JP2021043854A - 機械学習装置、制御装置、生成方法および制御方法 - Google Patents

機械学習装置、制御装置、生成方法および制御方法 Download PDF

Info

Publication number
JP2021043854A
JP2021043854A JP2019167081A JP2019167081A JP2021043854A JP 2021043854 A JP2021043854 A JP 2021043854A JP 2019167081 A JP2019167081 A JP 2019167081A JP 2019167081 A JP2019167081 A JP 2019167081A JP 2021043854 A JP2021043854 A JP 2021043854A
Authority
JP
Japan
Prior art keywords
information
tool
machined
burr
machine
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
JP2019167081A
Other languages
English (en)
Other versions
JP7424777B2 (ja
Inventor
友磯 黒川
Yuki Kurokawa
友磯 黒川
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 JP2019167081A priority Critical patent/JP7424777B2/ja
Priority to DE102020123174.1A priority patent/DE102020123174A1/de
Priority to US17/014,680 priority patent/US11520306B2/en
Priority to CN202010946504.8A priority patent/CN112506141A/zh
Publication of JP2021043854A publication Critical patent/JP2021043854A/ja
Application granted granted Critical
Publication of JP7424777B2 publication Critical patent/JP7424777B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G05B19/182—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 the machine tool function, e.g. thread cutting, cam making, tool direction control
    • 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
    • G05B19/404—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 control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine 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
    • 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
    • G05B19/4093—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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
    • G05B19/40931—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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine concerning programming of geometry
    • G05B19/40932—Shape input
    • 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
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31264—Control, autonomous self learn knowledge, rearrange task, reallocate resources
    • 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
    • G05B2219/45—Nc applications
    • G05B2219/45151—Deburring
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Numerical Control (AREA)

Abstract

【課題】加工対象物に生じるバリを低減させ得る機械学習装置、制御装置、生成方法および制御方法を提供する。【解決手段】機械学習装置１２は、加工対象物の形状、加工対象物の材質、切削加工の加工経路、工具の種類、および、工具の摩耗度の少なくとも１つを含む第１情報を取得する第１情報取得部３４と、切削加工により加工対象物に生じたバリの評価に相関する第２情報を取得する第２情報取得部３６と、複数の第１情報および複数の第２情報を用いて学習処理を実行し、複数の第１情報とは異なる別の第１情報に応じて、加工条件を出力する学習モデルを生成する学習部３２と、を備える。【選択図】図２

Description

本発明は、機械学習装置、加工機本体を制御する制御装置、学習モデルを生成する生成方法、および、加工機本体を制御する制御方法に関する。
工具を用いて加工対象物を切削加工する場合、切削加工により加工対象物にバリが生じる傾向にある。バリとは、加工対象物の加工面から突出する突起である。
下記の特許文献１には、工作機械と、加工対象物を把持する２つのロボットとを備えた工作機械システムが開示され、２つのロボットの一方で加工対象物を把持する場合には、２つのロボットの他方で加工対象物に生じたバリを除去してもよいことが記載されている。
特開２０１８−１６１７２５号公報
加工対象物に生じたバリを除去する場合にはバリを除去するための工具が摩耗し、またバリが多いほど除去時間が長くなる傾向にある。このため、加工対象物に生じるバリを低減することが求められる。
そこで、本発明は、加工対象物に生じるバリを低減させ得る機械学習装置、制御装置、生成方法および制御方法を提供する。
本発明の第１の態様は、
工具を用いて加工対象物を切削加工する際の加工条件を推定するための学習モデルを生成する機械学習装置であって、
前記加工対象物の形状、前記加工対象物の材質、前記切削加工の加工経路、前記工具の種類、および、前記工具の摩耗度の少なくとも１つを含む第１情報を取得する第１情報取得部と、
前記切削加工により前記加工対象物に生じたバリの評価に相関する第２情報を取得する第２情報取得部と、
複数の前記第１情報および複数の前記第２情報を用いて学習処理を実行し、複数の前記第１情報とは異なる別の第１情報に応じて、前記加工条件を出力する学習モデルを生成する学習部と、
を備える。
本発明の第２の態様は、
工具を用いて加工対象物を切削加工する加工機本体を制御する制御装置であって、
上記の機械学習装置と、
前記機械学習装置で生成された前記学習モデルを用いて、前記別の第１情報に応じた前記加工条件となるように前記加工機本体を制御する制御部と、
を備える。
本発明の第３の態様は、
工具を用いて加工対象物を切削加工する際の加工条件を推定するための学習モデルを生成する生成方法であって、
前記加工対象物の形状、前記加工対象物の材質、前記切削加工の加工経路、前記工具の種類、および、前記工具の摩耗度の少なくとも１つを含む第１情報を取得する第１取得ステップと、
前記切削加工により前記加工対象物に生じたバリの評価に相関する第２情報を取得する第２取得ステップと、
複数の前記第１情報および複数の前記第２情報を用いて学習処理を実行し、複数の前記第１情報とは異なる別の第１情報に応じて、前記加工条件を出力する学習モデルを生成する学習ステップと、
を含む。
本発明の第４の態様は、
工具を用いて加工対象物を切削加工する加工機本体を制御する制御方法であって、
上記の生成方法と、
前記生成方法で生成された前記学習モデルを用いて、前記別の第１情報に応じた前記加工条件となるように前記加工機本体を制御する制御ステップと、
を含む。
本発明の上記の態様によれば、加工対象物に生じるバリを低減させることができる。
工作機械および機械学習装置を示すブロック図である。 機械学習装置の構成を示すブロック図である。 機械学習装置において行われる処理の流れを示すフローチャートである。
〔実施形態〕
図１を用いて、本実施形態の工作機械１０および機械学習装置１２を備えたシステムに関して説明する。
工作機械１０は、工具を用いて加工対象物を切削加工する加工機本体１４と、加工機本体１４を制御する制御装置１６とを有している。
加工機本体１４は、工具および加工対象物を撮像するカメラ１８と、工具が取り付けられる主軸を回転させる第１モータ２０と、加工対象物に対して主軸を相対移動させる第２モータ２２とを有する。第２モータ２２は、Ｘ軸用モータ、Ｙ軸用モータおよびＺ軸用モータを含む。なお、Ｚ軸は、加工対象物に対して工具が近づく方向または離れる方向に延びる軸であり、Ｘ軸およびＹ軸は、Ｚ軸に対して直交し、かつ、平面内で互いに直交する関係にある軸である。
制御装置１６は、加工プログラムなどが記憶される記憶部２４と、情報を入力する入力部２６と、加工機本体１４を制御する制御部２８とを有する。制御部２８は、例えば機械学習装置１２からの指定に応じて、第１モードと第２モードとのいずれかを実行する。
制御部２８は、第１モードでは、記憶部２４に記憶された加工プログラムと、機械学習装置１２から出力される加工条件とを用いて第１モータ２０および第２モータ２２を制御する。
加工条件は、工具の回転速度、工具の送り速度、および、加工対象物に対する工具の切込量を含む。すなわち、制御部２８は、工具の回転速度にしたがって主軸が回転するように第１モータ２０を制御する。また、制御部２８は、工具の送り速度にしたがって加工対象物に対して主軸が相対移動するように第２モータ２２（Ｘ軸用モータおよびＹ軸用モータの少なくとも一方）を制御する。また、制御部２８は、工具の切込量にしたがって加工対象物に対して主軸が相対移動するように第２モータ２２（Ｚ軸用モータ）を制御する。なお、機械学習装置１２から出力される加工条件以外の加工条件について、制御部２８は、予めデフォルトとして設定された設定値を用いる。
制御部２８は、第２モードでは、機械学習装置１２から出力される学習モデルを用いて、バリを低減する加工条件を推定し、推定した加工条件と、記憶部２４に記憶された加工プログラムとを用いて第１モータ２０および第２モータ２２を制御する。なお、制御部２８は、学習モデルを用いて推定した加工条件以外の加工条件について、予めデフォルトとして設定された設定値を用いる。
機械学習装置１２は、工作機械１０の状態に関する情報を教師データとして入力し、入力した教師データに基づいて教師あり機械学習を行い、学習モデルを生成する。機械学習装置１２は、学習モデルを生成すると、生成した学習モデルを制御装置１６に出力する。
図２および図３を用いて、機械学習装置１２を更に詳しく説明する。機械学習装置１２は、教師データ取得部３０および学習部３２を有している。教師データ取得部３０は、第１情報取得部３４および第２情報取得部３６を有している。
機械学習装置１２の処理は、図３に示すフローチャートに沿って実行される。ステップＳ１において、第１情報取得部３４は、加工対象物の形状、加工対象物の材質、切削加工の加工経路、工具の種類、および、工具の摩耗度を第１情報として工作機械１０から取得する。
第１情報取得部３４は、記憶部２４に記憶された加工対象物の形状および加工対象物の材質を工作機械１０に要求することで、加工対象物の形状および加工対象物の材質を取得してもよい。第１情報取得部３４は、記憶部２４に記憶された加工プログラムを工作機械１０に要求し、その要求に対する応答として工作機械１０から出力された加工プログラムを解析することで、切削加工の加工経路および工具の種類を取得してもよい。第１情報取得部３４は、工具の撮像を工作機械１０に要求し、その要求に対する応答として工作機械１０から出力された工具の画像と、予め保持された工具の模範画像とを画像解析することで、工具の摩耗度を取得してもよい。
第１情報取得部３４が第１情報を工作機械１０から取得すると、機械学習装置１２の処理は、ステップＳ２に移行する。
ステップＳ２において、学習部３２は、所定の機械学習アルゴリズムを用いて、ステップＳ１で取得した第１情報に応じた加工条件を設定する。機械学習アルゴリズムの具体例として、ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、Ｌｏｎｇ Ｓｈｏｒｔ−Ｔｅｒｍ ｍｅｍｏｒｙ、ｒｅｃｕｒｒｅｎｔ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ、または、ｍｕｔｉｌａｙｅｒ ｐｅｒｃｅｐｔｒｏｎと称するものが挙げられる。なお、機械学習アルゴリズムについては、具体例として挙げられたものに限らず、回帰の手法を取れるものであればよい。
学習部３２は、加工条件を設定すると、設定した加工条件を工作機械１０に出力することで、当該加工条件に基づく切削加工を工作機械１０に実行させる。
学習部３２が加工条件を工作機械１０に出力すると、機械学習装置１２の処理は、ステップＳ３に移行する。
ステップＳ３において、第２情報取得部３６は、切削加工により加工対象物に生じたバリの評価に相関する第２情報を工作機械１０から取得する。なお、切削加工は、ステップＳ２で工作機械１０に出力した加工条件を基に実行される切削加工である。第２情報取得部３６は、第２情報として、バリの面積、バリの根元部分の長さ、加工面からのバリの高さ、および、切削加工のサイクルタイムを取得する。なお、バリの面積、バリの根元部分の長さおよび加工面からのバリの高さは、平面視したときに加工面から突出する部分（カメラ１８で撮像された画像において加工面から突出する部分）の面積、根元部分の長さおよび高さである。
第２情報取得部３６は、切削加工されたときの加工対象物の撮像を工作機械１０に要求し、その要求に対する応答として工作機械１０から出力された加工対象物の画像を画像解析することで、バリの面積、バリの根元部分の長さ、および、加工面からのバリの高さを取得してもよい。第２情報取得部３６は、切削加工のサイクルタイムの計測を要求することで、工作機械１０で計測された切削加工のサイクルタイムを取得してもよい。工作機械１０で切削加工のサイクルタイムが設定されている場合、第２情報取得部３６は、記憶部２４に記憶された切削加工のサイクルタイムを工作機械１０に要求することで、当該切削加工のサイクルタイムを取得してもよい。
第２情報取得部３６が第２情報を工作機械１０から取得すると、機械学習装置１２の処理は、ステップＳ４に移行する。
ステップＳ４において、学習部３２は、所定の機械学習アルゴリズムを用いて、ステップＳ１で取得された第１情報とステップＳ３で取得された第２情報とから学習モデルを更新することで、当該学習モデルを生成する。例えば、Ｑラーニングと呼ばれるアルゴリズムを用いたＱ学習の場合、現在の状態（第１情報）に対する加工条件の価値を表す関数が、報酬を用いて更新される。この場合、第２情報におけるバリの面積、バリの根元部分の長さ、加工面からのバリの高さ、および、切削加工のサイクルタイムに応じた報酬が与えられる。Ｑ学習が進められることで、より高い報酬が得られる加工条件を選択する方向へ関数が更新される。なお、関数自体が学習モデルであってもよく、第１情報、加工条件および報酬と、所定の数値とを関連付けたデータベースが学習モデルであってもよい。
学習部３２が学習モデルを生成すると、機械学習装置１２の処理は、ステップＳ５に移行する。
ステップＳ５において、学習部３２は、機械学習を終了するか否かを判定する。ここで、予め決められている回数などの所定の条件が満たされていない場合、学習部３２は、機械学習を終了しないと判定する。この場合、機械学習装置１２はステップＳ１に戻る。これに対して、所定の条件が満たされた場合、学習部３２は、機械学習を終了すると判定する。この場合、機械学習装置１２の処理は終了する。
このように機械学習装置１２は、上記のステップＳ１〜ステップＳ５の処理を繰り返し実行することで、工具、加工対象物およびサイクルタイムを含む工作機械１０の状態（第１情報および第２情報）と、バリを低減可能な加工条件との相関関係を捉えた学習モデルを生成することができる。付言すると、機械学習装置１２の処理の開始時には工作機械１０の状態と、バリを低減可能な加工条件との相関関係は未知であるが、上記のステップＳ１〜ステップＳ５を繰り返し実行する頻度が高くなるに応じて、当該相関関係が識別可能となる。
したがって、工作機械１０は、機械学習装置１２により生成された学習モデルを用いて、現状の第１情報に応じた最適な加工条件を取得することができ、取得した加工条件となるように加工機本体１４を制御することで、バリを低減することができる。
〔変形例〕
機械学習装置１２は、上記の実施形態では第１情報および第２情報を工作機械１０から取得した。機械学習装置１２は、例えばシミュレーション装置などの工作機械１０以外の装置から第１情報および第２情報を取得してもよい。
また、機械学習装置１２は、上記の実施形態では１つの工作機械１０から第１情報および第２情報を取得した。機械学習装置１２は、ネットワークを介して複数の工作機械１０から第１情報および第２情報を取得してもよい。
また、機械学習装置１２は、上記の実施形態では工作機械１０の外部に設けられた。機械学習装置１２は、工作機械１０の内部に設けられていてもよい。つまり、機械学習装置１２は、加工機本体１４を制御する制御装置１６に組み込まれていてもよい。
また、機械学習装置１２は、加工対象物の形状、加工対象物の材質、切削加工の加工経路、工具の種類、および、工具の摩耗度を第１情報として取得した。機械学習装置１２は、加工対象物の形状、加工対象物の材質、切削加工の加工経路、工具の種類、および、工具の摩耗度の一部を第１情報として取得してもよい。また、機械学習装置１２は、加工対象物の形状、加工対象物の材質、切削加工の加工経路、工具の種類、および、工具の摩耗度の少なくとも１つと、加工対象物の形状、加工対象物の材質、切削加工の加工経路、工具の種類、および、工具の摩耗度以外のパラメータとを第１情報として取得してもよい。
また、機械学習装置１２は、バリの面積、バリの根元部分の長さ、加工面からのバリの高さ、および、切削加工のサイクルタイムを第２情報として取得した。機械学習装置１２は、バリの面積、バリの根元部分の長さ、加工面からのバリの高さ、および、切削加工のサイクルタイムの一部を第２情報として取得してもよい。また、機械学習装置１２は、バリの面積、バリの根元部分の長さ、加工面からのバリの高さ、および、切削加工のサイクルタイムの少なくとも１つと、バリの面積、バリの根元部分の長さ、加工面からのバリの高さ、および、切削加工のサイクルタイム以外のパラメータとを第２情報として取得してもよい。なお、バリの面積、バリの根元部分の長さ、および、加工面からのバリの高さの取得にカメラ１８が用いられたが、当該カメラ１８に代えて、または、カメラ１８に加えて、レーザ測定器が用いられてもよい。
また、機械学習装置１２は、第１情報に応じて、工具の回転速度、工具の送り速度、および、加工対象物に対する工具の切込量を加工条件として出力する学習モデルを生成した。加工条件は、工具の回転速度、工具の送り速度、および、加工対象物に対する工具の切込量の一部としてもよい。また、加工条件は、工具の回転速度、工具の送り速度、および、加工対象物に対する工具の切込量の少なくとも１つ、および、工具の回転速度、工具の送り速度、および、加工対象物に対する工具の切込量以外のパラメータとしてもよい。また、加工条件は、工具の回転速度、工具の送り速度、および、加工対象物に対する工具の切込量以外のパラメータを第２情報として取得してもよい。
〔技術的思想〕
上記の実施形態および変形例から把握しうる技術的思想として、以下に第１の発明〜第４の発明を記載する。
（第１の発明）
第１の発明は、
工具を用いて加工対象物を切削加工する際の加工条件を推定するための学習モデルを生成する機械学習装置（１２）であって、
加工対象物の形状、加工対象物の材質、切削加工の加工経路、工具の種類、および、工具の摩耗度の少なくとも１つを含む第１情報を取得する第１情報取得部（３４）と、
切削加工により加工対象物に生じたバリの評価に相関する第２情報を取得する第２情報取得部（３６）と、
複数の第１情報および複数の第２情報を用いて学習処理を実行し、複数の第１情報とは異なる別の第１情報に応じて、加工条件を出力する学習モデルを生成する学習部（３２）と、
を備える。
これにより、工具および加工対象物の状態（第１情報および第２情報）と、バリを低減し得る加工条件との相関関係を捉えた学習モデルを生成することができ、この結果、加工対象物に生じるバリを低減させることができる。
加工条件は、工具の送り速度、工具の回転速度、および、加工対象物に対する工具の切込量の少なくとも１つを含んでもよい。これにより、加工対象物に生じるバリを低減させることができる。
第２情報は、バリの面積、バリの根元部分の長さ、加工面からのバリの高さ、および、切削加工のサイクルタイムの少なくとも１つを含んでもよい。これにより、工具および加工対象物の状態（第１情報および第２情報）と、バリを低減し得る加工条件との相関関係を詳細に捉えることができる。
第２情報は、バリの面積、バリの根元部分の長さ、および、加工面からのバリの高さの少なくとも１つと、切削加工のサイクルタイムとを含んでもよい。これにより、工具および加工対象物の状態（第１情報および第２情報）と、バリを低減し得る加工条件との相関関係を詳細に捉えることができる。
（第２の発明）
第２の発明は、
工具を用いて加工対象物を切削加工する加工機本体（１４）を制御する制御装置（１６）であって、
上記の機械学習装置（１２）と、
上記の機械学習装置（１２）で生成された学習モデルを用いて、別の第１情報に応じた加工条件となるように加工機本体（１４）を制御する制御部（２８）と、
を備える。
工具および加工対象物の状態（第１情報および第２情報）と、バリを低減し得る加工条件との相関関係を捉えた学習モデルを用いて加工機本体（１４）を制御することで、加工対象物に生じるバリを低減させることができる。
（第３の発明）
第３の発明は、
工具を用いて加工対象物を切削加工する際の加工条件を推定するための学習モデルを生成する生成方法であって、
加工対象物の形状、加工対象物の材質、切削加工の加工経路、工具の種類、および、工具の摩耗度の少なくとも１つを含む第１情報を取得する第１取得ステップ（Ｓ１）と、
切削加工により加工対象物に生じたバリの評価に相関する第２情報を取得する第２取得ステップ（Ｓ３）と、
複数の第１情報および複数の第２情報を用いて学習処理を実行し、複数の第１情報とは異なる別の第１情報に応じて、加工条件を出力する学習モデルを生成する学習ステップ（Ｓ４）と、
を含む。
これにより、工具および加工対象物の状態（第１情報および第２情報）と、バリを低減し得る加工条件との相関関係を捉えた学習モデルを生成することができ、この結果、加工対象物に生じるバリを低減させることができる。
加工条件は、工具の送り速度、工具の回転速度、および、加工対象物に対する工具の切込量の少なくとも１つを含んでもよい。これにより、加工対象物に生じるバリを低減させることができる。
第２情報は、バリの面積、バリの根元部分の長さ、加工面からのバリの高さ、および、切削加工のサイクルタイムの少なくとも１つを含んでもよい。これにより、工具および加工対象物の状態（第１情報および第２情報）と、バリを低減し得る加工条件との相関関係を詳細に捉えることができる。
第２情報は、バリの面積、バリの根元部分の長さ、および、加工面からのバリの高さの少なくとも１つと、切削加工のサイクルタイムとを含んでもよい。これにより、工具および加工対象物の状態（第１情報および第２情報）と、バリを低減し得る加工条件との相関関係を詳細に捉えることができる。
（第４の発明）
第４の発明は、
工具を用いて加工対象物を切削加工する加工機本体（１４）を制御する制御方法であって、
上記の生成方法と、
上記の生成方法で生成された学習モデルを用いて、別の第１情報に応じた加工条件となるように加工機本体（１４）を制御する制御ステップと、
を含む。
工具および加工対象物の状態（第１情報および第２情報）と、バリを低減し得る加工条件との相関関係を捉えた学習モデルを用いて加工機本体（１４）を制御することで、加工対象物に生じるバリを低減させることができる。
１０…工作機械 １２…機械学習装置
１４…加工機本体 １６…制御装置
１８…カメラ ２０…第１モータ
２２…第２モータ ２４…記憶部
２６…入力部 ２８…制御部
３０…教師データ取得部 ３２…学習部
３４…第１情報取得部 ３６…第２情報取得部

Claims (10)

  1. 工具を用いて加工対象物を切削加工する際の加工条件を推定するための学習モデルを生成する機械学習装置であって、
    前記加工対象物の形状、前記加工対象物の材質、前記切削加工の加工経路、前記工具の種類、および、前記工具の摩耗度の少なくとも１つを含む第１情報を取得する第１情報取得部と、
    前記切削加工により前記加工対象物に生じたバリの評価に相関する第２情報を取得する第２情報取得部と、
    複数の前記第１情報および複数の前記第２情報を用いて学習処理を実行し、複数の前記第１情報とは異なる別の第１情報に応じて、前記加工条件を出力する学習モデルを生成する学習部と、
    を備える、機械学習装置。
  2. 請求項１に記載の機械学習装置であって、
    前記加工条件は、前記工具の送り速度、前記工具の回転速度、および、前記加工対象物に対する前記工具の切込量の少なくとも１つを含む、機械学習装置。
  3. 請求項１または２に記載の機械学習装置であって、
    前記第２情報は、前記バリの面積、前記バリの根元部分の長さ、加工面からの前記バリの高さ、および、前記切削加工のサイクルタイムの少なくとも１つを含む、機械学習装置。
  4. 請求項３に記載の機械学習装置であって、
    前記第２情報は、前記バリの面積、前記バリの根元部分の長さ、および、加工面からの前記バリの高さの少なくとも１つと、前記切削加工のサイクルタイムとを含む、機械学習装置。
  5. 工具を用いて加工対象物を切削加工する加工機本体を制御する制御装置であって、
    請求項１〜４のいずれか１項に記載の機械学習装置と、
    前記機械学習装置で生成された前記学習モデルを用いて、前記別の第１情報に応じた前記加工条件となるように前記加工機本体を制御する制御部と、
    を備える、制御装置。
  6. 工具を用いて加工対象物を切削加工する際の加工条件を推定するための学習モデルを生成する生成方法であって、
    前記加工対象物の形状、前記加工対象物の材質、前記切削加工の加工経路、前記工具の種類、および、前記工具の摩耗度の少なくとも１つを含む第１情報を取得する第１取得ステップと、
    前記切削加工により前記加工対象物に生じたバリの評価に相関する第２情報を取得する第２取得ステップと、
    複数の前記第１情報および複数の前記第２情報を用いて学習処理を実行し、複数の前記第１情報とは異なる別の第１情報に応じて、前記加工条件を出力する学習モデルを生成する学習ステップと、
    を含む、生成方法。
  7. 請求項６に記載の生成方法であって、
    前記加工条件は、前記工具の送り速度、前記工具の回転速度、および、前記加工対象物に対する前記工具の切込量の少なくとも１つを含む、生成方法。
  8. 請求項６または７に記載の生成方法であって、
    前記第２情報は、前記バリの面積、前記バリの根元部分の長さ、加工面からの前記バリの高さ、および、前記切削加工のサイクルタイムの少なくとも１つを含む、生成方法。
  9. 請求項８に記載の生成方法であって、
    前記第２情報は、前記バリの面積、前記バリの根元部分の長さ、および、加工面からの前記バリの高さの少なくとも１つと、前記切削加工のサイクルタイムとを含む、生成方法。
  10. 工具を用いて加工対象物を切削加工する加工機本体を制御する制御方法であって、
    請求項６〜９のいずれか１項に記載の生成方法と、
    前記生成方法で生成された前記学習モデルを用いて、前記別の第１情報に応じた前記加工条件となるように前記加工機本体を制御する制御ステップと、
    を含む、制御方法。
JP2019167081A 2019-09-13 2019-09-13 機械学習装置、制御装置、生成方法および制御方法 Active JP7424777B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2019167081A JP7424777B2 (ja) 2019-09-13 2019-09-13 機械学習装置、制御装置、生成方法および制御方法
DE102020123174.1A DE102020123174A1 (de) 2019-09-13 2020-09-04 Vorrichtung für maschinelles lernen, steuerung, generierungsverfahren und steuerverfahren
US17/014,680 US11520306B2 (en) 2019-09-13 2020-09-08 Machine learning apparatus, controller, generation method, and control method
CN202010946504.8A CN112506141A (zh) 2019-09-13 2020-09-10 机器学习装置、控制装置、生成方法及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019167081A JP7424777B2 (ja) 2019-09-13 2019-09-13 機械学習装置、制御装置、生成方法および制御方法

Publications (2)

Publication Number Publication Date
JP2021043854A true JP2021043854A (ja) 2021-03-18
JP7424777B2 JP7424777B2 (ja) 2024-01-30

Family

ID=74686386

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019167081A Active JP7424777B2 (ja) 2019-09-13 2019-09-13 機械学習装置、制御装置、生成方法および制御方法

Country Status (4)

Country Link
US (1) US11520306B2 (ja)
JP (1) JP7424777B2 (ja)
CN (1) CN112506141A (ja)
DE (1) DE102020123174A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7101131B2 (ja) * 2019-01-31 2022-07-14 ファナック株式会社 数値制御システム
JP7368159B2 (ja) * 2019-09-27 2023-10-24 ファナック株式会社 機械学習装置、機械学習方法及び産業機械
CN113065630B (zh) * 2021-03-23 2023-04-07 重庆大学 用于砂带磨削加工的工艺参数优化方法
JP2022190226A (ja) * 2021-06-14 2022-12-26 トヨタ自動車株式会社 圧力容器のひずみ解析装置および圧力容器の製造方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0531659A (ja) * 1991-07-26 1993-02-09 Hitachi Ltd バリ取り方法及びその装置
JP2000107910A (ja) * 1998-09-30 2000-04-18 Kyocera Corp 切削インサート
JP2000153428A (ja) * 1993-01-18 2000-06-06 Canon Inc Ｎｃデ―タ作成装置、及び方法
JP2010149271A (ja) * 2008-11-26 2010-07-08 Hitachi Ltd 角部加工工具
WO2013042740A1 (ja) * 2011-09-21 2013-03-28 三菱重工業株式会社 穴明け加工装置及び穴明け加工方法
JP2017030067A (ja) * 2015-07-30 2017-02-09 ファナック株式会社 加工時間測定機能とオンマシン測定機能を有する制御装置付き加工装置
JP2017045300A (ja) * 2015-08-27 2017-03-02 ファナック株式会社 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
JP2019082894A (ja) * 2017-10-31 2019-05-30 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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9886029B2 (en) * 2013-12-02 2018-02-06 Daihen Corporation Workpiece processing apparatus and workpiece transfer system
JP6557198B2 (ja) * 2016-09-06 2019-08-07 ファナック株式会社 数値制御装置
JP6470336B2 (ja) 2017-03-27 2019-02-13 ファナック株式会社 工作機械システムおよび移動方法
US20190080446A1 (en) * 2017-09-11 2019-03-14 All Axis Robotics, LLC System and method for automated defect detection
US20200166909A1 (en) * 2018-11-20 2020-05-28 Relativity Space, Inc. Real-time adaptive control of manufacturing processes using machine learning

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0531659A (ja) * 1991-07-26 1993-02-09 Hitachi Ltd バリ取り方法及びその装置
JP2000153428A (ja) * 1993-01-18 2000-06-06 Canon Inc Ｎｃデ―タ作成装置、及び方法
JP2000107910A (ja) * 1998-09-30 2000-04-18 Kyocera Corp 切削インサート
JP2010149271A (ja) * 2008-11-26 2010-07-08 Hitachi Ltd 角部加工工具
WO2013042740A1 (ja) * 2011-09-21 2013-03-28 三菱重工業株式会社 穴明け加工装置及び穴明け加工方法
JP2017030067A (ja) * 2015-07-30 2017-02-09 ファナック株式会社 加工時間測定機能とオンマシン測定機能を有する制御装置付き加工装置
JP2017045300A (ja) * 2015-08-27 2017-03-02 ファナック株式会社 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
JP2019082894A (ja) * 2017-10-31 2019-05-30 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

Also Published As

Publication number Publication date
DE102020123174A1 (de) 2021-03-18
JP7424777B2 (ja) 2024-01-30
CN112506141A (zh) 2021-03-16
US20210080922A1 (en) 2021-03-18
US11520306B2 (en) 2022-12-06

Similar Documents

Publication Publication Date Title
JP2021043854A (ja) 機械学習装置、制御装置、生成方法および制御方法
CN106681276B (zh) 机床
EP3213161B1 (en) Method for optimizing the productivity of a machining process of a cnc machine
JP6445070B2 (ja) 工作機械の制御システム
CN111687652B (zh) 握持力调整装置以及握持力调整系统
JP6557285B2 (ja) 制御装置及び機械学習装置
JP2016150428A (ja) 工作機械
JP2019185125A (ja) 制御装置及び機械学習装置
JP2019188558A (ja) 工具選定装置及び機械学習装置
JP6038331B2 (ja) 工具経路生成方法および工具経路生成装置
JP6584697B1 (ja) 機械学習装置、数値制御加工プログラム生成装置および機械学習方法
JP4044958B2 (ja) 自動プログラミング装置
JP4300322B2 (ja) 加工情報生成による加工システム及び加工情報生成プログラム
US20230103408A1 (en) Turning method for workpiece, machine tool, and non-transitory computer-readable storage medium storing machining program
Jayaweera et al. Robotic edge profiling of complex components
JP6254965B2 (ja) スカイビング加工における工具補正機能を有する数値制御装置
JP2020199611A (ja) 工作機械および工作機械の制御方法
WO2020008891A1 (ja) 数値制御装置
JP4343072B2 (ja) Ｎｃ加工シミュレーション装置
JP2022066720A (ja) 工作機械システム及び被加工物サイズ推定方法
JP2005138162A (ja) プレス金型形状面の加工方法
JP7229621B1 (ja) システム及びプログラム
WO2021193663A1 (ja) 切削装置及び学習済みモデル生成方法
JP2010173033A (ja) 工作機械における変位補正式の生成装置および工作機械における変位補正式の生成方法
CN115243640A (zh) 用于生成加工的过程参数的牙科加工系统

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220616

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230531

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230613

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230802

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20231024

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20231122

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: 20231219

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240118

R150 Certificate of patent or registration of utility model

Ref document number: 7424777

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150