JP2020121338A5 - - Google Patents

Description

上述した課題を解決し、目的を達成するために、本発明にかかる加工条件解析装置は、レーザ切断加工によって切断された切断面を撮影した画像に基づく切断面情報を用いて、複数の加工不良モードのそれぞれに対応する加工品質を示す評価値を生成し、複数の加工不良モードのそれぞれに対応する複数の評価値である組み合わせパターンを出力する評価部を備える。また、加工条件解析装置は、組み合わせパターンに基づいて、レーザ切断加工の加工条件を示す加工パラメータの補正量を算出する補正量算出部、を備え、評価部は、評価値として、あらかじめ定められた複数の段階的な値のうちのいずれか１つを出力する。

Claims (13)

1. レーザ切断加工によって切断された切断面を撮影した画像に基づく切断面情報を用いて、複数の加工不良モードのそれぞれに対応する加工品質を示す評価値を生成し、前記複数の加工不良モードのそれぞれに対応する複数の前記評価値である組み合わせパターンを出力する評価部と、
   前記組み合わせパターンに基づいて、前記レーザ切断加工の加工条件を示す加工パラメータの補正量を算出する補正量算出部と、
   を備え、
   前記評価部は、前記評価値として、あらかじめ定められた複数の段階的な値のうちのいずれか１つを出力することを特徴とする加工条件解析装置。
2. 前記切断面情報は、前記画像であることを特徴とする請求項１に記載の加工条件解析装置。
3. 前記切断面情報は、前記画像から抽出された特徴量であることを特徴とする請求項１に記載の加工条件解析装置。
4. 前記切断面情報と前記組み合わせパターンとの関係を学習する学習部を備えることを特徴とする請求項１から３のいずれか１つに記載の加工条件解析装置。
5. 前記学習部により学習が行われた学習済モデルを用いて前記切断面情報に基づいて前記組み合わせパターンを算出する推論部を備えることを特徴とする請求項４に記載の加工条件解析装置。
6. 前記切断面情報と前記加工パラメータの補正量との関係を学習する学習部を備えることを特徴とする請求項１から３のいずれか１つに記載の加工条件解析装置。
7. 前記学習部により学習が行われた学習済モデルを用いて前記切断面情報に基づいて前記加工パラメータの補正量を算出する推論部を備えることを特徴とする請求項６に記載の加工条件解析装置。
8. 前記加工パラメータの補正量と前記組み合わせパターンとの組を１組以上記憶する加工条件記憶部、
   を備え、
   前記補正量算出部は、前記加工条件記憶部に記憶されている、前記加工パラメータの補正量と前記組み合わせパターンとの組に基づいて前記加工パラメータの補正量を決定することを特徴とする請求項１から７のいずれか１つに記載の加工条件解析装置。
9. 前記補正量算出部は、生産性、前記組み合わせパターン、加工安定性を含む複数の改善項目の優先度に基づいて前記加工パラメータの補正量を決定することを特徴とする請求項１から８のいずれか１つに記載の加工条件解析装置。
10. 前記評価部により算出された前記評価値のうち不良であることを示すものがある場合、該評価値に対応する前記加工不良モードの判定の根拠となる前記画像における部分を表示する表示部、
    を備えることを特徴とする請求項１から９のいずれか１つに記載の加工条件解析装置。
11. 請求項１から１０のいずれか１つに記載の加工条件解析装置、
    を備え、
    前記加工条件解析装置により算出された、加工パラメータの補正量に基づいてレーザ切断加工を行うことを特徴とするレーザ加工装置。
12. 請求項１から１０のいずれか１つに記載の加工条件解析装置と、
    前記加工条件解析装置により算出された、加工パラメータの補正量に基づいてレーザ切断加工を行うレーザ加工装置と、
    を備えることを特徴とするレーザ加工システム。
13. 加工条件解析装置が、
    レーザ切断加工によって切断された切断面を撮影した画像に基づく切断面情報を用いて、複数の加工不良モードのそれぞれに対応する加工不良の度合いを示す評価値を生成し、前記複数の加工不良モードのそれぞれに対応する複数の前記評価値である組み合わせパターンを出力し、前記評価値はあらかじめ定められた複数の段階的な値のうちのいずれか１つである評価ステップと、
    前記組み合わせパターンに基づいて、前記レーザ切断加工の加工条件を示す加工パラメータの補正量を算出する補正量算出ステップと、
    を含むことを特徴とする加工条件解析方法。