JP2024004052A - 加工支援システム - Google Patents

Abstract

【課題】一組の入力因子情報を入力するだけで、複数組の出力因子情報を出力する加工支援システムを提供する。
【解決手段】知識モデルＭを活用した加工支援システム１であって、前記知識モデルＭを用いて演算する演算処理装置３を備える。前記演算処理装置３は、一組の基本入力因子情報を取得する基本入力因子情報取得部３ａと、前記一組の基本入力因子情報に基づいて、複数組のバリエーション入力因子情報を生成する入力因子情報生成部３ｂと、前記知識モデルＭに基づいて、一組の基本出力因子情報と、複数組のバリエーション出力因子情報と、を生成する出力因子情報生成部３ｃと、前記複数組のバリエーション出力因子情報から少なくとも一組の教示用出力因子情報を選定する選定部３ｄと、前記一組の基本出力因子情報を教示するとともに、選定された少なくとも前記一組の教示用出力因子情報を教示する教示処理部３ｅと、を備える。
【選択図】図２

Description

本発明は、加工支援システムに関する。

従来、産業機械における加工条件を決定するために、熟練者の知識をデータベース化し、当該データベースを活用することが知られている。例えば、特許文献１には、データベース化された知識モデルについて記載されている。知識モデルは、種々の技術用語により定義された複数の因子と、因子同士の関係とにより構成されたモデルである。そして、知識モデルを用いて、加工条件の最適化を図ることができるとされている。

上記の知識モデルを利用した加工支援システムを用いて、工作物情報、目標サイクルタイム、目標加工精度等を入力因子情報として入力すると、サイクルタイム、加工条件、加工精度予測が、出力因子情報として出力される。

特開２０２０－１７７５４７号公報

上記の技術によれば、工作物情報、目標サイクルタイム、目標加工精度等を含む一組の入力因子情報を入力したとき、この一組の入力因子情報に対応する出力因子情報が一組しか出力されない。このため、複数パターンの加工条件が必要とされる場合や、顧客の要望が変化した場合には、複数組の入力因子情報を入力することになるので、入力作業が煩わしい。

本発明は、かかる課題に鑑みてなされたものであり、一組の入力因子情報を入力するだけで、複数組の出力因子情報を出力する加工支援システムを提供しようとするものである。

本発明の一態様は、
加工装置による工作物の加工における因子同士の関係性を定義した知識モデルを活用した加工支援システムであって、
前記知識モデルを格納する記憶装置と、
前記知識モデルを用いて演算する演算処理装置と、
を備え、
前記演算処理装置は、
一組の基本入力因子情報を取得する基本入力因子情報取得部と、
前記一組の基本入力因子情報に基づいて、前記一組の基本入力因子情報と異なる複数組のバリエーション入力因子情報を生成する入力因子情報生成部と、
前記知識モデルに基づいて、前記一組の基本入力因子情報に対応する一組の基本出力因子情報と、前記複数組のバリエーション入力因子情報に対応する複数組のバリエーション出力因子情報と、を生成する出力因子情報生成部と、
前記複数組のバリエーション出力因子情報から少なくとも一組の教示用出力因子情報を選定する選定部と、
前記一組の基本出力因子情報を教示するとともに、選定された少なくとも前記一組の教示用出力因子情報を教示する教示処理部と、
を備える、加工支援システムにある。

本発明の一態様によれば、入力された一組の入力因子情報に対応する一組の出力因子情報と、少なくとも一組の教示用出力因子情報と、が表示される。これにより、一組の入力因子情報を入力するだけで、複数組の出力因子情報を得ることができるので、入力因子情報の入力作業を省力化できる。

以上のごとく、上記態様によれば、一組の入力因子情報を入力するだけで、複数組の出力因子情報を出力する加工支援システムを提供することができる。

実施形態１に係る加工支援システムの構成を示す図である。 実施形態１に係る演算処理装置、記憶装置、入力装置、および表示装置を示す図である。 知識モデルを表現した知識ネットワーク図を示す図である。 加工機を示す平面図である。 工作物を示す平面図である。 加工支援システムのメインルーチンを示すフローチャートである。 出力因子情報生成処理を示すフローチャートである。 選定処理を示すフローチャートである。 基本入力因子、バリエーション入力因子、基本出力因子、バリエーション出力因子、および教示用出力因子の関係を示す図である。 荒仕上分割の態様による、サイクルタイムと振れの変化を示すグラフである。 実施形態２に係る加工支援システムにおける、選定処理を示すフローチャートである。 真円度が変化する前後で選定される教示用出力因子情報を示すグラフである。 実施形態５に係る加工支援システムのメインルーチンを示すフローチャートである。 機械学習処理を示すフローチャートである。

（実施形態１）
１．加工支援システムの構成
実施形態１の加工支援システムの構成について図１～図２を参照して説明する。加工支援システムは、工作物を加工する機械加工分野に適用される。機械加工分野には、例えば、切削加工、研削加工、放電加工、プレス加工などが含まれる。本形態に係る加工支援システムは、機械加工分野において、熟練者による技術情報に関する知識を記述した知識モデルを活用するシステムである。

加工支援システム１は、図１に示すように、記憶装置２と、演算処理装置３と、を備える。演算処理装置３には、入力装置４および表示装置５が接続されている。加工支援システム１は、複数の加工装置６とネットワークを構成する。つまり、複数の加工装置６と加工支援システム１とは、相互に通信可能に構成されている。

記憶装置２は、知識モデルＭ、加工装置６の機械構成情報などを格納する。演算処理装置３は、知識モデルＭを用いた演算処理を行う。加工装置６は、例えば、研削盤、旋盤、マシニングセンタ、フライス盤、歯車加工機、ボーリング加工機などである。本形態では研削盤を例にして説明する。

加工支援システム１は、知識モデルＭを用いて、加工装置６の操作の支援、動作条件の決定、機械状態の判定、工作物Ｗの状態の判定などを行う。

一般に、機械加工分野においては、作業者は、工作物Ｗの材質、工具の材質、工作物Ｗ品質、加工サイクルタイムなどの種々の情報を考慮して、加工条件としての切削速度や単位時間当たりの切込量などを決定する。この場合、作業者が種々の入力情報を取得して加工条件を決定するに際して、作業者の思考過程をモデル化したものが、知識モデルＭである。

つまり、知識モデルＭは、工作物Ｗの材質、工具の材質、工作物Ｗの品質、加工サイクルタイム、切削速度、切込量などに加えて、作業者の思考過程において登場する産業技術要素のそれぞれを因子として定義され、因子同士の関係性が定義されている。

例えば、加工支援システム１は、加工装置６の加工条件の決定に際して、工作物Ｗの材質や工作物Ｗの品質などを入力因子として取得した場合に、知識モデルＭを用いることにより、出力因子としての切削速度や切込量などの加工条件を出力することができる。

図２に示すように、演算処理装置３は、基本入力因子情報取得部３ａと、入力因子情報生成部３ｂと、出力因子情報生成部３ｃと、選定部３ｄと、教示処理部３ｅと、を備える。

基本入力因子情報取得部３ａは、入力装置４から、基本入力因子情報を取得する。基本入力因子情報は、複数の入力因子情報が一組にまとめられたものである。基本入力因子情報は、工作物情報（工作物Ｗの形状、材質等）、目標サイクルタイム、目標加工精度（目標真円度、目標びびり、目標振れ、目標位相角、目標焼け等）等を含む。

入力因子情報生成部３ｂは、一組の基本入力因子情報から、一組の基本入力因子情報と異なる複数組のバリエーション入力因子情報を生成する。バリエーション入力因子情報は、複数の入力因子情報が一組にまとめられたものである。バリエーション入力因子情報は、基本入力因子情報と異なっている。つまり、バリエーション入力因子情報胃含まれる少なくとも一つの入力因子情報は、基本入力因子情報を構成する入力因子情報と異なっている。

出力因子情報生成部３ｃは、記憶装置２に格納された知識モデルＭに基づいて、一組の基本出力因子情報と、複数組のバリエーション出力因子情報と、を生成する。基本出力因子情報は、複数の出力因子情報が一組にまとめられたものであり、上記した一組の基本入力因子情報に対応するものである。また、バリエーション出力因子情報は、複数の出力因子情報が一組にまとめられたものであり、上記したバリエーション入力因子情報に対応するものである。基本出力因子情報、およびバリエーション出力因子情報は、サイクルタイム、加工条件（荒仕上分割の態様等）、加工装置６の機械構成情報、加工精度予測結果（真円度、びびり、振れ、位相角、焼け等）等を含む。

選定部３ｄは、出力因子情報生成部３ｃが生成した複数組のバリエーション出力因子情報から少なくとも一組の教示用出力因子情報を選定する。選定部３ｄは、教示用出力因子情報を一組選定してもよいし、二組以上を選定してもよい。

教示処理部３ｅは、一組の基本出力因子情報と、選定された少なくとも一組の教示用出力因子情報と、を表示装置５に表示させることにより、作業者に教示する。教示処理部３ｅは、印刷装置等の表示装置５とは異なる装置を介して、作業者に一組の基本出力因子情報および選定された少なくとも一組の教示用出力因子情報を作業者に教示してもよい。

２．知識ネットワーク図Ｎ
知識モデルＭは、概念としては、ネットワーク形態で表現される。知識モデルＭをネットワーク形態で表現した知識ネットワーク図Ｎの例について、図３を参照して説明する。つまり、知識ネットワーク図Ｎは、知識モデルＭをグラフィカルに表現したものである。本形態では、機械加工分野における知識モデルＭに関する知識ネットワーク図Ｎを例に挙げる。

図３に示すように、知識ネットワーク図Ｎは、複数のノード図形２１と、ノード図形２１同士を繋ぐリンク図形２２とを備える。本形態では、ノード図形２１は、四角形で囲まれた文字で表されている。本形態では、リンク図形２２は、直線にて表されている。ただし、リンク図形２２は、因子同士の定義の方向性を表すために矢印線で記載されてもよい。ノード図形２１は、知識モデルＭにおいて、産業技術用語により定義される因子を表す。

複数の因子は、技術的な包含関係（上下関係、主従関係とも称する）を有する場合と、技術的な異種依存関係を有する場合とが存在する。つまり、因子同士の関係性は、上記の２種類に分類される。

例えば、機械諸元は、剛性、機械制度、追従性および動作速度を包含する関係となる。つまり、技術的な包含関係を有する因子として、機械諸元を上位概念因子とし、剛性、機械制度、追従性および動作速度を下位概念因子とする。ただし、機械諸元に上記以外の因子が含まれる構成としてもよい。

技術的に異種依存関係を有する因子として、例えば、剛性とサイクルタイムがある。以下において、技術的な包含関係を有する２つの因子の関係性を、単に包含関係と称し、技術的な異種依存関係を有する２つの因子の関係性を、単に異種依存関係と称する。

リンク図形２２は、ノード図形２１同士の関係性を表す。リンク図形２２は、知識モデルＭにおいて、因子同士の関係性を表す。

３．加工装置６
本形態に係る加工装置６について、図４～図５を参照して説明する。本形態においては、加工装置６として研削盤を例に説明する。ただし、加工装置６は研削盤に限られず、旋盤、マシニングセンタ、フライス盤、歯車加工機、ボーリング加工機等、任意の加工機を適宜に選択できる。

加工装置６は、中心線Ｃを中心にして工作物Ｗを回転させ、回転体である工具としての砥石車１６を回転させ、かつ、砥石車１６を工作物Ｗに対して工作物Ｗの軸線に交差する方向に相対的に接近させることにより、工作物Ｗの外周面または内周面を研削する。加工装置６は、テーブルトラバース型の研削盤、砥石台トラバース型の研削盤などを適用可能である。また、加工装置６は、円筒研削盤、カム研削盤等を適用可能である。

本形態においては、図５に示すように、工作物Ｗは、例えば、軸状に形成されたカムシャフトとし、工作物Ｗの外周面が被加工部である場合を例にあげる。ただし、工作物Ｗの形状は、カムシャフトに限られず、円柱、内周面を有する筒状など、任意の形状とすることができる。工作物Ｗが筒状である場合は工作物Ｗの内周面を被加工部とすることができる。

本形態においては、工作物Ｗは、略棒状であって両端において工作物支持部材により支持される。

加工装置６の構成について、図４を参照して説明する。本形態においては、加工装置６は、砥石台トラバース型のカム研削盤を例にあげる。ただし、加工装置６は、テーブルトラバース型を適用することもできる。加工装置６は、主として、ベッド１１、主軸台１２、心押台１３、トラバースベース１４、砥石台１５、砥石車１６、定寸装置１７、砥石車修正装置１８及びクーラント装置１９を備える。

ベッド１１は、設置面上に固定されている。主軸台１２は、ベッド１１の上面において、Ｘ軸方向の手前側（図４の下側）且つＺ軸方向の一端側（図４の左側）に設けられている。主軸台１２は、工作物Ｗを中心線Ｃを中心としてＺ軸回りに回転可能に支持する。工作物Ｗは、主軸台１２に設けられたモータ１２ａの駆動により回転される。心押台１３は、ベッド１１の上面において、主軸台１２に対してＺ軸方向に対向する位置、すなわち、Ｘ軸方向の手前側（図４の下側）且つＺ軸方向の他端側（図４の右側）に設けられている。つまり、主軸台１２および心押台１３が、工作物Ｗを回転可能に両端支持する。

図５に示すように、工作物Ｗは、Ｚ軸方向に長軸な円柱状をなす軸部３０と、軸部３０に配置された複数（本形態では５つ）のカム３１～３５と、を備える。複数のカムは、図５において左側から順に、第１カム３１、第２カム３２、第３カム３３、第４カム３４および第５カム３５とされる。第１～第５カム３１～３５は同形同大である。詳細には図示しないが、第１～第５カム３１～３５はＺ軸方向から見て略卵形状をなしている。

図４に示すように、トラバースベース１４は、ベッド１１の上面において、Ｚ軸方向に移動可能に設けられている。トラバースベース１４は、ベッド１１に設けられたモータ１４ａの駆動により移動する。砥石台１５は、トラバースベース１４の上面において、Ｘ軸方向に移動可能に設けられている。砥石台１５は、トラバースベース１４に設けられたモータ１５ａの駆動により移動する。砥石車１６は、砥石台１５に回転可能に支持されている。砥石車１６は、砥石台１５に設けられたモータ１６ａの駆動により回転する。砥石車１６は、複数の砥粒をボンド材により固定されて構成されている。

定寸装置１７は、工作物Ｗの寸法（径）を測定する。定寸装置１７により、工作物Ｗにおける実切込み量を取得するための検出器２０として機能する。

砥石車修正装置１８は、砥石車１６の形状を修正する。砥石車修正装置１８は、砥石車１６のツルーイングを行う装置である。砥石車修正装置１８は、ツルーイングに加えて、または、ツルーイングに代えて、砥石車１６のドレッシングを行う装置としてもよい。さらに、砥石車修正装置１８は、砥石車１６の寸法（径）を測定する機能も有する。

ここで、ツルーイングは、形直し作業であり、研削によって砥石車１６が摩耗した場合に工作物Ｗの形状に合わせて砥石車１６を成形する作業、片摩耗によって砥石車１６の振れを取り除く作業等である。ドレッシングは、目直し（目立て）作業であり、砥粒の突き出し量を調整したり、砥粒の切れ刃を創成したりする作業である。ドレッシングは、目つぶれ、目詰まり、目こぼれ等を修正する作業であって、通常ツルーイング後に行われる。

クーラント装置１９は、クーラントノズルから砥石車１６による工作物Ｗの研削点にクーラントを供給する。クーラント装置１９は、回収したクーラントを、所定温度に冷却して、再度研削点に供給する。クーラント装置１９は、クーラントの流量や供給タイミングの調整が可能となっている。なお、図４において、符号１９はクーラントノズルの位置を図示する。また、図示しないが、検出器２０として、回収したクーラントの温度を取得する温度センサが備えられていてもよい。

４．加工支援システム１の動作
続いて、加工支援システム１の動作について、図６～図８を参照しつつ説明する。

４－１．入力処理（Ｓ１）
図６に示すように、加工支援システム１が始動されると、入力処理（Ｓ１）が実行される。入力処理（Ｓ１）においては、キーボード等の入力装置４を介して作業者から一組の基本入力因子情報が基本入力因子情報取得部３ａに入力される。ただし、ＵＳＢメモリ等の外部記憶装置から一組の基本入力因子情報が基本入力因子情報取得部３ａに入力されてもよい。これにより基本入力因子情報取得部３ａは、一組の基本入力因子情報を取得する。

４－２．入力因子情報生成処理（Ｓ２）
次に、演算処理装置３は、入力因子情報生成処理（Ｓ２）を実行する。詳細に説明すると、入力因子情報生成部３ｂは、取得した一組の基本入力因子情報に含まれる各基本入力因子情報に基づいて、複数組のバリエーション入力因子情報を生成する。

例えば、一組の基本入力因子情報が、基本入力因子情報の一つとして荒仕上分割の態様を含む場合について説明する。上記したように、本形態に係る工作物Ｗはカムシャフトである。カムシャフトに対して実施される荒仕上分割の態様としては、第１～第５カム３１～３５のそれぞれについて、荒仕上分割が実施されるか否かに対応して、２^５通りの態様が考えられる。入力因子情報生成部３ｂは、２^５通りの態様に対応する複数組のバリエーション入力因子情報を生成する。

入力因子情報生成部３ｂは、一組の基本入力因子情報に含まれるすべての因子情報に対して、バリエーション入力因子情報を生成してもよいし、また、一部の因子情報に対して、バリエーション入力因子情報を生成してもよい。

４－３．出力因子情報生成処理（Ｓ３）
次に、出力因子情報生成部３ｃは、出力因子情報生成処理（Ｓ３）を実行する。図７に、出力因子情報生成処理のフローチャートを示す。

出力因子情報生成部３ｃは、記憶装置２から、知識モデルＭを取得する（Ｓ３１）。続いて出力因子情報生成部３ｃは、一組の基本入力因子情報と、複数のバリエーション入力因子情報と、を取得する（Ｓ３２）。

続いて、出力因子情報生成部３ｃは、知識モデルＭに基づいて、一組の基本入力因子情報から、一組の基本出力因子情報を生成する（Ｓ３３）。また、出力因子情報生成部３ｃは、知識モデルＭに基づいて、複数組のバリエーション入力因子情報から、複数組のバリエーション出力因子情報を生成する（Ｓ３３）。

以上により出力因子情報生成処理（Ｓ３）が終了する。出力因子情報生成処理（Ｓ３）が終了すると、選定処理（Ｓ４）が実行される。

４－４．選定処理（Ｓ４）
続いて、図６に示すように、選定部３ｄは、選定処理（Ｓ４）を実行する。図８に選定処理のフローチャートを示す。選定処理（Ｓ４）が実行されると、選定部３ｄは、一組の基本入力因子情報の中から、目標加工精度を取得する（Ｓ４１）。

次に、選定部３ｄは、工作物Ｗの加工精度が変化する変化点を算出する（Ｓ４２）。例えば、工作物Ｗの目標加工精度の一例として振れが含まれる場合、選定部３ｄは、例えば、上記した２^５通りの荒仕上分割の態様について、振れの予測値を算出する。そして、目標振れの前後における荒仕上分割の態様を選定する（Ｓ４３）。

さらに、工作物Ｗの目標加工精度の一例としてサイクルタイムが含まれる場合、選定部３ｄは、例えば、上記した２^５通りの荒仕上分割の態様について、サイクルタイムの予測値を算出する（Ｓ４２）。そして、目標サイクルタイムの前後における荒仕上分割の態様を選定する（Ｓ４３）。

なお、本形態に係る選定基準においては、荒仕上分割が第１～第５カム３１～３５のすべてに実施される場合が、参照例として選定されるようになっている。

以上により選定処理（Ｓ４）が終了する。選定処理（Ｓ４）が終了すると、教示処理（Ｓ５）が実行される。

４－５．教示処理（Ｓ５）
続いて、図６に示すように、教示処理部３ｅは、教示処理（Ｓ５）を実行する。具体的には、教示処理部３ｅは、一組の基本出力因子情報と、少なくとも一組の教示用出力因子情報とを、表示装置５に表示させる。これにより、一組の基本出力因子情報と、少なくとも一組の教示用出力因子情報とが、作業者に教示される。

教示処理（Ｓ５）が終了すると、加工支援システム１の動作が終了する。

５．処理中の入力因子および出力因子の関係
図９を参照して、各種処理中の入力因子および出力因子の関係について説明する。入力処理（Ｓ１）において、基本入力因子情報取得部３ａは、一組の基本入力因子情報を取得する。図９においては、四角形で囲まれた「Ｉｎ １」によって、一組の基本入力因子情報が表されている。

次に、入力因子情報生成処理（Ｓ２）において、入力因子情報生成部３ｂは、一組の基本入力因子情報から複数組のバリエーション入力因子情報を生成する。図９においては、四角形で囲まれた「Ｉｎ ２」～「Ｉｎ ９」によって、８組のバリエーション入力因子情報が表されている。バリエーション入力因子情報の組数は８組に限定されず、任意の組数とすることができる。

出力因子情報生成処理（Ｓ３）において、出力因子情報生成部３ｃは、一組の基本入力因子情報に基づいて、一組の基本出力因子情報を生成する。図９においては、二重線の四角形で囲まれた「Ｏｕｔ １」によって、一組の基本出力因子情報が表されている。出力因子情報生成部３ｃは、複数組のバリエーション入力因子情報に基づいて、対応する複数組のバリエーション出力因子情報を生成する。図９においては、二重線の四角形で囲まれた「Ｏｕｔ ２」～「Ｏｕｔ ９」によって、８組のバリエーション出力因子情報が表されている。バリエーション出力因子情報の個数は、バリエーション入力因子情報と同じである。

選定処理（Ｓ４）において、選定部３ｄは、複数組のバリエーション出力因子情報から、少なくとも一組の教示用出力因子情報を選定する。図９においては、二重線の四角形で囲まれた「Ｏｕｔ ３」、「Ｏｕｔ ４」、「Ｏｕｔ ７」、および「Ｏｕｔ ８」によって、４組の教示用出力因子情報が表されている。教示用因子情報の組数は４組に限定されず、任意の組数とすることができる。

教示処理（Ｓ５）において、教示処理部３ｅは、一組の基本出力因子情報と、少なくとも一組の教示用出力因子情報とを、表示装置５に表示させる。図９においては、二重線の四角形で囲まれた「Ｏｕｔ １」によって表される一組の基本出力因子情報と、選定処理（Ｓ４）において選定された４組の教示用出力因子情報（「Ｏｕｔ ３」、「Ｏｕｔ ４」、「Ｏｕｔ ７」、および「Ｏｕｔ ８」）と、が表示装置５に表示される。

なお、図９に表された内容は、各種処理中の入力因子および出力因子の関係について一般的に説明したものなので、以下に記載する入力因子情報の例、および出力因子情報の例についての説明を限定しない。

６．入力因子情報の例、および出力因子情報の例
続いて、本形態に係る入力因子情報の例、および出力因子情報の例について説明する。ただし、入力因子情報、および出力因子情報の内容、種類は、以下の説明に限定されない。

本形態においては、一組の基本入力因子情報は、目標サイクルタイム、目標振れ、を含む。他の基本入力因子情報については省略する。

本形態においては、選定処理（Ｓ４）において、所定の選定基準に従い、以下の４つの態様が選定される。
・荒仕上分割が第１～第５カム３１～３５のすべてに実施される場合
・荒仕上分割が第２、第３および第４カム３２，３３，３４にのみ実施される場合
・荒仕上分割が第３カム３３にのみ実施される場合
・荒仕上分割が第１～第５カム３１～３５のすべてに実施されない場合

荒仕上分割が第１～第５カム３１～３５のすべてに実施される場合、工作物Ｗの加工精度（例えば振れ）は向上するが、サイクルタイムは長くなる。また、工作物Ｗを研削盤によって加工する際、工作物ＷのうちＺ軸方向について中央付近の領域は、研削加工時に加えられる荷重により撓みやすくなっている。このため、第１～第５カム３１～３５のうち、Ｚ軸方向について中央付近に固定された第３カム３３の加工精度を高めることにより、全体として工作物Ｗの加工精度を高めることができる。このため、一か所のみ荒仕上分割が実施される場合には第３カム３３に実施されることが好ましい。また、複数個所に荒仕上分割が実施される場合には、第３カム３３に実施されるとともに、第３カム３３に対して対称になるように第２カム３２および第４カム３４に実施されることが好ましい。

図１０に、横軸をサイクルタイム、縦軸を振れとして、荒仕上分割の態様によって、サイクルタイムと振れがどのように変化するかを示す。

第１～第５カム３１～３５のすべてに荒仕上分割が実施されない場合、工作物Ｗの振れの予測値は、加工後の工作物Ｗの振れの目標である目標振れとほぼ同じとなっている。工作物Ｗの予測値の上限および下限はエラーバーにより示されている。換言すると、工作物Ｗの振れの予測値は、上限値と下限値の間に振れの目標値を含んでいる。一方、サイクルタイムの予測値は、目標サイクルタイムよりも短くなっている。従来技術においては、振れの予測値の上限が目標振れよりも大きいため、第１～第５カム３１～３５のすべてに荒仕上分割が実施されない場合における出力因子情報は、そもそも計算されないようになっていた。本形態においては、第１～第５カム３１～３５のすべてに荒仕上分割が実施されない場合は、教示用出力因子情報に相当する。

荒仕上分割が第３カム３３にのみ実施された場合、工作物Ｗの振れの予測値は、上限および下限の双方が、目標振れよりも小さくなっている。一方、サイクルタイムの予測値は、目標サイクルタイムよりも短くなっている。従来技術においては、振れの予測値が目標振れよりも小さく、且つ、サイクルタイムの予測値が目標サイクルタイムよりも短いことから、荒仕上分割が第３カム３３にのみ実施された場合が、計算され、且つ、作業者に教示されるようになっていた。本形態においては、荒仕上分割が第３カム３３にのみ実施された場合が、基本出力因子情報に相当する。

荒仕上分割が第２～第４カム３４に実施された場合、工作物Ｗの振れの予測値は、上限および下限の双方が、目標振れよりも小さくなっている。一方、サイクルタイムの予測値は、目標サイクルタイムよりも長くなっている。従来技術においては、サイクルタイムの予測値が目標サイクルタイムよりも長いため、荒仕上分割が第２～第４カム３４に実施された場合における出力因子情報は、そもそも計算されないようになっていた。本形態においては、荒仕上分割が第２～第４カム３４に実施された場合は教示用出力因子情報に相当する。

第１～第５カム３１～３５のすべてに荒仕上分割が実施された場合、工作物Ｗの振れの予測値は、上限および下限の双方が、目標振れよりも小さくなっている。一方、サイクルタイムの予測値は、目標サイクルタイムよりも長くなっている。従来技術においては、サイクルタイムの予測値が目標サイクルタイムよりも長いため、第１～第５カム３１～３５のすべてに荒仕上分割が実施された場合における出力因子情報は、そもそも計算されないようになっていた。本形態においては、第１～第５カム３１～３５のすべてに荒仕上分割が実施された場合は教示用出力因子情報に相当する。

７．本実施形態の作用効果
本形態においては、入力された一組の入力因子情報に対応する一組の出力因子情報と、少なくとも一組の教示用出力因子情報と、が表示される。これにより、複数パターンの加工条件が必要とされる場合や、顧客の要望が変化した場合であっても、一組の入力因子情報を入力するだけで、複数組の出力因子情報を得ることができるので、入力因子情報の入力作業を省力化できる。

本形態においては、一組の基本入力因子情報は、目標加工精度を含み、選定部３ｄは、複数組のバリエーション出力因子情報のうち目標加工精度を基準に少なくとも一組の教示用出力因子情報を選定する。

目標加工精度を含む一組の入力因子情報の入力作業により、工作物Ｗの加工精度について教示用出力因子情報を得ることができる。これにより、工作物Ｗの加工精度について探索するために、複数組の入力因子情報を入力して試行錯誤する必要がないので、入力因子情報の入力作業を省力化できる。

また、本形態においては、選定部３ｄは、目標加工精度の前後における、少なくとも一組の教示用出力因子情報を選定する。

一組の入力因子情報の入力作業により、目標加工精度の前後における教示用出力因子情報を得ることができる。これにより、工作物Ｗの加工精度の前後における出力因子について探索するために、複数組の入力因子情報を入力して試行錯誤する必要がないので、入力因子情報の入力作業を省力化できる。

（実施形態２）
続いて、実施形態２について図１１～図１２を参照して説明する。本形態においては、一組の基本入力因子情報は、工作物Ｗの真円度の目標値である目標真円度を含む。

また、本形態においては、選定処理（Ｓ４）の構成が実施形態１と異なる。図１１に本形態に係る選定処理（Ｓ４）のフローチャートを示す。

選定処理（Ｓ４）が実行されると、選定部３ｄは、一組の基本入力因子情報の中から、選定基準となる目標加工精度を取得する（Ｓ４４）。本形態においては、演算処理装置３は、目標真円度を取得する。

次に、選定部３ｄは、Ｓ４５で、工作物Ｗの物性の予測値を算出する。本形態においては、演算処理装置３は、例えばサイクルタイムについて、下限（例えば２０秒）から上限（例えば１００００秒）まで、増加分１秒ごとに真円度の予測値を算出する。ただし、サイクルタイムの増加分は２秒以上の任意の値であってもよい。

次に、選定部３ｄは、サイクルタイムの下限から上限の範囲内において、工作物Ｗの物性の予測値が変化する予測値変化点を算出する（Ｓ４５）。本形態においては、真円度の予測値が急激に変化する予測値変化点を算出する。

次に、選定部３ｄは、真円度の予測値変化点の前後に対応するサイクルタイムを選定する（Ｓ４６）。つまり、真円度の予測値が急激に変化する前のサイクルタイムと、真円度の予測値が急激に変化した後のサイクルタイムと、を選定する。

図１２に、縦軸を真円度とし、横軸をサイクルタイムとしたときの、真円度の変化を表したグラフに示す。本形態においては、真円度が急激に低下する前の真円度Ｒ１およびサイクルタイムＴ１と、真円度が急激に低下した後の真円度Ｒ２およびサイクルタイムＴ２とが選定される。

なお、実施形態２以降において用いた符号のうち、既出の実施形態において用いた符号と同一のものは、特に示さない限り、既出の実施形態におけるものと同様の構成要素等を表す。

本形態においては、選定部３ｄは、複数組のバリエーション出力因子情報のうち工作物Ｗの加工精度の予測値が変化する予測値変化点を基準に、少なくとも一組の教示用出力因子情報を選定する。

一組の入力因子情報の入力作業により、工作物Ｗの加工精度の予測値が変化する予測値変化点における教示用出力因子情報を得ることができる。これにより、工作物Ｗの加工精度が変化する変化点を探索するために、複数組の入力因子情報を入力して試行錯誤する必要がないので、入力因子情報の入力作業を省力化できる。

選定部３ｄは、予測値変化点の前後における、少なくとも一組の教示用出力因子情報を選定する。

一組の入力因子情報の入力作業により、予測値変化点の前後における教示用出力因子情報を得ることができる。これにより、工作物Ｗの加工精度が変化する変化点の前後における出力因子情報を探索するために、複数組の入力因子情報を入力して試行錯誤する必要がないので、入力因子情報の入力作業を省力化できる。

一組の基本入力因子情報は、目標サイクルタイムを含み、複数組のバリエーション入力因子情報は、一組の基本入力因子情報と異なる目標サイクルタイムを含む。

一組の入力因子情報の入力作業により、複数の目標サイクルタイムを得ることができる。これにより、得られた複数の目標サイクルタイムに基づいて、出力因子情報として複数のサイクルタイムを得ることができる。この結果、サイクルタイムについて探索するために、複数組の入力因子情報を入力して試行錯誤する必要がないので、入力因子情報の入力作業を省力化できる。

（実施形態３）
続いて、実施形態３について説明する。本形態においては、一組の基本入力因子情報として、例えば、表１に記載された因子情報が含まれる。

表１に示すように、本形態に係る一組の基本入力因子情報は、目標サイクルタイム（１００秒）、目標真円度（２μｍ）および目標振れ（２０μｍ）を含む。

演算処理装置３は、教示処理（Ｓ５）により、表２に示す基本出力因子情報を表示装置５に表示させる。

表２に示すように、基本出力因子情報は、サイクルタイム予測値、真円度予測値、振れ予測値、インターバル予測値を含む。インターバル予測値に係るインターバルは、ツルーイングインターバルとしてもよいし、また、ドレスインターバルとしてもよい。

基本出力因子情報に含まれる各予測値は、基本入力因子情報に含まれる各目標値に適合するように算出される。具体的には、サイクルタイム予測値（９９秒）は、目標サイクルタイム（１００秒）よりも短く、真円度予測値（１．０～１．５μｍ）は、目標真円度（２μｍ）よりも小さく、振れ予測値（３～１０μｍ）は、目標振れ（２０μｍ）よりも小さい。また、本形態に係る基本出力因子情報のインターバル予測値は５０本とされる。

さらに演算処理装置３は、記憶装置２に記憶された選定基準に基づいて、複数組のバリエーション出力因子情報から、表３～７に記載された教示用出力因子情報を選定し（Ｓ４）、教示処理（Ｓ５）により、教示用出力因子情報を表示装置５に表示させる。以下に、各表に記載された教示用出力因子情報と、選定基準について説明する。

表３に記載された教示用出力因子情報は、表２に係る基本出力因子情報に含まれるインターバル予測値よりも、所定量大きなインターバル予測値を含むバリエーション因子情報を選定するという選定基準に基づいて選定された。本形態では、基本出力因子情報に係るインターバル予測値（５０本）よりも５０本多い、１００本のインターバル予測値を含む一組のバリエーション出力因子情報が選定された。

表２に記載された基本出力因子情報と、表３に記載された教示用出力因子情報とを比較すると、表３に係るサイクルタイム予測値（１０９秒）は、表２に係るサイクルタイム予測値（９９秒）よりも長い。

表４に記載された教示用出力因子情報は、表２に係る基本出力因子情報に含まれる振れ予測値よりも、所定量精度が向上された振れ予測値を含むバリエーション出力因子情報を選定するという選定基準に基づいて選定された。本形態では、表２に記載された基本出力因子情報に係るインターバル予測値（５０本）と同じ、５０本のインターバル予測値に対応する一組のバリエーション出力因子情報が選定された。

表２に記載された基本出力因子情報と、表４に記載された教示用出力因子情報とを比較すると、表４に係るサイクルタイム予測値（１０９秒）は、表２に係るサイクルタイム予測値（９９秒）よりも長い。また、表４に係る振れ予測値（０～３μｍ）は、表２に係る振れ予測値（３～１０μ）よりも小さい。

表５に記載された教示用出力因子情報は、表２に係る基本出力因子情報に含まれる振れ予測値よりも、所定量精度が向上された振れ予測値を含むバリエーション出力因子情報を選定するという選定基準と、表２に記載されたインターバル予測値（５０本）よりも５０本多い、１００本のインターバル予測値に対応する一組のバリエーション出力因子情報を選定するという選定基準と、に基づいて選定された。

表２に記載された基本出力因子情報と、表５に記載された教示用出力因子情報とを比較すると、表５に係るサイクルタイム予測値（１１９秒）は、表２に係るサイクルタイム予測値（９９秒）よりも長い。また、表５に係る振れ予測値（０～３μｍ）は、表２に係る振れ予測値（３～１０μ）よりも小さい。また、表４に係るインターバル（１００本）は、表２に係るインターバル(５０本)よりも多い。

表６に記載された教示用出力因子情報は、表２に係る基本出力因子情報に含まれるサイクルタイム予測値よりも、所定量短くされたサイクルタイム予測値を含むバリエーション出力因子情報を選定するという選定基準に基づいて選定された。表６においては、表２に記載されたサイクルタイム予測値（９９秒）よりも１０秒短い、８９秒のサイクルタイム予測値に対応する一組のバリエーション出力因子情報が選定された。

表２に記載された基本出力因子情報と、表６に記載された教示用出力因子情報とを比較すると、表６に係るサイクルタイム予測値（８９秒）は、表２に係るサイクルタイム予測値（９９秒）よりも短い。

表７に記載された教示用出力因子情報は、表２に係る基本出力因子情報に含まれるサイクルタイム予測値よりも、所定量短くされたサイクルタイム予測値を含むバリエーション出力因子情報を選定するという選定基準に基づいて選定された。表７においては、表２に記載されたサイクルタイム予測値（９９秒）よりも２０秒短い、７９秒のサイクルタイム予測値に対応する一組のバリエーション出力因子情報が選定された。

表２に記載された基本出力因子情報と、表７に記載された教示用出力因子情報とを比較すると、表７に係るサイクルタイム予測値（７９秒）は、表２に係るサイクルタイム予測値（９９秒）よりも短い。また、表７に係る真円度予測値（１．５～２．０μｍ）は表２に係る真円度予測値（１．０～１．５μｍ）よりも大きい。また、表７に係るインターバル予測値（３０本）は、表２に係るインターバル予測値（５０本）よりも少ない。

本形態においては、入力された一組の入力因子情報に対応する一組の出力因子情報と、少なくとも一組の教示用出力因子情報と、が表示される。これにより、複数パターンの加工条件が必要とされる場合や、顧客の要望が変化した場合であっても、一組の入力因子情報を入力するだけで、複数組の出力因子情報を得ることができるので、入力因子情報の入力作業を省力化できる。

（実施形態４）
続いて、実施形態４について説明する。本形態においては、入力因子情報生成処理（Ｓ２）の動作が実施形態１と異なる。

本形態に係る入力因子情報生成処理（Ｓ２）において、入力因子情報生成部３ｂは、一組の基本入力因子情報を取得する。次に、入力因子情報生成部３ｂは、記憶装置２から、一組の基本入力因子情報に含まれる加工装置６の機械構成情報とは異なる、他の加工装置６の機械構成情報を取得する。

次に、入力因子情報生成部３ｂは、一組の基本入力因子情報に含まれる加工装置６の機械構成情報を、他の加工装置６の機械構成情報と置き換えることにより、複数組のバリエーション入力因子情報を生成する。

本形態においては、一組の基本入力因子情報は、加工装置６の機械構成情報を含み、複数組のバリエーション入力因子情報は、一組の基本入力因子情報とは異なる他の加工機の機械構成情報を含む。

一組の入力因子情報の入力作業により、入力された加工装置６とは異なる他の加工装置６を用いた場合の教示用出力因子情報を得ることができる。これにより、加工装置６を変更した場合の出力因子情報を探索するために、複数組の入力因子情報を入力して試行錯誤する必要がないので、入力因子情報の入力作業を省力化できる。

（実施形態５）
続いて、実施形態５について図１３～図１４を参照して説明する。図１３に、本形態に係る加工支援システム１のフローチャートを示す。

図１３に示すように、本形態に係る加工支援システム１が始動されると、入力処理（Ｓ１）が実行される。入力処理においては、キーボード等の入力装置４を介して作業者から一組の基本入力因子情報が演算処理装置３に入力される。

次に、機械学習処理（Ｓ６）が実行される。図１４に示すように、機械学習処理（Ｓ６）が実行されると、演算処理装置３は、一組の基本入力因子情報を取得する。次に、演算処理装置３は、記憶装置２から、選定処理（Ｓ４）において演算処理装置３がバリエーション出力因子情報から教示用出力因子情報を選択する際に用いられる選定基準を取得する。

次に、演算処理装置３は、一組の基本入力因子情報を訓練データとして、機械学習を実行する。これにより、知識モデルＭにおける少なくとも一組の教示用出力因子情報の選定基準が更新される。演算処理装置３は、更新された選定基準を記憶装置２に記憶させる。これにより、機械学習処理（Ｓ６）が終了する。

図１３に示すように、機械学習処理（Ｓ６）が終了すると、入力因子情報生成処理（Ｓ２）が実行される。以降の処理は、実施形態１と同様なので、説明を省略する。

本形態においては、入力された一組の基本入力因子情報を訓練データとして、機械学習により知識モデルＭにおける少なくとも一組の教示用出力因子情報の選定基準が更新される。

加工支援システム１に入力される一組の基本入力因子情報は、加工支援システム１を使用するユーザの要望に沿ったものとなっている。このため、ユーザから要望された一組の基本入力因子情報が学習されることによって知識モデルＭにおける少なくとも一組の教示用出力因子の選定基準が更新されることにより、ユーザの要望により適応した教示用出力因子を、精度よく得ることができる。

本発明は上記各実施形態に限定されるものではなく、その要旨を逸脱しない範囲において種々の実施形態に適用することが可能である。

工作物Ｗの加工精度の予測値が変化する変化点を基準にして教示用出力因子情報を選定する際、工作物Ｗの加工精度の種類は、真円度、振れ、表面粗さ等、任意のものを選択できる。

工作物ＷのＣＰ値を基準にして選定されたＣＰ値の予測値を、教示用出力因子情報として教示する構成としてもよい。

１ 加工支援システム、２ 記憶装置、３ 演算処理装置、３ａ 基本入力因子情報取得部、３ｂ 入力因子情報生成部、３ｃ 出力因子情報生成部、３ｄ 選定部、３ｅ 教示処理部、６ 加工装置、Ｍ 知識モデル、Ｗ 工作物

Claims (8)

1. 加工装置による工作物の加工における因子同士の関係性を定義した知識モデルを活用した加工支援システムであって、
   前記知識モデルを格納する記憶装置と、
   前記知識モデルを用いて演算する演算処理装置と、
   を備え、
   前記演算処理装置は、
   一組の基本入力因子情報を取得する基本入力因子情報取得部と、
   前記一組の基本入力因子情報に基づいて、前記一組の基本入力因子情報と異なる複数組のバリエーション入力因子情報を生成する入力因子情報生成部と、
   前記知識モデルに基づいて、前記一組の基本入力因子情報に対応する一組の基本出力因子情報と、前記複数組のバリエーション入力因子情報に対応する複数組のバリエーション出力因子情報と、を生成する出力因子情報生成部と、
   前記複数組のバリエーション出力因子情報から少なくとも一組の教示用出力因子情報を選定する選定部と、
   前記一組の基本出力因子情報を教示するとともに、選定された少なくとも前記一組の教示用出力因子情報を教示する教示処理部と、
   を備える、加工支援システム。
2. 前記選定部は、前記複数組のバリエーション出力因子情報のうち前記工作物の加工精度の予測値が変化する予測値変化点を基準に、少なくとも前記一組の教示用出力因子情報を選定する、請求項１に記載の加工支援システム。
3. 前記選定部は、前記予測値変化点の前後における、少なくとも前記一組の教示用出力因子情報を選定する、請求項２に記載の加工支援システム。
4. 前記一組の基本入力因子情報は、目標加工精度を含み、
   前記選定部は、前記複数組のバリエーション出力因子情報のうち前記目標加工精度を基準に少なくとも前記一組の教示用出力因子情報を選定する、請求項１に記載の加工支援システム。
5. 前記選定部は、前記目標加工精度の前後における、少なくとも前記一組の教示用出力因子情報を選定する、請求項４に記載の加工支援システム。
6. 前記一組の基本入力因子情報は、目標サイクルタイムを含み、
   前記複数組のバリエーション入力因子情報は、前記一組の基本入力因子情報と異なる目標サイクルタイムを含む、請求項１に記載の加工支援システム。
7. 前記一組の基本入力因子情報は、前記加工装置の機械構成情報を含み、
   前記複数組のバリエーション入力因子情報は、前記一組の基本入力因子情報とは異なる他の加工機の機械構成情報を含む、請求項１に記載の加工支援システム。
8. 入力された前記一組の基本入力因子情報を訓練データとして、機械学習により知識モデルにおける少なくとも前記一組の教示用出力因子情報の選定基準が更新される、請求項１に記載の加工支援システム。

Images