量を抽出し、当該特徴量を利用して機械学習を実行してもよいし、例えば、深層学習（ディープラーニング：Deep Learning）を用いて、特徴量の抽出を含めた機械学習を実行してもよい。
学習処理部１２２は、機械学習を実行した学習結果を、学習結果記憶部１１３に記憶させる。

また、学習処理部１２２は、評価情報を所定の規定に基づいて、切削インサート１０の性能評価を指標値に変換し、変換した指標値と、テクスチャＴＸの状態と、切削情報とに基づいて、機械学習を実行するようにしてもよい。所定の規定は、例えば、切れ刃の欠損がある場合に“０”ポイントとし、切れ刃の欠損がない場合に“１０”ポイントとしたり、摩耗量及び溶着量をランク分けして、ランクに応じてポイントを付与する、などである。学習処理部１２２は、このような所定の規定により、評価情報の各情報を性能評価を指標値に変換する。また、学習処理部１２２は、評価情報の各情報を性能評価を指標値の合計値を算出して、当該合計値を機械学習に利用してもよい。

推定処理部１２３は、学習処理部１２２が学習した学習結果に基づいて、使用条件に応じた最適なテクスチャＴＸの状態を推定する。推定処理部１２３は、例えば、学習結果記憶部１１３が記憶する学習結果に基づいて、使用条件に応じた最適なテクスチャＴＸを推定する。ここで、使用条件は、例えば、ワークＷの材質や、切削情報のうちの各種使用条件などである。推定処理部１２３は、推定した最適なテクスチャＴＸの状態を示す情報を、最適なテクスチャＴＸの情報として、最適化情報記憶部１１４に記憶させる。

なお、本実施形態では、形状因子の一例としてテクスチャＴＸを最適化する例を説明しているが、形状因子は、切刃先の曲率半径、すくい面又は逃げ面の面粗さ、及び基材へのコーティングの膜厚などでもよい。例えば、推定処理部１２３は、使用条件に応じたテクスチャＴＸ、刃先の曲率半径、すくい面又は逃げ面の面粗さ、及び基材へのコーティングの膜厚のいずれかの最適な状態を推定するようにしてもよい。

次に、図面を参照して本実施形態による切削管理システム１の動作について説明する。
図７は、本実施形態におけるＡＩコントローラ３０の動作の一例を示すフローチャートである。ここでは、ＡＩコントローラ３０による切削情報の収集処理について説明する。

＜切削情報の収集処理＞
図７に示すように、ＡＩコントローラ３０は、まず、工具ＩＤ及びコーナＮＯ．を取得する（ステップＳ１０１）。ＡＩコントローラ３０は、切削インサート１０を切削装置２０に取り付ける又は交換する際に、コード読取部２４に切削インサート１０に印刷されている２次元コードＣＤ１を読み取らせて、２次元コードＣＤ１の示す工具ＩＤを、コード読取部２４から取得する。また、ＡＩコントローラ３０は、コード読取部２４が識別マーク（ＣＭ１、ＣＭ２、ＣＭ３）に基づく切削に使用するコーナＮＯ．を取得する。なお、ＡＩコントローラ３０は、切削インサート１０を切削装置２０に取り付ける又は切削インサート１０を交換する際に、切削加工の開始日時の情報を、例えば、内部の時計機能などから取得する。

次に、ＡＩコントローラ３０は、ワークＷの情報を取得する（ステップＳ１０２）。ＡＩコントローラ３０は、例えば、ワークＷの材質、表面の粗さなどの情報を、利用者の手入力（マニュアル入力）により取得する。なお、切削情報には、切削抵抗及び切削時間以外のワークＷの材質、表面の粗さなどの情報も含まれる。

次に、ＡＩコントローラ３０は、切削加工の開始指令を切削装置２０に送信する（ステップＳ１０３）。これにより、切削装置２０は、開始指令に基づいて、切削インサート１０による、予め学習された切削加工を実行する。

次に、ＡＩコントローラ３０は、切削情報を取得する（ステップＳ１０４）。ＡＩコントローラ３０は、センサ部２２から切削抵抗などの切削情報を取得するとともに、内部の時計機能などから切削時刻を切削時間として取得する。なお、切削情報には、切削抵抗及び切削時間以外の情報も含まれ、ＡＩコントローラ３０は、切削情報に含まれる各種情報を取得する。

次に、ＡＩコントローラ３０は、切削加工が終了であるか否かを判定する（ステップＳ１０５）。ＡＩコントローラ３０は、切削加工が終了である場合（ステップＳ１０５：ＹＥＳ）に、処理をステップＳ１０６に進める。また、ＡＩコントローラ３０は、切削加工が終了でない場合（ステップＳ１０５：ＮＯ）に、処理をステップＳ１０４に戻し、切削情報の取得を繰り返す。

また、ステップＳ１０６において、ＡＩコントローラ３０は、利用者ＩＤ及び工具ＩＤと、各種切削情報とを対応付けてデータサーバ装置４０に送信する。すなわち、ＡＩコントローラ３０は、上述したステップＳ１０４などで収集した切削情報と、利用者ＩＤと、工具ＩＤ及びコーナＮＯ．とを対応付けて、図５に示すように、データサーバ装置４０の切削情報記憶部４２に記憶させる。なお、ＡＩコントローラ３０は、切削加工を終了する際に、切削加工の終了日時の情報を、例えば、内部の時計機能などから取得し、切削情報に含めて、データサーバ装置４０に送信する。ステップＳ１０６の処理後に、ＡＩコントローラ３０は、処理を終了する。

このように、ＡＩコントローラ３０は、少なくとも工具ＩＤと、切削情報とを収集して、ネットワークＮＷ１を介して、データサーバ装置４０の切削情報記憶部４２に記憶させる。

＜テクスチャＴＸの最適化の学習処理＞
次に、図８を参照して、本実施形態におけるテクスチャＴＸの最適化の学習処理について説明する。
図８は、本実施形態における切削管理装置１００の学習処理の一例を示すフローチャートである。

図８に示すように、切削管理装置１００の学習処理部１２２は、データサーバ装置４０から工具情報と切削情報と評価情報とを取得する（ステップＳ２０１）。学習処理部１２２は、データサーバ装置４０の切削情報記憶部４２が記憶する工具ＩＤ、コーナＮＯ．、及び切削情報と、データサーバ装置４０の評価情報記憶部４３が記憶する工具ＩＤ、コーナＮＯ．、及び評価情報とを取得する。また、学習処理部１２２は、データサーバ装置４０の工具情報記憶部４１から工具ＩＤに対応するテクスチャ情報を取得する。

次に、学習処理部１２２は、取得情報に基づいて、学習用データを生成する（ステップＳ２０２）。学習処理部１２２は、工具ＩＤ及びコーナＮＯにより、切削情報と、評価情報とを対応付ける。学習処理部１２２は、例えば、工具ＩＤに対応するテクスチャＴＸのコード、切削情報、及び評価情報を対応づけて、学習用データとして、学習情報記憶部１１２に記憶させる。また、学習処理部１２２は、切削情報又は評価情報から生成した情報（例えば、上述した積分値や性能評価を指標値など）を学習用データに含めてもよい。

次に、学習処理部１２２は、学習用データに基づいて、最適なテクスチャＴＸを推定する機械学習を実行する（ステップＳ２０３）。すなわち、学習処理部１２２は、学習情報記憶部１１２に蓄積された学習用データに基づいて、最適なテクスチャＴＸを推定する機械学習を実行する。

次に、学習処理部１２２は、学習結果を学習結果記憶部１１３に記憶させる（ステップＳ２０４）。学習処理部１２２は、最適なテクスチャＴＸを推定する機械学習の学習結果を、学習結果記憶部１１３に記憶させる。ステップＳ２０４の処理後に、学習処理部１２２は、テクスチャＴＸの最適化の学習処理を終了する。

＜最適なテクスチャＴＸの推定処理＞
次に、図９を参照して、本実施形態におけるテクスチャＴＸの最適化の学習処理について説明する。
図９は、本実施形態における切削管理装置１００の推定処理の一例を示すフローチャートである。

図９に示すように、切削管理装置１００の推定処理部１２３は、使用条件を取得する（ステップＳ３０１）。推定処理部１２３は、例えば、切削管理装置１００の管理者などから切削インサート１０の使用条件を取得する。

次に、推定処理部１２３は、学習結果に基づいて、使用条件に応じた最適なテクスチャＴＸを推定する（ステップＳ３０２）。推定処理部１２３は、管理者などから取得した切削インサート１０の使用条件と、学習結果記憶部１１３が記憶する最適なテクスチャＴＸを推定する機械学習の学習結果とに基づいて、最適なテクスチャＴＸを推定する。推定処理部１２３は、推定した最適なテクスチャＴＸを示す情報を、最適なテクスチャＴＸの情報として、最適化情報記憶部１１４に記憶させる。

次に、推定処理部１２３は、推定した最適なテクスチャＴＸの情報を出力する（ステップＳ３０３）。推定処理部１２３は、最適化情報記憶部１１４が記憶する最適なテクスチャＴＸの情報を読み出し、切削管理装置１００の外部に出力する。例えば、推定処理部１２３は、切削管理装置１００の表示部（不図示）に最適なテクスチャＴＸの情報を表示さえる。ステップＳ３０３の処理後に、推定処理部１２３は、最適なテクスチャＴＸの推定処理を終了する。

以上説明したように、本実施形態による切削管理システム１は、切削情報記憶部４２と、評価情報記憶部４３（変化情報記憶部）と、学習処理部１２２と、推定処理部１２３とを備える。切削情報記憶部４２は、通常は製品仕様に含まれない追加要素である形状因子（例えば、テクスチャＴＸ）であって、付加条件を変更して付加された形状因子（例えば、テクスチャＴＸ）と、自工具を識別する工具ＩＤ（工具識別情報）を示す２次元コードＣＤ１（個体識別子）とを有する切削工具（例えば、切削インサート１０）を使用して切削加工を行った際の使用条件を含む切削情報と、２次元コードＣＤ１を読み取ることで取得された工具ＩＤとを対応付けて記憶する。評価情報記憶部４３は、切削加工後の切削インサート１０の計時変化を示す計時変化情報（評価情報）と、２次元コードＣＤ１を読み取ることで取得された工具ＩＤとを対応付けて記憶する。学習処理部１２２は、工具ＩＤに対応する形状因子（テクスチャＴＸ）の状態と、切削情報記憶部４２が記憶する切削情報と、評価情報記憶部４３が記憶する計時変化情報とに基づいて、最適な形状因子（例えば、テクスチャＴＸ）の状態を推定する機械学習を実行する。推定処理部１２３は。学習処理部１２２が学習した学習結果に基づいて、使用条件に応じた最適な形状因子（例えば、テクスチャＴＸ）の状態を推定する。

これにより、本実施形態による切削管理システム１は、例えば、切削インサート１０の使用条件に応じて、最適な形状因子（例えば、テクスチャＴＸ）の状態を推定することができるため、切削インサート１０に最適な形状因子（例えば、テクスチャＴＸ）を付加することで、切削工具を効率的に最適化することができる。よって、本実施形態による切削管理システム１は、切削加工を効率的に最適化することができる。また、本実施形態による切削管理システム１は、最適な形状因子（例えば、テクスチャＴＸ）の状態を推定することで、利用者への適切な切削インサート１０の提案や、より適切な切削インサート１０の開発が可能になる。本実施形態による切削管理システム１では、例えば、使用条件に応じて、最適なテクスチャＴＸを採用することで、切削加工の際の温度を低減させることが可能であるとともに、切削インサート１０の寿命を延ばすことができる。

なお、本実施形態において、最適化とは、例えば、切削インサート１０の耐摩耗性や耐欠損性の向上、切削温度の低下や被削材の溶着量の減少、加工面の面粗さの低下や光沢の向上など、一般的に切削工具に要求される性能を向上させることである。本実施形態による切削管理システム１では、使用条件に応じて、これらの性能のうちのいずれか又は複数の組み合わせを向上させることができる。また、最適化には、利用者のニーズに合わせて、これらの性能のバランスをチューニングすることなどのより目的に適った方向へと調整することを含めてもよい。

また、本実施形態では、形状因子は、切れ刃のすくい面又は逃げ面に付加されたパターン構造であるテクスチャＴＸ、刃先の曲率半径、すくい面又は逃げ面の面粗さ、及び基材へのコーティングの膜厚のいずれかであり、推定処理部１２３は、使用条件に応じたテクスチャＴＸ、刃先の曲率半径、すくい面又は逃げ面の面粗さ、及び基材へのコーティングの膜厚のいずれかの最適な状態を推定する。
これにより、本実施形態による切削管理システム１は、テクスチャＴＸの他に、刃先の曲率半径、及びすくい面又は逃げ面の面粗さの最適化が可能になり、使用条件に応じて、切削工具（例えば、テクスチャＴＸ）を使用した切削工具をさらに最適化することができる。

また、本実施形態では、学習処理部１２２は、計時変化情報（評価情報）を所定の規定に基づいて、切削インサート１０の性能評価を指標値に変換し、変換した指標値と、形状因子（例えば、テクスチャＴＸ）の状態と、切削情報とに基づいて、機械学習を実行する。
これにより、本実施形態による切削管理システム１は、計時変化情報（評価情報）を数値化して、最適な形状因子（例えば、テクスチャＴＸ）の推定のための学習を適切に実行することができる。

また、本実施形態による切削管理システム１は、付加条件が変更された形状因子（例えば、テクスチャＴＸ）を付加した切削インサート１０を、ランダムに選択して、利用者に送付させる管理処理部１２１を備える。
これにより、本実施形態による切削管理システム１では、ランダムに選択された形状因子（例えば、テクスチャＴＸ）の異なる切削インサート１０が、利用者に送付され使用されるため、より広い範囲の均等なサンプル数の機械学習のための学習用データを収集することができる。よって、本実施形態による切削管理システム１は、より精度のよい機械学習を行うことができる。

また、本実施形態による切削インサート１０（切削工具）は、通常は製品仕様に含まれない追加要素である形状因子（例えば、テクスチャＴＸ）であって、付加条件を変更して付加された形状因子と、自工具を識別する工具ＩＤを示す２次元コードＣＤ１とを備える。また、形状因子は、例えば、切れ刃のすくい面又は逃げ面に付加されたパターン構造であるテクスチャＴＸ、刃先の曲率半径、すくい面又は逃げ面の面粗さ、及び基材へのコーティングの膜厚のいずれかである。
これにより、本実施形態では、同一の製品に、付加条件を変更して付加された様々な形状因子を備える切削インサート１０を利用者に提供することで、機械学習のための学習用データを容易に収集することができる。そのため、本実施形態による切削インサート１０は、切削加工をより効率的に最適化することができる。

また、本実施形態による切削管理装置１００（情報処理装置）は、上述した切削情報記憶部４２と、評価情報記憶部４３とを備える切削管理システム１が備える情報処理装置であって、学習処理部１２２と、推定処理部１２３とを備える。学習処理部１２２は、工具ＩＤに対応する形状因子（テクスチャＴＸ）の状態と、切削情報記憶部４２が記憶する切削情報と、評価情報記憶部４３が記憶する計時変化情報（評価情報）とに基づいて、最適な形状因子（例えば、テクスチャＴＸ）の状態を推定する機械学習を実行する。推定処理部１２３は、学習処理部１２２が学習した学習結果に基づいて、使用条件に応じた最適な形状因子（例えば、テクスチャＴＸ）の状態を推定する。
これにより、本実施形態による切削管理装置１００は、上述した切削管理システム１と同様の効果を奏し、切削工具を効率的に最適化することができる。

なお、本発明は、上記の実施形態に限定されるものではなく、本発明の趣旨を逸脱しない範囲で変更可能である。
例えば、上記の実施形態において、形状因子の一例として、テクスチャＴＸを変更して切削インサート１０に付加する例を説明したが、これに限定されるものではなく、例えば、刃先の曲率半径、すくい面又は逃げ面の面粗さ、及び基材へのコーティングの膜厚などの他の形状因子であってもよい。なお、刃先の曲率半径、及びすくい面又は逃げ面の面粗さは、例えば、プラスト処理時間を変更することで、付加条件を変更可能であるが、コーティングの膜厚は、例えば、ＣＶＤ（Chemical Vapor Deposition）の成膜炉内部の位置に応じて、膜厚が変化する。この場合、付加条件は、形成された後に膜厚に応じて水準分けして使用する。このように、形状因子には、意図的に調整可能（変更可能）でないものが含まれてもよい。

また、上記の実施形態において、切削工具の一例として、切削インサート１０を用いる例を説明したが、ドリルなどの他の切削工具に適用してもよい。
また、２次元コードＣＤ１は、上記の実施形態に限定されるものではなく、例えば、直線のバーコードやＱＲコード（登録商標）などの他のコード化手段を適用してもよい。また、２次元コードＣＤ１には、切削インサート１０の工具型番や当該切削インサート１０が製造されたロット番号などが含まれていてもよい。また、２次元コードＣＤ１の代わりに、切削インサート１０に個体識別情報を含むＩＣチップを埋め込むなどの方法を用いてもよい。

また、上記の実施形態において、切削制御部の一例として、ＡＩコントローラ３０が、工具ＩＤと切削情報とを対応付けて、切削情報記憶部４２に記憶させる例を説明したが、これに限定されるものではない。例えば、切削装置２０の装置制御部２３が、切削制御部として、工具ＩＤと切削情報とを対応付けて、切削情報記憶部４２に記憶させるようにしてもよい。また、この場合、装置制御部２３が、コード読取部２４から工具ＩＤを取得するようにしてもよい。

また、上記の実施形態において、ＡＩコントローラ３０とコード読取部２４とは、それぞれ、例えば、スマートフォンやタブレットなどの情報端末装置と、その内蔵カメラとしてもよい。また、同様に、評価装置５０とコード読取部５３とは、それぞれ、例えば、スマートフォンやタブレットなどの情報端末装置と、その内蔵カメラとしてもよい。
また、上記の実施形態において、切削管理システム１は、評価装置５０を備える例を説明したが、これに限定されるものではなく、評価装置５０は、切削管理装置１００に含まれる構成であってもよい。

また、上記の実施形態において、切削管理システム１は、１台の切削装置２０と、１台のＡＩコントローラ３０とを備える例を説明したが、これに限定されるものではなく、複数台の切削装置２０と、複数台のＡＩコントローラ３０とを備えるようにしてもよい。
また、上記の実施形態において、データサーバ装置４０、評価装置５０、及び切削管理装置１００は、それぞれ１台の装置として構成する例を説明したが、これに限定されるものではなく、データサーバ装置４０、評価装置５０、及び切削管理装置１００は、複数の装置で構成されるようにしてもよい。

また、切削管理装置１００が備える記憶部１１の一部又は全部を、例えば、データサーバ装置４０などの他の装置が備えるようにしてもよい。また、切削管理装置１００が備える制御部１２の一部を、例えば、データサーバ装置４０などの他の装置が備えるようにしてもよい。

また、上記の実施形態において、第２情報に対する第１情報の積分値は、切削時間に対する切削抵抗の積分値を適用する一例を説明したが、これに限定されるものではなく、例えば、切削距離に対する切削抵抗の積分値、切削時間に対する切削温度の積分値など、他の組合せを適用するようにしてもよい。また、例えば、切削抵抗と切削温度とを独自に組み合わせた計算式などを用いてもよい。

また、切削インサート１０の性能評価を指標値は、上記の実施形態に限定されるものではなく、例えば、摩耗量の逆数、切削抵抗の逆数などを用いてもよい。また、指標値の合計を算出する際に、各項目に重み付けを行うようにしてもよい。
また、上記の実施形態において、管理処理部１２１は、付加条件が変更された形状因子をランダムに選択して、利用者に送付させる例を説明したが、例えば、広範囲に付加条件を変更した複数の切削インサート１０の初期セット（試行セット）を利用者に送付して使用させた後に、初期セットの評価結果に基づいて、付加条件の変更範囲を絞り込むようにしてもよい。このようにすることで、切削管理システム１は、さらに効率よく学習用データを収集することができる。また、管理処理部１２１は、付加条件が変更された形状因子をランダムに選択して、利用者に送付した後に、その結果をフィードバックして、徐々に絞り込んで、付加条件が変更された形状因子を選択するようにしてもよい。

なお、上述した切削管理システム１が備える各構成は、内部に、コンピュータシステムを有している。そして、上述した切削管理システム１が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより上述した切削管理システム１が備える各構成における処理を行ってもよい。ここで、「記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行する」とは、コンピュータシステムにプログラムをインストールすることを含む。ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。

また、「コンピュータシステム」は、インターネットやＷＡＮ、ＬＡＮ、専用回線等の通信回線を含むネットワークを介して接続された複数のコンピュータ装置を含んでもよい。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。このように、プログラムを記憶した記録媒体は、ＣＤ−ＲＯＭ等の非一過性の記録媒体であってもよい。

また、記録媒体には、当該プログラムを配信するために配信サーバからアクセス可能な内部又は外部に設けられた記録媒体も含まれる。なお、プログラムを複数に分割し、それぞれ異なるタイミングでダウンロードした後に切削管理システム１が備える各構成で合体される構成や、分割されたプログラムのそれぞれを配信する配信サーバが異なっていてもよい。さらに「コンピュータ読み取り可能な記録媒体」とは、ネットワークを介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（ＲＡＭ）のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、上述した機能の一部を実現するためのものであってもよい。さらに、上述した機能をコンピュータシステムに既に記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であってもよい。

また、上述した機能の一部又は全部を、ＬＳＩ（Large Scale Integration）等の集積回路として実現してもよい。上述した各機能は個別にプロセッサ化してもよいし、一部、又は全部を集積してプロセッサ化してもよい。また、集積回路化の手法はＬＳＩに限らず専用回路、又は汎用プロセッサで実現してもよい。また、半導体技術の進歩によりＬＳＩに代替する集積回路化の技術が出現した場合、当該技術による集積回路を用いてもよい。

１ 切削管理システム
１０ 切削インサート
１１ 記憶部
１２ 制御部
２０ 切削装置
２１ 工具支持部
２２ センサ部
２３ 装置制御部
２４、５３ コード読取部
３０ ＡＩコントローラ
４０ データサーバ装置
４１ 工具情報記憶部
４２ 切削情報記憶部
４３ 評価情報記憶部
５０ 評価装置
５１ 撮像部
５２ 評価処理部
１００ 切削管理装置
１１１ 利用者情報記憶部
１１２ 学習情報記憶部
１１３ 学習結果記憶部
１１４ 最適化情報記憶部
１２１ 管理処理部
１２２ 学習処理部
１２３ 推定処理部
ＣＤ１ ２次元コード
ＣＭ１、ＣＭ２、ＣＭ３ 識別マーク
ＮＷ１ ネットワーク
ＴＸ テクスチャ
Ｗ ワーク

Claims (5)

1. 付加条件を変更して付加された形状因子と、自工具を識別する工具識別情報を示す個体識別子とを有する切削工具を使用して切削加工を行った際の使用条件を含む切削情報と、前記個体識別子を読み取ることで取得された前記工具識別情報とを対応付けて記憶する切削情報記憶部と、
   切削加工後の前記切削工具の計時変化を示す計時変化情報と、前記個体識別子を読み取ることで取得された前記工具識別情報とを対応付けて記憶する変化情報記憶部と、
   前記工具識別情報に対応する前記形状因子の状態と、前記切削情報記憶部が記憶する前記切削情報と、前記変化情報記憶部が記憶する前記計時変化情報とに基づいて、最適な前記形状因子の状態を推定する機械学習を実行する学習処理部と、
   前記学習処理部が学習した学習結果に基づいて、前記使用条件に応じた最適な前記形状因子の状態を推定する推定処理部と
   を備えることを特徴とする切削管理システム。
2. 前記形状因子は、切れ刃のすくい面又は逃げ面に付加されたパターン構造であるテクスチャ、刃先の曲率半径、前記すくい面又は逃げ面の面粗さ、及び基材へのコーティングの膜厚のいずれかであり、
   前記推定処理部は、前記使用条件に応じた前記テクスチャ、前記刃先の曲率半径、前記すくい面又は逃げ面の面粗さ、及び前記コーティングの膜厚のいずれかの最適な状態を推定する
   ことを特徴とする請求項１に記載の切削管理システム。
3. 前記学習処理部は、前記計時変化情報を所定の規定に基づいて、前記切削工具の性能評価を指標値に変換し、変換した前記指標値と、前記形状因子の状態と、前記切削情報とに基づいて、前記機械学習を実行する
   ことを特徴とする請求項１又は請求項２に記載の切削管理システム。
4. 前記付加条件が変更された前記形状因子を付加した前記切削工具を、ランダムに選択して、利用者に送付させる管理処理部を備える
   ことを特徴とする請求項１から請求項３のいずれか一項に記載の切削管理システム。
5. 付加条件を変更して付加された形状因子と、自工具を識別する工具識別情報を示す個体識別子とを有する切削工具を使用して切削加工を行った際の使用条件を含む切削情報と、前記個体識別子を読み取ることで取得された前記工具識別情報とを対応付けて記憶する切削情報記憶部と、切削加工後の前記切削工具の計時変化を示す計時変化情報と、前記個体識別子を読み取ることで取得された前記工具識別情報とを対応付けて記憶する変化情報記憶部と、を備える切削管理システムが備える情報処理装置であって、
   前記工具識別情報に対応する前記形状因子の状態と、前記切削情報記憶部が記憶する前記切削情報と、前記変化情報記憶部が記憶する前記計時変化情報とに基づいて、最適な前記形状因子の状態を推定する機械学習を実行する学習処理部と、
   前記学習処理部が学習した学習結果に基づいて、前記使用条件に応じた最適な前記形状因子の状態を推定する推定処理部と
   を備えることを特徴とする情報処理装置。

Images