JP2023132196A

JP2023132196A - 情報処理装置、情報処理方法及び情報処理プログラム

Info

Publication number: JP2023132196A
Application number: JP2022037380A
Authority: JP
Inventors: 京久内海; Chikahisa Uchiumi
Original assignee: Fujifilm Corp
Current assignee: Fujifilm Corp
Priority date: 2022-03-10
Filing date: 2022-03-10
Publication date: 2023-09-22
Also published as: CN116736794A; EP4242755A1

Abstract

【課題】良好な品質の被加工物を得ることができる情報処理装置、情報処理方法及び情報処理プログラムを得る。
【解決手段】情報処理装置１０は、少なくとも１つのプロセッサを備え、プロセッサは、設定された加工条件に応じて加工される被加工物の品質に相関する要素に関する動的な状態変数であって、第１時点における状態変数と、第１時点における加工条件と、を取得し、第１時点における状態変数及び加工条件に基づいて、第１時点よりも後の第２時点における状態変数を予測し、予測した第２時点における状態変数に基づいて、被加工物の予め定められた目標品質を達成するために要する第２時点における加工条件を導出する。
【選択図】図５

Description

本開示は、情報処理装置、情報処理方法及び情報処理プログラムに関する。

従来、被加工物の加工条件を最適化することによって、被加工物の品質を向上させる技術が知られている。例えば、特許文献１には、工作機械に関する状態データと、工作物の精度データと、によって学習された学習済み機械学習モデルを用いて、ある時点における状態データから、工作機械に対する指令データを決定することが開示されている。

特開２０２１－０５７０３０号公報

ところで、被加工物を加工するための工具等の状態は、動的に変動する場合がある。工具等の状態が変動すると被加工物の品質にも影響を与え得るため、動的に変動する工具等の状態を考慮して、被加工物の品質をより向上できる技術が要望されている。

本開示は、良好な品質の被加工物を得ることができる情報処理装置、情報処理方法及び情報処理プログラムを提供する。

本開示の第１の態様は、情報処理装置であって、少なくとも１つのプロセッサを備え、プロセッサは、設定された加工条件に応じて加工される被加工物の品質に相関する要素に関する動的な状態変数であって、第１時点における状態変数と、第１時点における加工条件と、を取得し、第１時点における状態変数及び加工条件に基づいて、第１時点よりも後の第２時点における状態変数を予測し、予測した第２時点における状態変数に基づいて、被加工物の予め定められた目標品質を達成するために要する第２時点における加工条件を導出する。

上記第１の態様において、プロセッサは、入力を第１時点における状態変数及び加工条件とし、出力を第２時点における状態変数とするよう学習された学習済モデルを用いて、第２時点における状態変数を予測してもよい。

上記第１の態様において、プロセッサは、第１時点における状態変数及び加工条件に基づいて、第２時点における被加工物の品質を予測し、予測した第２時点における被加工物の品質と、目標品質と、の差に応じて算出される評価値を最小化するような加工条件を導出してもよい。

上記第１の態様において、プロセッサは、入力を第１時点における状態変数及び加工条件とし、出力を第２時点における被加工物の品質とするよう学習された学習済モデルを用いて、第２時点における被加工物の品質を予測してもよい。

上記第１の態様において、第２時点は、第１時点における被加工物に予め定められた量の加工を施した後の時点であってもよい。

上記第１の態様において、第２時点は、第１時点から予め定められた期間が経過した時点であってもよい。

上記第１の態様において、プロセッサは、第２時点における状態変数と、第２時点における加工条件と、を取得し、第２時点における状態変数及び加工条件に基づいて、第２時点よりも後の第３時点における状態変数を予測し、予測した第３時点における状態変数に基づいて、目標品質を達成するために要する第３時点における加工条件を導出してもよい。

上記第１の態様において、プロセッサは、導出した加工条件に応じて被加工物を加工する制御を行ってもよい。

上記第１の態様において、被加工物は、略円筒形であり、回転しながら加工されるものであってもよい。

上記第１の態様において、被加工物は、略円筒形であり、被加工物の加工に用いる工具が回転しながら被加工物を加工するものであってもよい。

上記第１の態様において、被加工物は、刃物であり、被加工物の加工は、砥石を用いて刃物を研削する研削加工であり、加工条件は、砥石の回転数、切込量、切込時間、切込速度及び切込回数、刃物を支持する支持体の回転数、並びに砥石と支持体の相対速度のうち少なくとも１つを含むものであってもよい。

上記第１の態様において、被加工物は、刃物であり、被加工物の加工は、砥石を用いて刃物を研削する研削加工であり、状態変数は、砥石の駆動モータ負荷、刃物を支持する支持体の駆動モータ負荷、支持体の軸振動及び軸アコースティックエミッション、並びに研削液温度のうち少なくとも１つを含むものであってもよい。

上記第１の態様において、被加工物は、刃物であり、被加工物の加工は、砥石を用いて刃物を研削する研削加工であり、被加工物の品質は、刃物の刃先に関するチッピングの大きさ及び数、刃先端半径、並びに面粗度のうち少なくとも１つを含むものであってもよい。

本開示の第２の態様は、情報処理方法であって、設定された加工条件に応じて加工される被加工物の品質に相関する要素に関する動的な状態変数であって、第１時点における状態変数と、第１時点における加工条件と、を取得し、第１時点における状態変数及び加工条件に基づいて、第１時点よりも後の第２時点における状態変数を予測し、予測した第２時点における状態変数に基づいて、被加工物の予め定められた目標品質を達成するために要する第２時点における加工条件を導出する処理を含む。

本開示の第３の態様は、情報処理プログラムであって、設定された加工条件に応じて加工される被加工物の品質に相関する要素に関する動的な状態変数であって、第１時点における状態変数と、第１時点における加工条件と、を取得し、第１時点における状態変数及び加工条件に基づいて、第１時点よりも後の第２時点における状態変数を予測し、予測した第２時点における状態変数に基づいて、被加工物の予め定められた目標品質を達成するために要する第２時点における加工条件を導出する処理をコンピュータに実行させるためのものである。

上記態様によれば、本開示の情報処理装置、情報処理方法及び情報処理プログラムは、良好な品質の被加工物を得ることができる。

制御システムの概略構成図である。加工方法、工具及び被加工物の組合せの具体例を示す図である。円筒研削盤の概略構成図である。情報処理装置のハードウェア構成の一例を示すブロック図である。情報処理装置の機能的な構成の一例を示すブロック図である。刃先端半径を説明するための図である。情報の入出力を説明するための図である。状態変数予測モデルの学習データの一例である。品質予測モデルの学習データの一例である。目標品質の一例である。最適加工条件データの一例である。実施例に係る品質を示す図である。情報処理の一例を示すフローチャートである。

以下、図面を参照して、本開示の技術を実施するための形態例を詳細に説明する。まず、図１を参照して、本実施形態に係る制御システム１の構成の一例について説明する。図１に示すように、制御システム１は、情報処理装置１０と、工具２と、被加工物４と、を含む。

工具２は、被加工物４を加工するための工具、工作機械及び道具等である。被加工物４の加工とは、例えば、研削加工及び切削加工等の各種機械加工である。研削加工とは、例えば、円筒研削、平面研削、内面研削、心なし研削、ねじ研削、歯車研削、ならい研削及び切断等であってもよい。切削加工とは、例えば、旋削、穴あけ、中ぐり、フライス削り、平削り、形削り、立削り、ブローチ削り及びのこ引き等であってもよい。図２に、被加工物４の加工方法、並びに工具２及び被加工物４の組合せの具体例を示す。

図３に、砥石２Ａを用いて略円筒形の刃物４Ｂを研削する円筒研削盤６の概略構成を示す。円筒研削盤６では、砥石２Ａを刃物４Ｂに当てることで、刃物４Ｂの研削が行われる。この際、砥石２Ａは回転軸Ａを軸として矢印ａ方向に回転され、刃物４Ｂは回転軸Ｂを軸として矢印ｂ方向に回転駆動する支持体２Ｂに支持される。すなわち、刃物４Ｂ（支持体２Ｂ）は回転しながら加工され、砥石２Ａは回転しながら刃物４Ｂを加工する。支持体２Ｂ及び砥石２Ａは、それぞれ駆動モータ（不図示）によって回転駆動される。

また、円筒研削盤６においては、砥石２Ａ及び／又は支持体２Ｂが、支持体２Ｂの回転軸Ｂの方向（図３のｘ方向）に移動することによって、刃物４Ｂの全体が加工されてもよい（所謂トラバース加工）。また、円筒研削盤６においては、研削液を用いた湿式研削が行われてもよい。

情報処理装置１０は、砥石２Ａ及び支持体２Ｂに関する各種の加工条件を設定し、砥石２Ａ及び支持体２Ｂの動作を制御する。すなわち、刃物４Ｂは、情報処理装置１０により設定された加工条件に応じて加工される。刃物４Ｂが被加工物４の一例であり、砥石２Ａ及び支持体２Ｂが工具２の一例である。

ところで、工具２の状態は、情報処理装置１０により設定された加工条件に応じて動的に変動する場合がある。工具２の状態が変動すると、被加工物４の品質に影響を与える場合がある。そこで、本実施形態に係る情報処理装置１０は、良好な品質の被加工物４を得るために、動的に変動する工具２の状態が考慮された加工条件を用いて工具２を制御する。以下、本実施形態に係る情報処理装置１０の構成の一例について説明する。

まず、図４を参照して、本実施形態に係る情報処理装置１０のハードウェア構成の一例を説明する。図４に示すように、情報処理装置１０は、ＣＰＵ（Central Processing Unit）２１、不揮発性の記憶部２２、及び一時記憶領域としてのメモリ２３を含む。また、情報処理装置１０は、液晶ディスプレイ等のディスプレイ２４、キーボード及びマウス等の入力部２５、並びにネットワークＩ／Ｆ（Interface）２６を含む。ネットワークＩ／Ｆ２６は、工具２との有線又は無線通信を行う。ＣＰＵ２１、記憶部２２、メモリ２３、ディスプレイ２４、入力部２５及びネットワークＩ／Ｆ２６は、システムバス及びコントロールバス等のバス２８を介して相互に各種情報の授受が可能に接続されている。

記憶部２２は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）及びフラッシュメモリ等の記憶媒体によって実現される。記憶部２２には、情報処理装置１０における情報処理プログラム２７が記憶される。ＣＰＵ２１は、記憶部２２から情報処理プログラム２７を読み出してからメモリ２３に展開し、展開した情報処理プログラム２７を実行する。ＣＰＵ２１が本開示のプロセッサの一例である。情報処理装置１０としては、例えば、パーソナルコンピュータ、サーバコンピュータ及びスマートフォン等の各種コンピュータを適用できる。

次に、図５を参照して、本実施形態に係る情報処理装置１０の機能的な構成の一例について説明する。図５に示すように、情報処理装置１０は、取得部３０、第１予測部３２、第２予測部３４、導出部３６及び制御部３８を含む。ＣＰＵ２１が情報処理プログラム２７を実行することにより、取得部３０、第１予測部３２、第２予測部３４、導出部３６及び制御部３８として機能する。

取得部３０は、第１時点における状態変数Ｘ１と、第１時点における加工条件Ｙ１と、を取得する。「状態変数」とは、被加工物４の品質に相関する要素に関する動的な変数である。例えば、取得部３０は、砥石２Ａ及び支持体２Ｂ等の工具２に備えられたセンサ（不図示）によって得られる状態変数Ｘ１を取得してもよい。また例えば、第１時点が加工の開始時点の場合、取得部３０は、加工条件Ｙ１として予め定められている初期条件を取得してもよい。

状態変数Ｘ１は、図３の円筒研削盤６の場合、例えば、砥石２Ａを回転駆動させるための駆動モータの負荷、支持体２Ｂを回転駆動させるための駆動モータの負荷、支持体２Ｂの軸振動及び軸アコースティックエミッション（ＡＥ：Acoustic Emission）、並びに研削液の温度等である。砥石２Ａ及び支持体２Ｂの駆動モータの負荷は、例えばサンプリング単位ごとの平均値で表されてもよい。支持体２Ｂの軸振動及び軸ＡＥは、例えばある周波数における強度平均で表されてもよい。

加工条件Ｙ１は、図３の円筒研削盤６の場合、例えば、砥石２Ａの回転数、砥石２Ａの刃物４Ｂに対する切込量、切込時間、切込速度及び切込回数のうち少なくとも１つであってもよい。また例えば、支持体２Ｂの回転数、並びに砥石２Ａと支持体２Ｂの回転軸Ｂの方向（図３のｘ方向）における相対速度のうち少なくとも１つであってもよい。砥石２Ａ及び支持体２Ｂの回転数は、例えば単位時間あたりの回転数及び／又は回転距離で表されてもよい。

品質Ｚ１は、図３の円筒研削盤６の場合、例えば、刃物４Ｂの刃先に関するチッピングの大きさ及び数、刃先端半径Ｒ、並びに面粗度のうち少なくとも１つである。チッピングの大きさ及び数は、例えば任意に抽出した領域に含まれるチッピングの大きさ及び数で表されてもよいし、単位面積あたりのチッピングの大きさ及び数の平均値、中央値、最小値及び最大値等の代表値で表されてもよい。図６に、図３の破線で囲った領域ＲＯにおける刃物４Ｂのｘｙ平面における断面図を示す。図６には刃先端半径Ｒを例示している。なお、刃先端半径Ｒは、各刃物４Ｂの先端の曲率半径の平均値、中央値、最小値及び最大値等の代表値で表されてもよい。面粗度は、例えば算術平均粗さＲａ及び表面粗さＲｚ等で表されてもよい。

図７を参照して、第１予測部３２、第２予測部３４及び導出部３６の機能について説明する。図７では、各機能部への入力及び出力を図示している。

第１予測部３２は、取得部３０により取得された第１時点における状態変数Ｘ１及び加工条件Ｙ１に基づいて、第１時点よりも後の第２時点における状態変数の予測値Ｘｐ２を予測する。なお、第２時点は、第１時点からの被加工物４の加工量及び／又は経過時間で定められてもよい。例えば、第２時点は、第１時点における被加工物４に予め定められた量（例えば２μｍ）の加工を施した後の時点であってもよい。また例えば、第２時点は、第１時点から予め定められた期間（例えば２秒）が経過した時点であってもよい。

具体的には、第１予測部３２は、入力を第１時点における状態変数Ｘ１及び加工条件Ｙ１とし、出力を第２時点における状態変数の予測値Ｘｐ２とするよう学習された状態変数予測モデルＭ１を用いて、第２時点における状態変数の予測値Ｘｐ２を予測してもよい。状態変数予測モデルＭ１は、例えばＣＮＮ（Convolutional Neural Network）及びＲＮＮ（Recurrent Neural Network）等のニューラルネットワークを含む。

図８に、状態変数予測モデルＭ１の学習データの一例を示す。図８に示すように、状態変数予測モデルＭ１の学習データは、ある時点ｔにおける加工条件Ｙｔ及び状態変数Ｘｔと、ある時点ｔよりも後の時点ｔ＋１における状態変数Ｘｔ＋１と、の実績データを含む。すなわち、状態変数予測モデルＭ１の学習データは、ある時点ｔにおいて加工条件に応じた加工が実行された場合、その後の時点ｔ＋１までに状態変数がどのように変動したかを示すデータである。なお、ある時点ｔとその後の時点ｔ＋１との間隔は、第１時点と第２時点との間隔と同じである。また、支持体の軸ＡＥは、１２０ｋＨｚにおけるＡＥの強度平均の値であり、以下の図９、１１～１２についても同様である。

第２予測部３４は、取得部３０により取得された第１時点における状態変数Ｘ１及び加工条件Ｙ１に基づいて、第２時点における被加工物４の品質の予測値Ｚｐ２を予測する。具体的には、第２予測部３４は、入力を第１時点における状態変数Ｘ１及び加工条件Ｙ１とし、出力を第２時点における被加工物４の品質の予測値Ｚｐ２とするよう学習された品質予測モデルＭ２を用いて、第２時点における被加工物４の品質の予測値Ｚｐ２を予測してもよい。品質予測モデルＭ２は、例えばＣＮＮ及びＲＮＮ等のニューラルネットワークを含む。

図９に、品質予測モデルＭ２の学習データの一例を示す。図９に示すように、品質予測モデルＭ２の学習データは、ある時点ｔにおける加工条件Ｙｔ及び状態変数Ｘｔと、ある時点ｔよりも後の時点ｔ＋１における被加工物４の品質Ｚｔ＋１と、の実績データを含む。すなわち、品質予測モデルＭ２の学習データは、ある時点ｔにおいて状態変数Ｘｔである工具２により、加工条件Ｙｔに応じた加工が実行された場合、その後の被加工物４の品質がどのようであったかを示すデータである。

導出部３６は、第１予測部３２により予測された第２時点における状態変数の予測値Ｘｐ２に基づいて、被加工物４の予め定められた目標品質Ｚｒを達成するために要する第２時点における加工条件Ｙ２を導出する。図１０に、予め定められた目標品質Ｚｒの一例を示す。目標品質Ｚｒは、例えば記憶部２２等に予め記憶されていてもよいし、ユーザが任意に設定できるようにしてもよい。

図１１に、ある時点ｔにおける工具２の状態変数がＸｔである場合に、目標品質Ｚｒを満たすような良好な品質Ｚｔが得られる加工条件Ｙｔが予め定められた最適加工条件データの一例を示す。導出部３６は、第１予測部３２により予測された第２時点における状態変数の予測値Ｘｐ２を、最適加工条件データに照合することによって、第２時点において良好な品質が得られそうな加工条件Ｙ２を導出してもよい。最適加工条件データは、例えば記憶部２２等に予め記憶されていてもよい。

また、導出部３６は、第２予測部３４により予測された第２時点における被加工物４の品質の予測値Ｚｐ２と、目標品質Ｚｒと、の差に応じて算出される評価値を最小化するような加工条件Ｙ２を導出してもよい。例えば、被加工物４の品質は、加工にかかる所要時間とトレードオフの関係にある場合がある。そこで、導出部３６は、被加工物４の品質及び加工にかかる所要時間を変数として算出される評価値を用い、被加工物４の品質の予測値Ｚｐ２が目標品質Ｚｒを満たす範囲で、加工にかかる所要時間もできるだけ短くできるような加工条件Ｙ２を導出してもよい。

制御部３８は、導出部３６により導出された加工条件Ｙ２に応じて被加工物４を加工するよう工具２の制御を行う。

また、制御部３８は、上記の取得部３０、第１予測部３２、第２予測部３４及び導出部３６による処理を繰り返し行うよう制御してもよい。具体的には、取得部３０は、第２時点における状態変数Ｘ２と、導出部３６により導出された第２時点における加工条件Ｙ２と、を取得してもよい。第１予測部３２は、取得部３０により取得された第２時点における状態変数Ｘ２及び加工条件Ｙ２に基づいて、第２時点よりも後の第３時点における状態変数の予測値Ｘｐ３を予測してもよい。第２予測部３４は、取得部３０により取得された第２時点における状態変数Ｘ２及び加工条件Ｙ２に基づいて、第３時点における被加工物４の品質の予測値Ｚｐ３を予測してもよい。導出部３６は、第１予測部３２により予測された第３時点における状態変数の予測値Ｘｐ３に基づいて、目標品質Ｚｒを達成するために要する第３時点における加工条件Ｙ３を導出してもよい。

なお、第３時点は、第２時点からの被加工物４の加工量及び／又は経過時間で定められてもよい。例えば、第３時点は、第２時点における被加工物４に予め定められた量（例えば２μｍ）の加工を施した後の時点であってもよい。また例えば、第３時点は、第２時点から予め定められた期間（例えば２秒）が経過した時点であってもよい。

第４時点以降も同様に、被加工物４の加工が完了するまで、制御部３８は、取得部３０、第１予測部３２、第２予測部３４及び導出部３６による処理を繰り返し行うよう制御してもよい。また、制御部３８は、加工の開始時点からの加工量が予め定められた量（例えば２０μｍ）を満たした場合に、被加工物４の加工が完了したと判定してもよい。

（実施例）
図１２に、本実施形態に係る情報処理装置１０によって導出された加工条件に応じて加工された被加工物４の品質の結果を示す。また、図１２には比較例として、ユーザが任意に設定した加工条件に応じて加工された被加工物４の品質の結果も示している。図１２から、本実施形態に係る情報処理装置１０によれば、被加工物４の品質を向上できていることが分かる。

次に、図１３を参照して、本実施形態に係る情報処理装置１０の作用を説明する。情報処理装置１０において、ＣＰＵ２１が情報処理プログラム２７を実行することによって、図１３に示す情報処理が実行される。情報処理は、例えば、ユーザにより入力部２５を介して実行開始の指示があった場合に実行される。

ステップＳ１０で、制御部３８は、時点ｔを１に設定する。ステップＳ１２で、取得部３０は、第ｔ時点（第１時点）における状態変数Ｘｔ（Ｘ１）と、加工条件Ｙｔ（Ｙ１）と、を取得する。ステップＳ１４で、第１予測部３２は、ステップＳ１２で取得された状態変数Ｘｔ（Ｘ１）及び加工条件Ｙｔ（Ｙ１）に基づいて、第ｔ＋１時点（第２時点）における状態変数の予測値Ｘｐｔ＋１（Ｘｐ２）を予測する。ステップＳ１６で、第２予測部３４は、ステップＳ１２で取得された状態変数Ｘｔ（Ｘ１）及び加工条件Ｙｔ（Ｙ１）に基づいて、第ｔ＋１時点（第２時点）における被加工物の品質の予測値Ｚｐｔ＋１（Ｚｐ２）を予測する。

ステップＳ１８で、導出部３６は、ステップＳ１４で予測された状態変数の予測値Ｘｐｔ＋１（Ｘｐ２）に基づいて、第ｔ＋１時点（第２時点）における加工条件Ｙｔ＋１（Ｙ２）を導出する。この場合、導出部３６は、ステップＳ１６で予測された被加工物の品質の予測値Ｚｐｔ＋１（Ｚｐ２）と、目標品質Ｚｒと、の差に応じて算出される評価値を最小化するような加工条件Ｙｔ＋１（Ｙ２）を導出してもよい。ステップＳ２０で、制御部３８は、ステップＳ１８で導出された加工条件Ｙｔ＋１（Ｙ２）に応じて被加工物を加工するよう制御を行う。

ステップＳ２２で、制御部３８は、被加工物の加工が完了したか否かを判定する。被加工物の加工が完了していない場合（ステップＳ２２がＮ）、ステップＳ２４に移行し、制御部３８は、時点ｔをインクリメント（ｔを１増加）して、ステップＳ１２～Ｓ２２の処理を繰り返す。一方、被加工物の加工が完了した場合（ステップＳ２２がＹ）、本情報処理を終了する。

以上説明したように、本開示の一態様に係る情報処理装置１０は、少なくとも１つのプロセッサを備え、プロセッサは、設定された加工条件に応じて加工される被加工物の第１時点における品質に相関する要素に関する動的な状態変数と、第１時点における加工条件と、を取得し、第１時点における状態変数及び加工条件に基づいて、第１時点よりも後の第２時点における状態変数を予測し、予測した第２時点における状態変数に基づいて、被加工物の予め定められた目標品質を達成するために要する第２時点における加工条件を導出する。すなわち、本実施形態に係る情報処理装置１０によれば、動的に変動する工具２の状態が考慮された加工条件を用いて工具２を制御できるので、被加工物の品質を向上できる。

なお、上記実施形態においては、導出部３６が、第２予測部３４により予測された被加工物４の品質の予測値Ｚｐ２を用いて、加工条件を導出する形態について説明したが、これに限らない。例えば、各種センサによって被加工物４の品質をリアルタイムで実測可能な場合、導出部３６は、第２予測部３４により予測された被加工物４の品質の予測値Ｚｐ２に代えて、被加工物４の品質の実測値を用いて、加工条件を導出してもよい。この場合、情報処理装置１０は第２予測部３４の機能を備えていなくてもよい。

また、上記実施形態においては、第１予測部３２及び第２予測部３４がＣＮＮ及びＲＮＮ等の学習モデルを用いて、第２時点における状態変数の予測値Ｘｐ２及び品質の予測値Ｚｐ２を予測する形態について説明したが、これに限らない。例えば、第１予測部３２は、ある時点ｔにおける状態変数Ｘｔ及び加工条件Ｙｔと、その後の時点ｔ＋１における状態変数Ｘｔ＋１と、の相関データを用いて、第２時点における状態変数の予測値Ｘｐ２を予測してもよい。また例えば、第２予測部３４は、ある時点ｔにおける状態変数Ｘｔ及び加工条件Ｙｔと、その後の時点ｔ＋１における被加工物４の品質Ｚｔ＋１と、の相関データを用いて、第２時点における被加工物４の品質の予測値Ｚｐ２を予測してもよい。これらの相関データは、例えば予め導出されて、記憶部２２に記憶されていてもよい。

また、上記実施形態において、例えば、取得部３０、第１予測部３２、第２予測部３４、導出部３６及び制御部３８といった各種の処理を実行する処理部（processing unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（processor）を用いることができる。上記各種のプロセッサには、前述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：ＰＬＤ）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。

１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせや、ＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。

複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアント及びサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System on Chip：ＳｏＣ）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。

さらに、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子などの回路素子を組み合わせた電気回路（circuitry）を用いることができる。

また、上記実施形態では、情報処理プログラム２７が記憶部２２に予め記憶（インストール）されている態様を説明したが、これに限定されない。情報処理プログラム２７は、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disc Read Only Memory）、及びＵＳＢ（Universal Serial Bus）メモリ等の記録媒体に記録された形態で提供されてもよい。また、情報処理プログラム２７は、ネットワークを介して外部装置からダウンロードされる形態としてもよい。さらに、本開示の技術は、情報処理プログラムに加えて、情報処理プログラムを非一時的に記憶する記憶媒体にもおよぶ。

本開示の技術は、上記実施形態例及び実施例を適宜組み合わせることも可能である。以上に示した記載内容及び図示内容は、本開示の技術に係る部分についての詳細な説明であり、本開示の技術の一例に過ぎない。例えば、上記の構成、機能、作用及び効果に関する説明は、本開示の技術に係る部分の構成、機能、作用及び効果の一例に関する説明である。よって、本開示の技術の主旨を逸脱しない範囲内において、以上に示した記載内容及び図示内容に対して、不要な部分を削除したり、新たな要素を追加したり、置き換えたりしてもよいことはいうまでもない。

１制御システム
２工具
２Ａ砥石
２Ｂ支持体
４被加工物
４Ｂ刃物
６円筒研削盤
１０情報処理装置
２１ＣＰＵ
２２記憶部
２３メモリ
２４ディスプレイ
２５入力部
２６ネットワークＩ／Ｆ
２７情報処理プログラム
２８バス
３０取得部
３２第１予測部
３４第２予測部
３６導出部
３８制御部
Ａ、Ｂ回転軸
Ｍ１状態変数予測モデル
Ｍ２品質予測モデル
Ｒ刃先端半径
ＲＯ領域

Claims

少なくとも１つのプロセッサを備え、
前記プロセッサは、
設定された加工条件に応じて加工される被加工物の品質に相関する要素に関する動的な状態変数であって、第１時点における前記状態変数と、前記第１時点における前記加工条件と、を取得し、
前記第１時点における前記状態変数及び前記加工条件に基づいて、前記第１時点よりも後の第２時点における前記状態変数を予測し、
予測した前記第２時点における前記状態変数に基づいて、前記被加工物の予め定められた目標品質を達成するために要する前記第２時点における前記加工条件を導出する
情報処理装置。
前記プロセッサは、
入力を前記第１時点における前記状態変数及び前記加工条件とし、出力を前記第２時点における前記状態変数とするよう学習された学習済モデルを用いて、前記第２時点における前記状態変数を予測する
請求項１に記載の情報処理装置。
前記プロセッサは、
前記第１時点における前記状態変数及び前記加工条件に基づいて、前記第２時点における前記被加工物の品質を予測し、
予測した前記第２時点における前記被加工物の品質と、前記目標品質と、の差に応じて算出される評価値を最小化するような前記加工条件を導出する
請求項１又は請求項２に記載の情報処理装置。
前記プロセッサは、
入力を前記第１時点における前記状態変数及び前記加工条件とし、出力を前記第２時点における前記被加工物の品質とするよう学習された学習済モデルを用いて、前記第２時点における前記被加工物の品質を予測する
請求項３に記載の情報処理装置。
前記第２時点は、前記第１時点における前記被加工物に予め定められた量の加工を施した後の時点である
請求項１から請求項４の何れか１項に記載の情報処理装置。
前記第２時点は、前記第１時点から予め定められた期間が経過した時点である
請求項１から請求項４の何れか１項に記載の情報処理装置。
前記プロセッサは、
前記第２時点における前記状態変数と、前記第２時点における前記加工条件と、を取得し、
前記第２時点における前記状態変数及び前記加工条件に基づいて、前記第２時点よりも後の第３時点における前記状態変数を予測し、
予測した前記第３時点における前記状態変数に基づいて、前記目標品質を達成するために要する前記第３時点における前記加工条件を導出する
請求項１から請求項６の何れか１項に記載の情報処理装置。
前記プロセッサは、
導出した前記加工条件に応じて前記被加工物を加工する制御を行う
請求項１から請求項７の何れか１項に記載の情報処理装置。
前記被加工物は、略円筒形であり、回転しながら加工される
請求項１から請求項８の何れか１項に記載の情報処理装置。
前記被加工物は、略円筒形であり、
前記被加工物の加工に用いる工具が回転しながら前記被加工物を加工する
請求項１から請求項９の何れか１項に記載の情報処理装置。
前記被加工物は、刃物であり、
前記被加工物の加工は、砥石を用いて前記刃物を研削する研削加工であり、
前記加工条件は、前記砥石の回転数、切込量、切込時間、切込速度及び切込回数、前記刃物を支持する支持体の回転数、並びに前記砥石と前記支持体の相対速度のうち少なくとも１つを含む
請求項９又は請求項１０に記載の情報処理装置。
前記被加工物は、刃物であり、
前記被加工物の加工は、砥石を用いて前記刃物を研削する研削加工であり、
前記状態変数は、前記砥石の駆動モータ負荷、前記刃物を支持する支持体の駆動モータ負荷、前記支持体の軸振動及び軸アコースティックエミッション、並びに研削液温度のうち少なくとも１つを含む
請求項９から請求項１１の何れか１項に記載の情報処理装置。
前記被加工物は、刃物であり、
前記被加工物の加工は、砥石を用いて前記刃物を研削する研削加工であり、
前記被加工物の品質は、前記刃物の刃先に関するチッピングの大きさ及び数、刃先端半径、並びに面粗度のうち少なくとも１つを含む
請求項１から請求項１２の何れか１項に記載の情報処理装置。
設定された加工条件に応じて加工される被加工物の品質に相関する要素に関する動的な状態変数であって、第１時点における前記状態変数と、前記第１時点における前記加工条件と、を取得し、
前記第１時点における前記状態変数及び前記加工条件に基づいて、前記第１時点よりも後の第２時点における前記状態変数を予測し、
予測した前記第２時点における前記状態変数に基づいて、前記被加工物の予め定められた目標品質を達成するために要する前記第２時点における前記加工条件を導出する
処理を含む情報処理方法。
設定された加工条件に応じて加工される被加工物の品質に相関する要素に関する動的な状態変数であって、第１時点における前記状態変数と、前記第１時点における前記加工条件と、を取得し、
前記第１時点における前記状態変数及び前記加工条件に基づいて、前記第１時点よりも後の第２時点における前記状態変数を予測し、
予測した前記第２時点における前記状態変数に基づいて、前記被加工物の予め定められた目標品質を達成するために要する前記第２時点における前記加工条件を導出する
処理をコンピュータに実行させるための情報処理プログラム。