JP5801564B2 - レーザ加工処理の品質を監視する方法及びこれに対応するシステム - Google Patents

Description

本発明はレーザ加工処理、特に切断又は溶接処理の品質を監視する方法及びこれに対応するシステムに関する。

切断や溶接例えばレーザ切断や溶接、被覆や熱処理のような加工処理の処理中の技術パラメータのリアルタイム調整及び一定加工品質の維持は、工業生産や製品品質に大きな影響を与える。切断や溶接機により行われる高性能加工により、生産の最適化と証明、さらに廃棄物の減少が可能となる。

これに関して、オペレータ又は試験片の分析により、オフラインで作動する専用計器を用いて生産の管理や品質の証明を行うことは公知である。これには、生産が如何なる場合にも機械に対して責任をもつオペレータにより監視され、悪い加工品質の修正が生産を停止してオフラインで切断や溶接の技術パラメータを経験的に調整することにより行われる限り、欠点がある。

切断や溶接の品質を監視する方法も同様に公知であり、それは生産中にオンラインで行われ、監視用の基準信号を使用するが、粗悪な加工の修正や技術パラメータのリアルタイム調整ができない。技術パラメータの調整や修正はオペレータの経験に委ねられている。

本発明は、前記事情に適合するもので、さらなる改良を提供すること、特に、オンライン中に、リアルタイムで、人間を介在することなく、監視の精度を向上し、技術パラメータの調整及び修正を可能にすることを目的とする。

本発明によると、前記目的は、第１の請求項の主題を形成する特徴を有する監視方法及びこれに対応するシステムによって達成される。さらに、従属の請求項の特徴により同様に利点が得られる。

本発明は、さらに、コンピュータのメモリに直接ロードすることができるコンピュータプログラム製品に関し、該製品は、精度を高めるために、コンピュータ上で動作すると前記方法を実行するソフトウェアコードの部分からなる。前記方法の好ましい実施形態は従属の請求項に示されている。

以下、単に限定されない実施例として提供された添付の図面を参照して、本発明を説明する。

本発明による方法を実施する加工システムの透視図である。 本発明による方法を示すブロック図である。 本発明による方法に関する工程を示す。 本発明による方法に関するさらなる工程を示す。

詳細には、本発明による監視方法は、以下の動作を通して、工業生産中にレーザ加工処理特にレーザ切断又は溶接の一定の品質を保証するように動作する。
−加工処理の品質を示す信号のリアルタイム取得
−所望の加工品質を示す参照パラメータ（エネルギー閾値）の生成
−処理信号のリアルタイム処理
−加工品質及び起こり得るタイプの欠陥の識別
−加工動作特にレーザ切断又は溶接の技術パラメータのリアルタイム調整による加工処理の制御及び起こり得る欠陥の修正

従って、加工処理中の所望の品質の維持は、処理品質を示す信号の分析に基づいており、所望の品質又は如何なる場合にも所定の品質を有する標準又は参照部品の加工中に生成又は取得される信号から得られる所定のパラメータを参照する。

前述の動作は、好ましくは、工作物の形状と処理の品質の識別からなり、この識別は、機械の数値制御モジュールのレベルで、加工される各部品の加工すなわち切断又は溶接動作の品質の識別を予測する。換言すれば、数値制御モジュールは、工作物の各所定の部分がどのように何時加工されるか、すなわち、どの時間的瞬間に品質が評価され、加工経路（例えば、切断曲線）のどの地点がその瞬間に相当するかを考慮して、動作する。工作物の形状と処理の品質との間の関連性は、切断品質のリアルタイムの識別を好む。すなわち、監視の動作は所定の決定論的時間の間で、かつ、数値制御モジュールが制御する所定の決定論的（deterministic）空間で行われる。

図１は、本発明による方法を実施するのに適した例として設けられたレーザ加工機の原理的ブロック図であり、そこでは例えば溶接又は切断操作のためのレーザ加工ヘッドが５１０で示され、該加工ヘッドは溶接又は切断レーザビーム５３０を工作物５２０に放射する。ヘッド５１０は、アクチュエータ５５０のシステムを通して多軸で動作するように移動可能に装着されている。アクチュエータ５５０のシステムは、軸に沿って加工ヘッド５１０を変位させるためのアクチュエータからなり、また同様に処理パラメータを調整するためのアクチュエータからなる。レーザ加工ヘッド５１０は、処理中すなわち溶接中に工作物５２０例えば溶融池（weld pool）で反射する放射線Ｒを受ける光学センサ５４０を支持している。光学センサ５４０の信号は増幅器６１０で増幅され、取得（acquisition）カード６２０例えばアナログ−デジタルコンバータにより取得され、処理信号Ｘｐを生成し、該信号は処理システム７００例えばパーソナルコンピュータ又は他のコンピュータ又はプロセッサのシステムに送信される。処理信号Ｘｐは、非管理状態、例えば加工品質を管理するオペレータが不在である状態で、例えば機械を用いた通常の加工中に発信される信号である。処理システム７００は、アクチュエータ５５０のシステムの加工アクチュエータを制御するモジュール４００を介して、リアルタイム駆動するように適合されている。処理システム７００は、数値制御機械及び加工ロボットの公知の制御基準に従って、機械により実行される加工プログラム及び設定値に応じて、前記制御を実行する。前記状況において、処理システム７００は、とりわけ、レーザビームの出力値（power value）、切断/溶接動作の圧力値、おそらくは金属シート上のレンズの焦点位置の値のようなスタンドオフ（standoff）調整値を供給する。「スタンドオフ」とは金属シートからの例えば工具の中心点（ＴＣＰ）の距離を意味する。スタンドオフは、例えば切断/溶接処理を通して、既知の値に制御されなければならない。本発明の重要な局面によれば、処理システム７００は、処理信号Ｘｐから導かれる処理品質に関する情報に基づいて、アクチュエータ制御モジュール４００上で、加工特にレーザ切断又は溶接の技術パラメータのリアルタイム調整又は修正を行うために構成されている。

図２は、本発明による方法を示すブロック図である。

ブロック５００は、加工処理、例えばレーザ切断又は溶接の処理を表す。切断又は溶接処理は図１を参照して説明したようなレーザ機４００により行われる。ブロック６００は切断/溶接処理の品質を示す信号のリアルタイム取得動作を表し、例えば図１のモジュール６１０と６２０を使用することができる。したがって、動作６００は、例えばレーザ加工処理中に反射される放射線Ｒを検出するレーザ加工処理の近傍にあるセンサ５４０のような光学センサの設定を含む。反射放射線Ｒの強度の値を表す光学センサ５４０の信号は、処理システム７００に伝送される前に、増幅され、場合により変換されて、処理信号Ｘｐ、すなわちある瞬間に取得された反射放射線の強度の時間的に連続した値を得る。

前記処理信号Ｘｐすなわちレーザ切断/溶接動作注に生成された反射放射線の値は、それが一般に処理５００の品質を表す情報を得る処理を受けることができるために、取得される。

このために、初期段階では、レーザ切断/溶接動作中に生成される反射放射線の値は、例えばローパスフィルタを介してフィルタにかけ、時間周波数表現で分析することができ、そして関心のある周波数帯域を特定するための分解処理を受けることができる。このようにして、２つの有意（significant）な周波数帯域Ｂ１とＢ２、すなわち、ここではＦ１とＦ２で示される２つの特定周波数の回りの処理信号Ｘｐのスペクトルの周波数間隔が特定され、これらは処理の品質の表現とみなされる。前記帯域は、前記周波数Ｆ１とＦ２の回りの例えば数ヘルツの振幅を有することができる。前記有意な周波数Ｆ１とＦ２は、加工品質がレーザ処理中に変化するにつれてエネルギーが変化する周波数帯域、例えば最も大きい変化を表す帯域を求めることによって、特定される。これに対し、ここで説明する監視方法が準最適周波数帯域Ｂ１とＢ２の選択の存在下で動作することは、この明細書の続編から明らかになる。有意周波数Ｆ１とＦ２は、好ましくは産業事情で取得し得る周波数範囲内にあるレーザ加工処理の周波数である。一例として、前記値は数キロヘルツのオーダーである。前述した有意周波数の検索の動作は、一般に加工ステップと異なる分析ステップで行われ、周波数値Ｆ１とＦ２は所望の処理で使用するために処理モジュール７００に保存される。有意周波数値Ｆ１とＦ２の識別は、例えば工場内設定として、一般に１回だけ計算することができる。本発明による監視方法は、ある加工動作が実行されているときはいつでも、必ずしも時間周波数分布の計算を必要としないが、予め既知である周波数Ｆ１とＦ２でフィルタリング例えばバンドパスフィルタだけ要求とする。

前記周波数Ｆ１とＦ２での処理信号Ｘｐの帯域Ｂ１とＢ２と、センサ５４０からの前記処理信号Ｘｐの直流電圧成分ＤＣと、加工方向例えば切断方向ＤＩＲとが、品質解析に使用される。処理信号Ｘｐの直流電圧成分ＤＣは、フィルタリング動作を介して取得することができる。したがって、ここで提案された方法は、好ましくは、処理信号Ｘｐから有意エネルギー２００の抽出の動作の実行を想定しており、この動作は事前に処理信号Ｘｐのフィルタリング例えばローパスフィルタリングに進むことからなる。次に、ステップ３１０では、２つの帯域通過フィルタリングが適用されて、有意周波数Ｆ１とＦ２に対応する２つの帯域Ｂ１とＢ２を得る。このようにして、有意周波数Ｆ１とＦ２に対する帯域、又は帯域幅を選択する。ステップ２２０で、有意周波数Ｆ１とＦ２に相当する前記帯域Ｂ１とＢ２に対するエネルギーＥ１とＥ２が計算される。エネルギーＥ１とＥ２は、時間領域（time domain）における信号のエネルギーの計算用の式を使用して計算される。時間領域における一般信号をＸ^ＢＰｉ _Ｌと指定し、ここでＢＰｉはそれぞれの信号の帯域とすると、対応するエネルギーＥ^ＢＰｉ _Ｌは、

である。

ステップ２１０と２２０における処理信号Ｘｐの取得６００とそれに続く処理は、一定
で且つ決定論的（deterministic）時間間隔における所定の瞬間(リアルタイム)に行われる。一例として、好ましくは１０ミリ秒のオーダーとすることができる決定論的時間間隔の間、ある値が取得され、前記時間間隔の間、品質の監視および技術パラメータの可能な修正が行われる。

さらに、機械の軸の位置の特定の幾何学的位置と、したがって加工経路の地点とに対する各取得動作６００の関連付け（association）が想定されている。これは、好ましくは、機械補間（machine interpolator）(図１と２には不図示)によって行われる。機械補間とアクチュエータのサーボ制御とからなるレーザ機械に対するリアルタイムサーボ制御構造は、一般に公知であり、ここでは詳細に説明しない。

加工処理の分析のモードを開始する前に、基準可能に関する処理信号である基準信号Ｘｒに対する基準パラメータを得ることが想定されている。前記基準信号Ｘｒを作成するために、標準又は基準の加工を実行することが想定され、例えば、所望の又は所定の加工品質を備えた所定の像を切断することが想定されている。各加工に対して基準信号Ｘｒが取得される。すなわち、その基準信号Ｘｒは品質を監視することが望まれているあるタイプの加工を規定するある材料、厚さ、焦点距離の値、及び他のパラメータに対して特有である。基準信号Ｘｒは、機械技術データベースに保存されている周波数Ｆ１とＦ２に対する閾値エネルギー又は基準エネルギーＥ１ｒとＥ２ｒと、直流基準ＤＣｒのような基準パラメータを提供する。

次に、処理信号のＸｐのエネルギーを、所定の品質基準に対して調整するために、保存された基準信号Ｘｒと比較することが想定されている。具体的には、前記比較は、分割器２３０でエネルギーＥ１とＥ２と、センサの信号Ｘｐの直流電圧成分ＤＣを正規化することからなる。センサの信号Ｘｐの直流電圧成分ＤＣは、モジュール２１５を介して得られ。モジュール２１５は、例えば、基準信号Ｘｒの獲得中に計算される基準閾値に対するシンプルフィルタリング動作を行う。すなわち、正規化された数量Ｅ１/Ｅ１ｒ、Ｅ２/Ｅ２ｒ、ＤＣ/ＤＣｒが得られる。これらは、図２に正規化信号Ｎ１，Ｎ２及びＮＤＣとしてそれぞれ示されている。

正規化信号Ｎ１，Ｎ２及びＮＤＣは、処理信号Ｘｐの方向ＤＩＲに関する情報とともに、品質分析の根底にある。

一般に方向ＤＩＲに関する情報なしに動作することが可能であるとしても、前記方向ＤＩＲに関する情報は、現実のシステム及び方法に通常存在する処理の非対称性と異常性（aberration）を考慮することが重要である。

例えば１０ミリ秒のオーダーのリアルタイムを規定する決定論的時間間隔に基づいて、例えば前述したように固定された、連続した瞬間に獲得される処理信号Ｘｐの値は、前述したように正規化され、前記正規化された信号、Ｎ１，Ｎ２，ＮＤＣ，ＤＩＲは、加工処理の分析の手順３００の統計的モデルのデータの観測（observation）ｘを構成するように、マトリックスに配置される。

これに関連して、図２にはメモリモジュールが１４０で示され、例えば、加工処理を制御する処理モジュール７００に配置されている。処理モジュール７００は、訓練（trained）モデルθ_ｋを規定する統計パラメータ（μ_ｋ，Σ_ｋ，Δ_ｋ）のセットを記憶し、ここで、μ_ｋは平均値、Σ_ｋは共分散マトリックス、Δ_ｋは遷移マトリックスである。統計パラメータ（μ_ｋ，Σ_ｋ，Δ_ｋ）のセットは、図４を参照して後により明確に説明するモデルの訓練工程中に取得される。これらは、種々の加工条件に対するモデルを特定する統計式の係数であり、光診断に関連して説明する加工不良の状態、良好な加工の状態、その他の加工状態に対応する。

品質分析３００の処理は、所定のクラス、又はモデル、データの各観測ｘが属するもの、すなわちメンバーの確立であり、本実施例ではｘは４つのデータのセット、すなわち、データマトリックスＮ１，Ｎ２，ＮＤＣ，ＤＩＲである。

これに関連して、ステップ３１０では、確率の計算、特に、ｄ−次元ガウス確率密度関数が方程式により行われる。方程式は、定数として、訓練ステップを介して取得され、メモリ１４０から入手可能であるモデルθ_ｋの統計パラメータ（μ_ｋ，Σ_ｋ，Δ_ｋ）を有し、変数として、観測ｘ、すなわち、正規化信号Ｎ１，Ｎ２，ＮＤＣと、ある瞬間に獲得される加工方向ＤＩＲの値とを有する。これらは、正規化された数量の２ｘ２マトリックスに配置され、第１列に正規化エネルギーＮ１とＮ２、第２列に正規化された直流成分ＮＤＣと加工方向ＤＩＲを有する。

種々の実施形態では、正規化数量のマトリックスは、正規化数量Ｎ１，Ｎ２，ＮＤＣ，ＤＩＲの関数を含むことができる。

確率方程式は、前述したように、ｄ−次元のガウス確率密度関数ｇ（前述した観測ｘのマトリックスの場合には前記次元ｄは２である）によって規定され、各データ観測に対して、次の式によって与えられる。

ここで、ｘは処理信号Ｘｐ、すなわち、前述したマトリックスを獲得することによってある瞬間に得られた瞬間観測であり、μは平均値のベクトル、Σは共分散マトリックスである。一般訓練モデルθの統計量μとΣは、ｄ−次元のガウス確率密度関数を表す式の定数である。ｄ−次元のガウス確率密度関数を表す式は、異なるモデルθ_ｋの各々に個別に適用され、観測ｘがある瞬間に獲得される確率が属する評価されるべきモデルθ_ｋと同じくらい、多くの確率密度を生成する。

確率は観測ｘが所定のクラス又はモデルθ_ｋに属する場合に最大であるので、欠陥識別ステップ３３０において、各確率密度データは分類される。具体的には、ステップ３３０は、下記ベイジアン（Bayesian）決定ルールの原理に従って動作する。

前記一般式は、モデルΘとして識別されたパラメータの公知のセットに特徴付けられたクラスｑ_ｋのセット（モデルθ_ｋに相当する）から出発して、その事後（posteriori）確率が最大であるなら、一般にｘとして規定されるある観測は、一つのクラスｑ_ｋに属する、ことを示している。すなわち、観測ｘは、それがｋ番目のクラスに属する確率がｊ番目のクラスに属する確率よりも大きいことが証明される場合には、所定のクラスｑ_ｋに属する。

ベイズの法則は、事後確率が下記であることを使用する。

２つのベクトルは、それらが等確率（equiprobable）であれば、同じクラスに属する。これは、確率Ｐ（Ｘ｜Θ）が一定であれば生じる。これは、確率Ｐ（ｑ_ｋ｜Ｘ，Θ）がＰ（Ｘ｜ｑ_ｋ，Θ）Ｐ（ｑ_ｋ｜Θ）に比例すれば起こる。

下記対数形式で演算を実行すると、

対数最大可能性、logＰ（ｑ_ｋ｜Ｘ，Θ）の計算が行われる。

これは、加工の欠陥の状態及び良好な加工の状態を表すモデルθ_ｋに対して、ある瞬間での処理信号Ｘpの値により識別される加工処理の特定の状態の識別を可能にし（ステップ３３０）、加工の品質が良好か不良かを識別する。欠陥が識別された場合、欠陥Ｄの原因がさらに識別される。前記欠陥Ｄの原因は技術パラメータ３４０を調整するモジュールに供給され、該モジュールはアクチュエータ制御モジュール４００を制御する。

したがって、加工処理の制御と任意の起こり得る欠陥の修正とを、レーザ加工特に切断又は溶接の技術パラメータのリアルタイム調整により、実行することが可能である。

加工処理の特定の状態と、処理５００の起こり得る欠陥Ｄの原因とが識別されると、次のステップは、技術パラメータを調整するモジュール３４０を介しての技術的加工パラメータの自動修正である。モジュール３４０は修正指示Ｃを発行する。処理の欠陥が存在する場合、次のステップは、パラメータ、例えばレーザ圧力又はレーザーパワー、又は焦点距離の値、又は軸の速度、あるいは低い切断又は溶接の品質レベルを生成するスタンドオフ（standoff）の修正である。

修正動作が例えば後続のステップで実行され、加工処理の所望の品質を回復するために必要な回数、前記ステップの繰り返しが継続される。異なる原因の欠陥Ｄの同時識別が存在する場合、影響が最大である技術パラメータが最初に修正され、それから他のパラメータが修正される。これは、特にベイジアン分類を用いる識別のステップ３３０に対して前述した確率の研究が、行うべき技術的修正に関する介入の優先度を与える、というに等しい。この場合、実際に、全てのモデルに対する確率を計算することが想定されている。その対応する欠陥が最も高い確率を生じるものである修正が行われるが、既に行った修正が最も高い確率に相当する場合には、２番目に高い確率が考慮される。

好ましくは、欠陥の修正は、多くの欠陥が互いに存在するときでも、１つの欠陥を考慮して、一度に行われる。そして、最初の修正が終了すると、２番目が開始される。一般に、所望の品質が達成される単一セットの技術パラメータは存在しないが、種々のセットが存在すると、考えられる。このため、本方法は、１セットの選択されたパラメータよりも、所望の品質に常に等しい品質を得るように動作することが好ましい。

加工処理中に識別された欠陥Ｄの原因によると、あるワード、例えば１６ビットのワードが技術パラメータを調整するモジュール４００に送られ、該モジュール４００は機械の数値制御モジュールであり、例えばアクチュエータのシステム５５０の処理パラメータを調整する対応のアクチュエータを介して、技術パラメータを調整し、加工品質を向上する。レーザ切断の技術パラメータの調整は、例えば、切断品質が処理中に常に良好であるように、実行される。切断処理中に調整されるパラメータは、例えば、
−焦点距離
−切断速度
−切断圧力
−レーザパワー及び
−切断スタンドオフ
である。

信号と訓練モデルとの比較による技術パラメータの調整は、処理パラメータの修正だけでなく、レーザビームが工作物に伝搬される光学システムの診断を想定してもよい。

例えば、光学システムの欠陥が加工欠陥の識別の方法に影響を与えるか否かを確認することが望ましい場合には、加工が行われる領域に、加工経路の外側であるが、加工具が届く範囲に、加工ヘッド５１０に光学センサ５４０に向かって放射線を放出するのに適した放射線センサ例えばＬＥＤを設けてもよい。その源、例えば機械のレーザ放射線源は、ヘッド５４０がＬＥＤの位置に達したときに遮断される。これより、光学センサ５４０は好ましくは加工処理の特性に類似した公知の特性を有する光放射線を受ける。しかし、前記放射線は、光学システムによって導入された起こり得る欠陥に影響を及ぼさないし、光学システムの下流で発生する信号に対して、図２に記載のもののように、分析処理３００が実行されるのを可能にする。前記条件において、動作が欠陥状態に出合ったとしても、光学システムには欠陥がある。さらに詳しくは、光学システムの１又はそれ以上の特定の欠陥を認識するそれぞれのモデルを訓練することが想定されている。

したがって、本発明のさらなる特徴によると、加工処理５００のそれぞれの状態を識別する複数の統計的モデルθ_ｋは、レーザ機械の光学システムの１又はそれ以上の特定の欠陥を認識するように訓練された加工処理の状態を認識する少なくとも１つのモデルからなり、そこでは、機械の光学システムに関する診断を実行するために、処理信号Ｘｐはレーザ機械の加工レーザと異なる源によって決定される。前記状態を認識するモデルは、加工欠陥を監視する処理の外側で、光学システムの欠陥を監視する機能を実行するために、自動的に訓練され使用されことは、理解されるであろう。

図３は、有意（significant）エネルギーの抽出の動作２００が適用される基準信号Ｘｒの処理を示す。ステップ２１０において、有意周波数Ｆ１とＦ２に相当する２つの帯域Ｂ１とＢ２に２つの帯域フィルタリングを適用することにより、前記２つの帯域Ｂ１とＢ２で基準信号Ｘｒを得る。次に、ステップ２２０において、前記帯域Ｂ１とＢ２に対して基準エネルギーＥ１ｒとＥ２ｒが演算される。基準エネルギーＥ１ｒとＥ２ｒは、前述したように、機械技術データベース１３０に保存されている信号の閾値を表す。直流基準信号ＤＣｒが、ブロック２１５で行われるフィルタリング動作を介して、基準信号Ｘｒから獲得され、機械技術データベース１３０に保存される。前述したように、前記動作は例えば加工の開始時に１回行われ、基準信号Ｘｒから取得される閾値は加工中の品質を監視するのに使用され、例えば前記監視を監督することは必要とされない。

図４は、統計モデルθ_ｋを構成する訓練ステップを詳細に表す計画を示す。

前記統計的モデル構造の動作は、レーザ機械の加工、切断/溶接の種々の状態のモデルを特定する統計式の係数のオフライン計算を想定している。モデルの訓練は、データ収集のためのテストのキャンペーンと通して実行される。データ収集では、種々の加工モデルすなわちレーザ機械の切断/溶接に対して収集される。例えば、以下に関するデータが収集される。
−例えば圧力、パワー、焦点距離の異なるパラメータを用いる良好な結果の切断/溶接
−高い焦点位置のために不良な結果の切断/溶接
−低い焦点位置のために不良な結果の切断/溶接
−高い切断/溶接圧力のために不良な結果の切断/溶接
−低い切断/溶接圧力のために不良な結果の切断/溶接
−高い切断/溶接速度のために不良な結果の切断/溶接
−低い切断/溶接速度のために不良な結果の切断/溶接
−高いレーザパワーのために不良な結果の切断/溶接
−低いレーザパワーのために不良な結果の切断/溶接
−切断/溶接処理中の間違ったスタンドオフ位置のために不良な結果の切断/溶接

前記データ収集の各々は、それぞれの統計モデルθ_ｋを決定し、この統計モデルθ_ｋは対応するｋ番目の切断/溶接処理の状態を特定する。

収集データが例えば上に例示された１０のものである場合、訓練の終わりに、１０の統計モデルθ_ｋが取得される。
１．良好な切断/溶接モデル
２．不良な切断/溶接モデル−高い焦点位置
３．不良な切断/溶接モデル−低い焦点位置
４．不良な切断/溶接モデル−高い切断/溶接圧力
５．不良な切断/溶接モデル−低い切断/溶接圧力
６．不良な切断/溶接モデル−高い切断/溶接速度
７．不良な切断/溶接モデル−低い切断/溶接速度
８．不良な切断/溶接モデル−高いレーザパワー
９．不良な切断/溶接モデル−低いレーザパワー
１０．不良な切断/溶接モデル−切断/溶接処理中の間違ったスタンドオフ位置

前記訓練されたモデルθ_ｋは、明らかではあるが、良好な溶接/切断すなわち欠陥無し、又は欠陥の原因無しに加えて、高い焦点位置、低い焦点位置、高い切断/溶接圧力、低い切断/溶接圧力、高い切断/溶接速度、低い切断/溶接速度、高いレーザパワー、低いレーザパワー、間違ったスタンドオフ位置という欠陥Ｄのそれぞれの原因に関連した統計値を含む。前記リストは網羅的ではなく、特定することが可能である欠陥Ｄの原因と、欠陥Ｄの原因を如何に分類することができるかに依存している。欠陥Ｄの原因の情報は、おそらく純粋に質的でないかもしれないし、介入する加工パラメータのみを特定するかもしれないが、欠陥の原因に関連し、かつ、処理することがおそらく可能である例えばレーザ圧力、切断速度、パワーのパラメータの値又は範囲も含んでいてもよい。

訓練されたモデルθ_ｋは、既に前述したように、次の統計量により構成されている。
ａ． 平均μ_ｋ
ｂ． 共分散マトリックスΣ_ｋ
ｃ． 遷移マトリックスΔ_ｋ

遷移マトリックスΔ_ｋは、所定の状態から他の状態に移動する確率を表している。一例として、ここに記載された適用分野では、高い焦点位置の処理状態が、正規化信号Ｎ１，Ｎ２，ＮＤＣと方向ＤＩＲの４つの異なる値とともに所定の観測ｘにより表現されている。ガウスの確率の計算の式は、平均と共分散を考慮している。しかし、欠陥に応じて加重された関係により前記４つの異なる値を関連付けることが想定されている。前記関連付けられた関係は、遷移マトリックスΔ_ｋに相当する。換言すれば、観測ｘの一つのデータから同観測の他のデータへの遷移の確率がこれにより取得される。観測ｘの４つのデータが１つの同一のモデルθ_ｋに属しているなら、それらは遷移の確率をも最大にする。換言すれば、あるデータ収集における訓練ステップ中に、遷移の確率の値が過剰に低い観測は、偽データとして合理的に拒否することができる。遷移マトリックス、平均、及び共分散は、オフライン訓練手順によって提供され、以下に説明する動作の一部を実施することにより実行される。

機械の加工、切断/溶接の種々の条件のモデルを特定する統計式の係数のオフライン演算を想定している統計モデルの構成は、同じ正規化信号Ｎ１，Ｎ２及びＮＤＣ、加工方向ＤＩＲの値を使用するが、前記信号はデータ収集テスト中に獲得され、モデルを訓練する前述したステップ３１０，３３０からなる訓練手順３５０を使用するが、この目的のためには、ビタビ（Viterbi）手順をも活用する、ことに注意すべきである。

訓練方法３５０は、実際に、あるパラメータによって規定されるあるサンプルに対して、例えば高い焦点位置の特定のモデルθ_ｋを訓練するために、例えば、所定の材料を所定の厚さに切断し、複数の加工動作を実行し、例えば前記高い焦点位置の欠陥の影響を受けるこれらの各加工動作において同一形状を得て、この場合には訓練に専用された処理信号Ｘｐの値を所定の瞬間に獲得することを、想定している。ステップ３１０の式は、時に前記複数の加工動作において各加工動作に対応する連続したステップを介して、特に各瞬間に対するそれぞれの観測ｘの確率密度を構築するのに使用される。これと関連して、ステップ３２０では、その後に獲得されるデータ収集の観測について、ガウスのクラスタリング（clustering）動作が実行され、その後にビタビ最大化収束（Viterbi maximization convergence）手順が実行され、最大確率を生成される。前記ビタビ手順は、それ自体公知であり、確率が前のステップで得られたものと異なる場合に、前のステップで得られたパラメータの修正を想定している。

したがって、訓練ステップ３５０に対する確率密度の演算は、ステップ３１０において、ガウスの混合（mixture）ルールにしたがって行われる計算である。ステップ３２０で、ビタビ手順は確率を最大化し、前の確率すなわち初期確率値を更新する。次に欠陥の特定のステップ３３０では、ビタビ手順に関する確率選択基準として、ベイズの法則による分類が適用される。訓練ステップ３５０に対して、前記３つの動作３１，３２０，３３０を組み合わせたビタビ−ＥＭ手順を使用することができる。

欠陥Ｄのある原因に対するデータ収集の終わりに規定されるモデルθ_ｋは、後に加工ステップで使用するためにメモリ１４０に保存される。もちろん、メモリ１４０は、モデルθ_ｋが構成され訓練されている間に、中間値を保存するのに使用することができる。

もちろん、構成の詳細や実施例は、ここに記載され説明されたものに対して、本発明の範囲から逸脱することなく、請求の範囲に規定されたように、広範囲に変更してもよい。

５００ 加工処理
５４０ センサ手段
Ｘｐ 加工処理信号
Ｘｒ 基準信号
Ｅ１，Ｅ２，ＤＣ パラメータ
Ｅ１ｒ，Ｅ２ｒ，ＤＣｒ 基準パラメータ
Ｎ２，Ｎ２，ＮＤＣ 処理パラメータ
θ_ｋ 統計モデル
ｘ 処理観測
μ_ｋ 平均
Σ_ｋ 共分散
Δ_ｋ 遷移マトリックス

Claims (20)

1. レーザ加工処理（５００）の品質を監視する方法であって、
   センサ手段（５４０）を介して、加工処理信号（Ｘｐ）を獲得して、前記処理を表す信号（Ｘｐ）からレーザ加工処理中の加工品質を表すパラメータ（Ｅ１，Ｅ２，ＤＣ）を演算し、
   前記センサ手段（５４０）を介して獲得された処理基準信号（Ｘｒ）から演算された、所定の加工品質を表す対応の基準パラメータ（Ｅ１ｒ，Ｅ２ｒ，ＤＣｒ）を提供する（１３０）、動作を含む方法において、
   前記方法は、さらに、
   前記加工品質を表すパラメータ（Ｅ１，Ｅ２，ＤＣ）を前記所定の加工品質を表す基準パラメータ（Ｅ１ｒ，Ｅ２ｒ，ＤＣｒ）と比較して、１セットの調整された処理パラメータ（Ｎ１，Ｎ２，ＮＤＣ）を取得し（２３０）、
   前記加工処理（５００）の欠陥（Ｄ）の状態を含むそれぞれの状態を特定する複数の統計モデル（θ_ｋ）を提供し（１４０）、
   リアルタイムで獲得された１セットの処理観測（ｘ；Ｎ１，Ｎ２，ＮＤＣ，ＤＩＲ）に対してメンバーシップの認識の動作（３００）をリアルタイムで実行し、
   前記１セットの処理観測は、前記加工処理（５００）の状態を特定する前記複数の統計モデル（θ_ｋ）の１又はそれ以上に対して、前記１セットの調整された処理パラメータ（Ｎ１，Ｎ２，ＮＤＣ）を含み、
   前記認識の動作（３００）は、前記認識の動作で認識された状態の関数として、１又はそれ以上の欠陥（Ｄ）の原因の特定（３３０）を含み、
   前記リアルタイムで獲得された前記１セットの処理観測（ｘ；Ｎ１，Ｎ２，ＮＤＣ，ＤＩＲ）は、
   前記処理信号（Ｘｐ）の正規化された直流成分の値（ＮＤＣ）と、
   加工方向（ＤＩＲ）の値とを含む、
   ことを特徴とする方法。
2. 前記認識の動作（３００）は、
   ある状態に属する前記１セットの処理観測（ｘ）の確率に関するデータを演算する（３１０）ことと、
   前記状態と対応する欠陥（Ｄ）の原因とを特定するためにベイズの分類に従って各確率データ（Ｐ）を分類する（３３０）こととを含む、
   ことを特徴とする請求項１に記載の方法。
3. 前記方法は、ガウスの混合演算ルールに従って前記確率データを演算する（３１０）ことを含むことを特徴とする請求項２に記載の方法。
4. 前記処理（Ｘｐ）を表す信号から、又は前記基準信号（Ｘｒ）、レーザ加工処理中の加工品質を表す各パラメータ（Ｅ１，Ｅ２，ＤＣ）、及び所定の加工品質を表す基準パラメータ（Ｅ１ｒ，Ｅ２ｒ，ＤＣｒ）からの、前記演算の動作は、
   前記処理信号（Ｘｐ）と前記基準信号（Ｘｒ）とから、前記処理信号（Ｘｐ）又は基準信号（Ｘｒ）の特定の周波数（Ｆ１．Ｆ２）に対するそれぞれの周波数帯域（Ｂ２，Ｂ２）を選択すること、
   前記それぞれの帯域（Ｂ１，Ｂ２）に対して前記処理信号（Ｘｐ）又は基準信号（Ｘｒ）に対するそれぞれのエネルギー値（Ｅ２，Ｅ２，Ｅ１ｒ、Ｅ２ｒ）を演算すること、
   を含むことを特徴とする請求項１から３のいずれかに記載の方法。
5. 前記加工品質を表すパラメータ（Ｅ１，Ｅ２，ＤＣ）を前記所定の加工品質を表す基準パラメータ（Ｅ１ｒ，Ｅ２ｒ，ＤＣｒ）と比較して、１セットの調整された処理パラメータ（Ｎ１，Ｎ２，ＮＤＣ）を取得する動作は、
   前記基準信号（Ｘｒ）の対応する帯域（Ｂ１，Ｂ２）のエネルギー値（Ｅ１ｒ、Ｅ２ｒ）を用いて、前記処理信号（Ｘｐ）の帯域（Ｂ１，Ｂ２）のエネルギー値（Ｅ１，Ｅ２）を正規化すること、を含むことを特徴とする請求項４に記載の方法。
6. 前記加工処理（５００）の欠陥（Ｄ）の状態を含むそれぞれの状態を特定する複数の統計モデル（θ_ｋ）を提供する動作（１４０）は、
   前記統計モデル（θ_ｋ）の構築及び訓練（３５０）と、前記統計モデル（θ_ｋ）を表すデータの保存（１４０）とのステップを予備的に実行すること、
   からなることを特徴とする請求項１から５のいずれかに記載の方法。
7. 前記統計モデル（θ_ｋ）の構築のステップは、データ収集のステップからなり、
   前記データ収集のステップは、
   欠陥（Ｄ）の原因に関する処理信号（Ｘｐ）を収集すること、
   統計パラメータ（μ_ｋ，Σ_ｋ，Δ_ｋ）の対応するセットを演算すること、
   を含むことを特徴とする請求項６に記載の方法。
8. 前記統計パラメータ（μ_ｋ，Σ_ｋ，Δ_ｋ）の対応するセットを演算することの動作は、
   確率を最大化するためのビタビ手順（３２０）を用いること、
   前記統計モデル（θ_ｋ）を構築するための統計的選択基準としてベイズの分類を使用すること、
   を含むことを特徴とする請求項７に記載の方法。
9. 前記認識動作は、前記統計パラメータ（μ_ｋ，Σ_ｋ，Δ_ｋ）のセットを演算するためにビタビ−ＥＭ手順を適用することを含むことを特徴とする請求項７又は８に記載の方法。
10. 前記加工処理（５００）のそれぞれの状態を特定する複数の統計モデル（θ_ｋ）は、レーザ機械の光学システムの１又はそれ以上の欠陥を認識するために訓練された加工処理の状態を特定する少なくとも１つのモデルを含み、
    前記機械の前記光学システムに関する診断を実行するために、前記処理信号（Ｘｐ）は前記レーザ機械の加工レーザとは異なる源によって決定されることを特徴とする請求項６から９のいずれかに記載の方法。
11. 前記センサ手段（５４０）を介して獲得される前記処理基準信号（Ｘｒ）は、処理信号（Ｘｐ）の獲得前に、標準又は基準の加工ステップにて獲得されることを特徴とする請求項１から１０のいずれかに記載の方法。
12. 前記方法は、特定された欠陥（Ｄ）の１又はそれ以上の原因の関数として、１又はそれ以上の前記技術的加工パラメータのリアルタイムでの自動修正を行うために、技術パラメータの調整（３４０）を行うことを含む請求項１から１１のいずれかに記載の方法。
13. 前記修正動作は、前記所望の品質の処理に達するまで、１又はそれ以上の前記技術パラメータの修正の連続したステップを含むことを特徴とする請求項１２に記載の方法。
14. 前記方法は、前記ベイズの分類を用いた特定ステップ（３３０）から、行われる修正に関する介入の優先順位を取得することを含む請求項１２又は１３に記載の方法。
15. 前記技術パラメータは、
    焦点位置、
    切断又は溶接速度、
    切断又は溶接圧力、
    レーザパワー、
    切断又は溶接のスタンドオフ
    のうち、少なくとも１又はそれ以上を含む請求項１２，１３，１４のいずれかに記載の方法。
16. レーザ加工処理の品質を監視するシステムにおいて、
    レーザ機械と、請求項１から１５のいずれかの方法の動作を実施する１又はそれ以上のモジュール（５４０，７００，４００）とを含むシステム。
17. 前記システムは、前記処理（Ｘｐ）を表す信号と、所定の品質を備えた加工動作を示す処理基準信号（Ｘｒ）を獲得するように構成された光学センサモジュール（５４０）を含むことを特徴とする請求項１６に記載のシステム。
18. 前記システムは、前記認識の動作（３１０，３２０）を実行するように構成された処理モジュール（７００）を含み、
    前記調整された信号（Ｎ１，Ｎ２，ＮＤＣ）のセットを含む処理観測（ｘ）のセットは、加工処理の状態を特定する１又はそれ以上の前記統計モデル（θ_ｋ）に属し、
    前記処理モジュール（７００）は、前記加工処理の状態を特定する前記統計モデル（θ_ｋ）を、前記メモリモジュール（１４０）に保存し、前記メモリモジュールから読み出すように構成されている、ことを特徴とする請求項１６又は１７に記載のシステム。
19. 前記処理モジュール（７００）は、レーザ機械のアクチュエータ制御モジュール（４００）に、前記技術パラメータの修正の指令を発するように構成されていることを特徴とする請求項１６，１７，１８のいずれかに記載のシステム。
20. コンピュータのメモリに直接ロードすることができ、コンピュータ上で動作したときに請求項１から１５の何れかの記載の方法を実行するソフトウェアコードの一部を含むコンピュータプログラム製品。

Images