JP6599069B1 - 機械学習装置、加工プログラム生成装置および機械学習方法 - Google Patents

機械学習装置、加工プログラム生成装置および機械学習方法 Download PDF

Info

Publication number
JP6599069B1
JP6599069B1 JP2019537394A JP2019537394A JP6599069B1 JP 6599069 B1 JP6599069 B1 JP 6599069B1 JP 2019537394 A JP2019537394 A JP 2019537394A JP 2019537394 A JP2019537394 A JP 2019537394A JP 6599069 B1 JP6599069 B1 JP 6599069B1
Authority
JP
Japan
Prior art keywords
parameter
machining
machining program
unit
shape
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.)
Active
Application number
JP2019537394A
Other languages
English (en)
Other versions
JPWO2020121477A1 (ja
Inventor
晋 松原
健二 入口
弘樹 金子
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric 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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Application granted granted Critical
Publication of JP6599069B1 publication Critical patent/JP6599069B1/ja
Publication of JPWO2020121477A1 publication Critical patent/JPWO2020121477A1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical 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
    • G05B19/4155Numerical 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 programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00Programme-control systems
    • G05B19/02Programme-control systems electric
    • G05B19/18Numerical 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
    • G05B19/4097Numerical 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 using design data to control NC machines, e.g. CAD/CAM
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/34Director, elements to supervisory
    • G05B2219/34082Learning, online reinforcement learning
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/35Nc in input of data, input till input file format
    • G05B2219/35012Cad cam
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/35Nc in input of data, input till input file format
    • G05B2219/35168Automatic selection of machining conditions, optimum cutting conditions
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00Program-control systems
    • G05B2219/30Nc systems
    • G05B2219/36Nc in input of data, input key till input tape
    • G05B2219/36252Generate machining program based on a simulation to optimize a machine parameter

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Numerical Control (AREA)

Abstract

機械学習装置(10)は、工作機械を数値制御するための複数の加工プログラム(1)から、調整対象のパラメータである第1のパラメータと、調整対象のパラメータを調整するために使用されるパラメータである第2のパラメータとを抽出するデータ抽出部(13)と、データ抽出部(13)が抽出した第1のパラメータおよび第2のパラメータを含むデータセットに従って、第1のパラメータの値を学習する機械学習部(14)と、を備えることを特徴とする。

Description

本発明は、工作機械を数値制御するための加工プログラムを自動作成するために用いられる機械学習装置、加工プログラム生成装置および機械学習方法に関する。
近年、数値制御装置によって制御される工作機械の分野では、複雑な形状を精密に加工できるように、工作機械の構造が複雑になり、工作機械の制御対象軸数が増大しているため、数値制御対象の処理が増加している(例えば、特許文献1)。このため、加工プログラムも複雑化している。
特開2013−210926号公報
上記のように、加工プログラムが複雑化しているため、加工プログラムを生成する際に調整しなければならないパラメータが多種多様に渡り、加工プログラムの生成に手間と時間とがかかっていた。
本発明は、上記に鑑みてなされたものであって、工作機械を数値制御するための加工プログラムを容易に生成することが可能な機械学習装置を得ることを目的とする。
上述した課題を解決し、目的を達成するために、本発明にかかる機械学習装置は、工作機械を数値制御するための複数の加工プログラムから、調整対象のパラメータである第1のパラメータと、調整対象のパラメータを調整するために使用されるパラメータである第2のパラメータとを抽出するデータ抽出部と、データ抽出部が抽出した第1のパラメータおよび第2のパラメータを含むデータセットに従って、第1のパラメータの値を学習する機械学習部と、を備えることを特徴とする。
本発明にかかる機械学習装置は、工作機械を数値制御するための加工プログラムを容易に生成することが可能であるという効果を奏する。
本発明の実施の形態1にかかる機械学習装置および加工プログラム生成装置を含む数値制御装置の構成例を示すブロック図 図1に示す機械学習装置の学習モデル生成処理の手順を示すフローチャート 図1に示す加工プログラム生成装置の加工プログラム生成処理の手順を示すフローチャート 図1に示す機械学習装置の学習モデル生成処理の詳細を示すフローチャート 図1に示す機械学習装置が読み込む加工プログラムの一例を示す図 図1に示す加工プログラム生成部の加工プログラム生成処理の詳細を示すフローチャート 図1に示すCADデータが示す加工後の加工対象物の形状である加工形状を示す斜視図 図1に示すCADデータに基づいて生成される素材形状を示す斜視図 図1に示す加工プログラム生成部が生成する加工除去形状を示す斜視図 図9に示す加工除去形状の断面形状である旋削断面形状を示す図 旋削端面工程の旋削加工形状を示す図 旋削ドリル工程の旋削加工形状を示す図 旋削棒材工程の旋削加工形状を示す図 旋削棒材工程の旋削加工形状を示す図 図11に示す旋削加工形状の旋削加工工程の加工開始点および加工終了点の座標を示す図 図12に示す旋削加工形状の旋削ドリル工程の加工開始点および加工終了点の座標を示す図 図13に示す旋削加工形状の旋削棒材工程の切り込み点、加工開始点、および加工終了点の座標を示す図 図14に示す旋削加工形状の旋削棒材工程の切り込み点、加工開始点および加工終了点の座標を示す図 本発明の実施の形態2にかかる学習モデル生成処理の概要を示すフローチャート 図19に示す学習モデル生成処理の詳細を示すフローチャート 実施の形態2において機械学習装置が読み込む加工プログラムの一例を示す図 図20のステップS603において生成される加工形状の一例を示す図 実施の形態2にかかる加工プログラム生成処理の詳細を示すフローチャート 実施の形態2において使用されるCADデータが示す加工形状の斜視図 実施の形態2において使用されるCADデータに基づいて生成される素材形状を示す斜視図 実施の形態2において生成される加工除去形状を示す斜視図 図26に示す加工除去形状の断面形状である旋削断面形状を示す図 旋削加工形状の旋削加工工程の切り込み点、加工開始点、加工途中点および加工終了点の座標を示す図 実施の形態2にかかる穴加工工程の内容を示す説明図 図1に示す機械学習装置および加工プログラム生成装置のハードウェア構成を示す図
以下に、本発明の実施の形態1および実施の形態2にかかる機械学習装置、加工プログラム生成装置および機械学習方法を図面に基づいて詳細に説明する。なお、この実施の形態によりこの発明が限定されるものではない。
実施の形態1.
図1は、本発明の実施の形態1にかかる機械学習装置10および加工プログラム生成装置20を含む数値制御装置100の構成例を示すブロック図である。
数値制御装置100は、機械学習装置10と、加工プログラム生成装置20と、対話操作処理部30と、指示入力部40と、表示部50とを有する。数値制御装置100は、不図示の工作機械に搭載され、または、工作機械に接続されて、加工プログラムに従って工作機械の動作を数値制御する。ここでは加工プログラムは、加工対象物を素材の状態から切削加工して設計形状を削り出すために用いられる。
なお、図1に示す例では、機械学習装置10および加工プログラム生成装置20は、数値制御装置100に搭載されることとしたが、本実施の形態はかかる例に限定されない。例えば、機械学習装置10および加工プログラム生成装置20は、数値制御装置100と異なる装置であってもよい。また、機械学習装置10は、加工プログラム生成装置20と異なる装置であってもよい。
機械学習装置10は、過去に作成された複数の加工プログラム1に基づいて、加工プログラム生成装置20が加工プログラムを生成する際に使用する学習モデルを生成する。すなわち、機械学習装置10に入力される加工プログラム1は、学習用の加工プログラムであり、加工プログラム生成装置20が生成する加工プログラムは、工作機械を数値制御するために作成される新規の加工プログラムである。
加工プログラム生成装置20は、数値制御装置100の外部から加工プログラム生成装置20に入力されるCAD(Computer-Aided Design)データ2など設計形状を示す加工形状データに基づいて、加工プログラムを生成する。加工プログラム生成装置20は、加工プログラムを生成する際に、機械学習装置10の学習結果である学習モデルを使用する。
対話操作処理部30は、数値制御装置100と作業者との間のインタフェースであるとともに、機械学習装置10または加工プログラム生成装置20と作業者との間のインタフェースでもある。対話操作処理部30は、作業者が指示入力部40を介して入力した指示情報を機械学習装置10または加工プログラム生成装置20に送信する。また、対話操作処理部30は、作業者が指示入力部40を介して入力した指示情報を表示部50に表示する。
指示入力部40は、マウス、キーボードなどの入力機器から構成され、作業者からの指示情報を受け付けて、対話操作処理部30に送信する。
表示部50は、液晶モニタなどの表示機器であり、加工プログラム1、CADデータ2、作業者が指示入力部40を介して入力した指示情報などを表示する。また、表示部50は、数値制御装置100、機械学習装置10、および加工プログラム生成装置20で行われる処理に関する各種の情報を表示することができる。
機械学習装置10は、加工プログラム入力部11と、加工プログラム記憶部12と、データ抽出部13と、機械学習部14と、学習モデル記憶部15とを有する。
加工プログラム入力部11は、数値制御装置100の外部装置から機械学習装置10に入力される加工プログラム1のデータを受け付けて、加工プログラム記憶部12に入力する。加工プログラム1は、不図示の工作機械を数値制御するためのコンピュータプログラムであり、加工方法、工具、切削条件、工具軌道、素材形状、素材の材質情報などを含む。加工プログラム記憶部12は、加工プログラム入力部11から入力された加工プログラム1を記憶する。
データ抽出部13は、複数の加工プログラム1のそれぞれから、加工プログラム1内で使用されているパラメータであって、調整対象のパラメータである第1のパラメータと、調整対象外のパラメータである第2のパラメータとを抽出する。第1のパラメータは、加工プログラム1を生成する際に決定する必要があるパラメータであり、例えば、加工方法、加工順序、工具種類、送り、切削速度、径方向切込み量、軸方向切込み量などである。第2のパラメータは、第1のパラメータを調整する際に使用される調整対象外のパラメータである。第2のパラメータは、例えば、素材形状、素材材質、加工形状などに基づいて値が定まるパラメータ、または、既に調整済みのパラメータなどを含む。第1のパラメータの種類毎に、第1のパラメータを調整する際に使用される第2のパラメータの種類は定まる。すなわち、第1のパラメータは第2のパラメータに基づいて調整される。
データ抽出部13は、第1のパラメータの種類毎に、抽出する第2のパラメータの種類を決定し、決定した種類の第2のパラメータを抽出する。データ抽出部13は、抽出した第1のパラメータおよび第2のパラメータを、加工プログラム1毎に、機械学習部14に入力する。
機械学習部14は、データ抽出部13が抽出した第1のパラメータおよび第2のパラメータに基づいて、教師あり学習を行い、入力から結果を推定するモデル、つまり、第1のパラメータと第2のパラメータとの関係を示す学習モデルを生成する。具体的には、機械学習部14は、データ抽出部13が抽出した第1のパラメータおよび第2のパラメータを含むデータセットに従って、第1のパラメータの値を学習する。機械学習部14は、生成した学習モデルを学習モデル記憶部15に記憶させる。
機械学習部14が用いる学習アルゴリズムはどのようなものを用いてもよい。一例として、ニューラルネットワーク、SVMなどのアルゴリズムが挙げられる。ニューラルネットワークは、多層構造のディープラーニングであってもよい。また機械学習部14が用いる学習アルゴリズムは、遺伝的プログラミング、機能論理プログラミング、サポートベクターマシーンなどであってもよい。機械学習は、ニューラルネットワークの重み、バイアスなどのパラメータを最適化する処理である。
学習モデル記憶部15は、機械学習部14の学習結果である学習モデルを記憶する。学習モデルは、入力される第2のパラメータに対する、最適な第1のパラメータの関係を示している。
加工プログラム生成装置20は、加工形状データ入力部21と、加工形状データ記憶部22と、加工プログラム生成部23と、推論部24と、加工プログラム記憶部25とを有する。
加工形状データ入力部21は、数値制御装置100の外部装置からCADデータ2などの加工形状データを受け付けて、受け付けた加工形状データを、加工形状データ記憶部22に記憶させる。加工形状データは、切削加工品の加工仕上がり形状である設計形状と、素材の材質を示す情報とを含む。素材は、CADデータ2で表される設計形状が削り出される加工対象物である。加工形状データは、CADデータ2に限定されず、加工プログラム生成装置20が解釈可能なデータであればよい。
加工形状データ記憶部22は、加工形状データ入力部21が受け付けた加工形状データを記憶する。
加工プログラム生成部23は、CADデータ2が示す設計形状を素材から削り出すための加工プログラムを生成する。加工プログラム生成部23は、生成した加工プログラムを加工プログラム記憶部25に記憶する。加工プログラム生成部23は、加工形状データ記憶部22から加工形状データを取得すると、取得した加工形状データに基づいて、推論部24が学習モデルに入力する入力データを生成する。加工プログラム生成部23は、生成した入力データを用いて、推論部24に、生成する加工プログラムに使用する第1のパラメータの値を推論させ、推論結果を取得する。加工プログラム生成部23は、加工プログラムを生成するために使用する複数の第1のパラメータのそれぞれについて、入力データを生成し、第1のパラメータの種類を指定して、入力データを受け渡し、推論部24に第1のパラメータの推論を指示する。加工プログラム生成部23は、指示に応じて推論部24が生成した推論結果を取得する。加工プログラム生成部23は、推論部24が推論した第1のパラメータの値に基づいて、加工プログラムを生成する。加工プログラム生成部23は、生成した加工プログラムを加工プログラム記憶部25に記憶させる。
推論部24は、加工プログラム生成部23から入力データを受け取り、第1のパラメータの種類が指定されると、受け取った入力データと、学習モデル記憶部15に記憶された学習モデルとを用いて、指定された第1のパラメータの値を推論する。推論部24は、第1のパラメータの推論結果を、加工プログラム生成部23に返す。
加工プログラム記憶部25は、加工プログラム生成部23が生成した加工プログラムを記憶する。
以下、数値制御装置100の動作について説明する。数値制御装置100の動作は、機械学習装置10が行う学習モデル生成処理と、加工プログラム生成装置20が行う加工プログラム生成処理とを含む。
図2は、図1に示す機械学習装置10の学習モデル生成処理の手順を示すフローチャートである。学習モデル生成処理では、加工プログラム1に基づいて、加工プログラムを生成するための学習モデルが生成される。
まず、加工プログラム入力部11は、図示しない記憶領域から、複数の加工プログラム1を読み込み、加工プログラム記憶部12に記憶させる(ステップS101)。次に、データ抽出部13は、加工プログラム記憶部12に記憶された加工プログラム1から、第1のパラメータを抽出する(ステップS102)。データ抽出部13は、さらに、抽出した複数の第1のパラメータについて、第1のパラメータ毎に、第2のパラメータを抽出する(ステップS103)。このとき、データ抽出部13は、第1のパラメータの種類毎に、抽出する第2のパラメータの種類を決定し、決定した種類の第2のパラメータを抽出することができる。また、ステップS102およびステップS103の処理は、加工プログラム毎に行われ、データ抽出部13は、加工プログラム毎に、抽出した第1のパラメータおよび第2のパラメータを機械学習部14に入力する。
機械学習部14は、データ抽出部13から入力された第1のパラメータおよび第2のパラメータを用いて、機械学習処理を行う(ステップS104)。機械学習部14は、第1のパラメータおよび第2のパラメータに基づいてデータセットを生成し、生成したデータセットに従って機械学習を行う。データセットは、調整対象の第1のパラメータと、当該第1のパラメータの値を決定するために使用される調整対象外のパラメータである第2のパラメータとを対応づけたデータの組である。機械学習部14は、予め定められた基準を用いて、最適化されたモデルを学習モデルとして生成する。機械学習部14は、学習結果である学習モデルを生成して、生成した学習モデルを学習モデル記憶部15に記憶させる。
図3は、図1に示す加工プログラム生成装置20の加工プログラム生成処理の手順を示すフローチャートである。加工プログラム生成装置20は、機械学習装置10の学習結果を使用して加工プログラムのパラメータを推論し、推論結果を使用して加工プログラムを生成する。
加工形状データ入力部21は、図示しない記憶領域から、CADデータ2を読み込み、読み込んだCADデータ2を加工形状データ記憶部22に記憶させる(ステップS201)。加工プログラム生成部23は、加工形状データから第1のパラメータを推論するために使用する第2のパラメータを取得し、推論部24は、加工プログラム生成部23が取得した第2のパラメータと機械学習装置10が生成した学習モデルとを使用して、第1のパラメータを推論する(ステップS202)。
加工プログラム生成部23は、第1のパラメータの推論結果に基づいて、加工プログラムを生成する(ステップS203)。加工プログラム生成部23は、生成した加工プログラムを加工プログラム記憶部25に記憶させる(ステップS204)。
続いて、機械学習装置10の学習モデル生成処理の詳細について説明する。図4は、図1に示す機械学習装置10の学習モデル生成処理の詳細を示すフローチャートである。ここでは、図5に示す加工プログラムを使用して、図4に示す動作について説明する。図5は、図1に示す機械学習装置10が読み込む加工プログラムの一例を示す図である。
図5に示す加工プログラムは、タップ加工を行うための数値制御プログラムであり、複数のパラメータ名とその値とを含む。図4の説明に戻る。加工プログラム入力部11は、図示しない記憶領域から、複数の加工プログラム1を読み込み、読み込んだ加工プログラム1を加工プログラム記憶部12に記憶させる(ステップS301)。
データ抽出部13は、加工プログラム記憶部12に記憶された複数の加工プログラム1のそれぞれからパラメータを抽出する(ステップS302)。
図5に示す加工プログラムから抽出されるパラメータは、例えば、素材に関するパラメータ、加工に関するパラメータ、工具に関するパラメータ、加工位置に関するパラメータである。素材に関するパラメータは、素材材質「FC250」、素材外径「438」、素材内径「352」、素材長さ「530」、素材端面「30」、および、素材回転数「100」である。加工に関するパラメータは、ユニット番号「9」、加工種類「タップ加工」、加工モード「XC」、タップ呼び「M16」、外径「16」、ピッチ「2」、ネジ深さ「45」、および、面取り「0.9」である。工具に関するパラメータは、工具シーケンス番号「2」、工具種類「ドリル」、呼び径「14」、工具No.「8」、加工穴径「14」、加工穴深さ「42.7」、下穴径「0」、下穴深さ「100」、ドリル加工方法「深穴加工」、1回あたりの切込み深さ「7.1」、周速「60」、送り「0.22」、および、Mコード「M45」である。加工位置に関するパラメータは、形状パターン「円弧」、始点位置座標x「202.5」、始点位置座標y「225」、始点位置座標z「0」、個数「2」、および、角度「90」である。
図4の説明に戻る。データ抽出部13は、抽出したパラメータの中から、調整対象のパラメータである第1のパラメータ毎に、調整対象外の第2のパラメータを絞り込む(ステップS303)。
図5に示す例において、第1のパラメータを「ドリル加工方法」とした場合、ドリル加工方法の値は、0から3の4種類の値のいずれかとし、「0」ドリルサイクル、「1」高速深穴サイクル、「2」深穴サイクル、「3」超深穴サイクルとする。このとき、第1のパラメータの種類に基づいて絞り込んだ第2のパラメータは、素材材質「FC250」、素材外径「438」、素材内径「352」、素材長さ「530」、素材端面「30」、加工種類「タップ加工」、加工穴径「14」、加工穴深さ「42.7」である。
また、旋削ドリルと旋削端面の加工順を第1のパラメータとした場合、加工順の値は、0または1の2種類の値のいずれかとし、「0」旋削ドリル→旋削端面、「1」旋削端面→旋削ドリルとする。このとき、第1のパラメータの種類に基づいて絞り込んだ第2のパラメータは、素材材質、素材外径、素材内径、素材長さ、素材端面、加工穴径、加工穴深さとすることができる。
また、加工部位を第1のパラメータとした場合、加工部位の値は、0から3の4種類の値のいずれかとし、「0」外径、「1」内径、「2」正面、「3」背面とする。このとき第1のパラメータの種類に基づいて絞り込んだ第2のパラメータは、素材材質、素材外径、素材内径、径方向取り代、軸方向取り代とすることができる。
また、加工方法を第1のパラメータとした場合、加工方法の値は、0または1の2種類の値のいずれかとし、「0」旋削棒材加工、「1」旋削溝入れ加工とする。このとき第1のパラメータの種類に基づいて絞り込んだ第2のパラメータは、素材材質、素材外径、素材内径、径方向取り代、軸方向取り代とすることができる。
なお、パラメータを抽出する方法は、入力パターンから得られたパラメータから機械学習に有効な特徴を選択する方法であり、総当たり法、前向き逐次特徴選択法、後ろ向き逐次特徴選択法などである。また、パラメータを抽出する方法としては、評価関数を設定して特徴変換パラメータを更新する機械学習に基づく方法もある。評価関数にパラメータのL1ノルムを正則化項として加えた「Lasso」と呼ばれる方法では、多くのパラメータの値がゼロとなるスパースな特徴変換を行うことができる。さらに、いくつかのパラメータをグループ化してLassoを行うことで、グループ毎に値をゼロとする「Group Lasso」と呼ばれる方法も提案されている。また、作業者の経験からパラメータを抽出する方法もある。
また、第1のパラメータは、「ドリルの加工方法」、「旋削ドリルと旋削端面の加工順」、「加工部位」、「旋削棒材加工と旋削溝入れ加工」だけでなく、加工プログラムの生成に関する項目であって、調整対象のパラメータであればよい。例えば、第1のパラメータは、「旋削加工の素材の回転数」、「旋削工具の呼び」、「切込−X」、「切込−Z」、「周速」、「送り」、「残し代−X」、「残し代−Z」などである。旋削加工、穴加工だけでなく、線加工、面加工、ヘッド選択、ワーク移動など加工プログラムに関する全ての項目が第1のパラメータとなり得る。また第1のパラメータは、整数値だけでなく、線形回帰を用いれば実数値でもよい。
図4の説明に戻る。データ抽出部13は、第1のパラメータと、第1のパラメータの種類に基づいて絞り込まれた第2のパラメータとを用いて、第1のパラメータおよび第2のパラメータを含むデータセットを生成し、生成したデータセットを機械学習部14に入力する(ステップS304)。
機械学習部14は、データ抽出部13から入力されるデータセットに従って、機械学習を行い、第1のパラメータ毎に、第1のパラメータと第2のパラメータとの関係を示す学習モデルを生成する(ステップS305)。機械学習部14は、生成した学習モデルを、学習モデル記憶部15に記憶させる(ステップS306)。
続いて、加工プログラム生成装置20の加工プログラム生成処理の詳細について説明する。図6は、図1に示す加工プログラム生成部23の加工プログラム生成処理の詳細を示すフローチャートである。以下では、素材を回転させながら削る旋削加工に関する加工プログラム生成処理の例を説明する。
まず加工プログラム生成部23は、加工形状データ記憶部22に記憶された加工形状データであるCADデータ2を読み込む(ステップS401)。CADデータ2は、加工対象物の加工前後の形状を含む設計データである。図7は、図1に示すCADデータ2が示す加工後の加工対象物の形状である加工形状を示す斜視図である。
図6の説明に戻る。加工プログラム生成部23は、読み込んだCADデータ2に基づいて、図7に示すような加工形状を生成し、プログラム座標系の加工原点であるプログラム原点に加工形状を配置する(ステップS402)。
プログラム座標系においては、XYZ軸のうち、Z軸を、旋削加工を行う際の中心軸である旋削軸SGとする。加工プログラム生成部23は、加工形状をプログラム原点に配置する際、加工形状のうち、直径が最大となる円筒面の回転軸または円錐面の回転軸がZ軸に一致するように、加工形状を移動および回転させて配置する。また、加工形状のZ軸方向の端面がプログラム原点に一致するように移動する。すなわち、加工プログラム生成部23は、CADデータ2から旋削軸SGと回転中心軸を同一とする円柱面または円錐面を切削端面として抽出する。したがって、加工プログラム生成部23は、CADデータ2から、旋削軸を回転中心軸とする3次元の加工形状を生成する。
図6の説明に戻る。続いて加工プログラム生成部23は、読み込んだCADデータ2に基づいて、3次元の素材形状を生成する(ステップS403)。具体的には、加工プログラム生成部23は、プログラム原点に配置された加工形状を包含する3次元の円柱形状を生成し、加工形状と同様にプログラム座標系に配置する。図8は、図1に示すCADデータ2に基づいて生成される素材形状を示す斜視図である。素材形状は、加工前の加工対象物の形状である。素材形状の寸法は、加工形状におけるX軸方向、Y軸方向およびZ軸方向におけるそれぞれの最大値および最小値から求めることができる。ただし、旋削端面加工を行うため、素材形状は、加工形状に合わせて、Z軸方向の寸法が加工形状よりも2mmから3mm程度大きい寸法とする。また、素材形状のZ軸方向の端面は、プログラム原点から2mmから3mmだけ加工形状から離間する方向にはみ出した位置に配置される。ここでは、素材形状は、素材外径を150mm、素材長さを120mm、素材材質をS45Cとする。
加工プログラム生成部23は、素材形状から旋削加工により除去する形状である加工除去形状を、素材形状および加工形状に基づいて生成する(ステップS404)。図9は、図1に示す加工プログラム生成部23が生成する加工除去形状を示す斜視図である。図9では、加工形状を破線で示している。加工除去形状は、素材形状のソリッドモデルから加工形状のソリッドモデルを引き去る差演算により求めることができる。
続いて加工プログラム生成部23は、加工除去形状の断面形状である旋削断面形状tを生成する(ステップS405)。図10は、図9に示す加工除去形状の断面形状である旋削断面形状tを示す図である。図10に示す旋削断面形状は、加工除去形状をXZ平面のうち+Xの領域のみに限定した+XZ平面に投影して得られる1/2旋削断面形状である。加工プログラム生成部23は、XZ平面からなる断面モデルと加工形状からなるソリッドモデルとの積演算により断面形状を求め、Xが0以上の領域として範囲を限定することにより、旋削断面形状を求めることができる。図10には、旋削断面形状t1および旋削断面形状t2を含む旋削断面形状tが示されている。
図6の説明に戻る。加工プログラム生成部23は、推論部24に、推論する第1のパラメータの種類を指定し、第2のパラメータを入力して、第1のパラメータの推論結果を取得する(ステップS406)。例えば、加工プログラム生成部23は、第2のパラメータである素材材質「S45C」、素材長さ「120mm」、素材外径「150mm」、素材内径「0mm」、素材端面「10mm」、穴径「30mm」、穴深さ「10mm」を推論部24に入力し、推論部24から推論結果である第1のパラメータ「0」を取得する。ここで第1のパラメータ「0」は、旋削ドリル工程を先に行い、その後に旋削端面工程を行うことを示している。ここで、推論部24に入力した複数の第2のパラメータと、推論結果である第1のパラメータとを合わせて、プログラム生成パラメータPA121と称する。推論部24は、加工プログラム生成部23から入力される第2のパラメータを入力データとして、学習モデル記憶部15に記憶された学習モデルのうち、指定された第1のパラメータに対応する学習モデルを使用して、第1のパラメータの値を推論し、推論結果を加工プログラム生成部23に入力する。
ステップS406の処理は、取得する第1のパラメータの数だけ繰り返される。加工プログラム生成部23は、第2のパラメータである素材材質「S45C」、素材長さ「120mm」、素材外径「150mm」、素材内径「0mm」、径方向取り代「30mm」、軸方向取り代「30mm」を推論部24に入力し、推論部24から推論結果である第1のパラメータ「0」を取得することができる。ここで第1のパラメータ「0」は、外径の値が0であることを示している。ここで、推論部24に入力した複数の第2のパラメータと、推論結果である第1のパラメータとを合わせて、プログラム生成パラメータPA122と称する。
加工プログラム生成部23は、第2のパラメータである素材材質「S45C」、素材長さ「120mm」、素材外径「150mm」、素材内径「0mm」、径方向取り代「10mm」、軸方向取り代「20mm」を推論部24に入力し、推論部24から推論結果である第1のパラメータ「0」を取得することができる。ここで第1のパラメータ「0」は、旋削棒材加工であることを示している。ここで、推論部24に入力した複数の第2のパラメータと、推論結果である第1のパラメータとを合わせて、プログラム生成パラメータPA123と称する。
加工プログラム生成部23は、第2のパラメータである素材材質「S45C」、素材長さ「120mm」、素材外径「150mm」、素材内径「0mm」、径方向取り代「10mm」、軸方向取り代「20mm」を推論部24に入力し、推論部24から推論結果である第1のパラメータ「0」を取得することができる。ここで第1のパラメータ「0」は、加工部位が外径であることを示している。ここで、推論部24に入力した複数の第2のパラメータと、推論結果である第1のパラメータとを合わせて、プログラム生成パラメータPA124と称する。
なお、旋削端面工程とは、素材端面の突出し部を、旋削端面工具で削り落とす旋削端面加工を行う工程である。旋削ドリル工程とは、素材における半径方向の中心領域に旋削ドリルで中心軸に沿った穴をあける旋削ドリル加工を行う工程である。旋削棒材工程とは、旋削工具で丸棒素材の外径、内径、正面、または背面を旋削する旋削棒材加工を行う工程である。旋削溝入れ工程とは、丸棒素材の外径、内径、正面または背面に、旋削溝入れ工具で溝加工を行う旋削溝入れ加工を行う工程である。端面取り代は、旋削端面加工における削り代である。
続いて加工プログラム生成部23は、プログラム生成パラメータPA121〜124を使用して、加工除去形状の旋削断面形状tを複数の異なる加工工程に分割して、旋削加工形状を生成する(ステップS407)。旋削加工形状は、複数の異なる加工工程により素材から加工形状を削り出す場合の各加工工程における旋削断面形状である。
以下、旋削断面形状tの分割手順について説明する。図11は、旋削端面工程の旋削加工形状SH1を示す図である。図12は、旋削ドリル工程の旋削加工形状SH2を示す図である。図13は、旋削棒材工程の旋削加工形状SH3を示す図である。図14は、旋削棒材工程の旋削加工形状SH4を示す図である。
加工プログラム生成部23は、旋削断面形状t1から端面取り代「10mm」の情報を取得する。加工プログラム生成部23は、プログラム生成パラメータPA121を参照し、加工順序を示す第1のパラメータの値が「旋削ドリル工程を先に行い、その後に旋削端面工程を行う」となっているため、図11に示すように、図10に示す旋削断面形状t1から旋削端面工程の旋削加工形状SH1を分割する。
続いて、加工プログラム生成部23は、プログラム生成パラメータPA121を参照し、加工部位を示す第1のパラメータの値が「外径」となっているので、図12に示すように、図10に示す旋削断面形状t1から旋削ドリル工程の旋削加工形状SH2を分割する。
加工プログラム生成部23は、続いて、図13に示すように、図10に示す旋削断面形状t1から旋削棒材工程の旋削加工形状SH3を分割する。加工プログラム生成部23は、図14に示すように、図10に示す旋削断面形状t2を旋削棒材工程の旋削加工形状SH4として分割する。
図6の説明に戻る。加工プログラム生成部23は、第1のパラメータの推論結果を含むプログラム生成パラメータPA121〜124と、生成した旋削加工形状とに基づいて、加工プログラムの各工程を生成する(ステップS408)。
具体的には、加工プログラム生成部23は、旋削加工形状に、プログラム生成パラメータPA121〜124に基づいて旋削加工工程を割り当てて、旋削加工工程を生成する。図15は、図11に示す旋削加工形状SH1の旋削加工工程の加工開始点および加工終了点の座標を示す図である。加工プログラム生成部23は、プログラム生成パラメータPA121〜124に基づいて、旋削加工形状SH1の旋削加工工程の加工開始点P1(75,−10)および加工終了点P2を算出し、旋削加工形状SH1に割り当て、旋削加工工程LC1の加工プログラムを生成する。
図16は、図12に示す旋削加工形状SH2の旋削ドリル工程の加工開始点および加工終了点の座標を示す図である。加工プログラム生成部23は、プログラム生成パラメータPA121〜124に基づいて、旋削加工形状SH2の旋削ドリル工程の加工開始点P3(0,0)および加工終了点P4(0,110)を算出し、旋削加工形状SH2に割り当て、旋削ドリル工程LC2の加工プログラムを生成する。
図17は、図13に示す旋削加工形状SH3の旋削棒材工程の切り込み点、加工開始点、および加工終了点の座標を示す図である。旋削棒材工程の旋削加工形状SH3から、開放部形状のX軸方向の長さ30mmの情報と、開放部形状のZ軸方向の長さ30mmの情報とを取得する。加工プログラム生成部23は、プログラム生成パラメータPA122を参照して、加工部位「外径」とし、旋削加工形状SH3から、旋削棒材工程の切り込み点P5(75,0)、加工開始点P6(45,0)、加工終了点P7(45,30)の座標を取得し、加工部位が外径とされた旋削棒材工程である旋削棒材外径工程LC3の加工プログラムを生成する。
図18は、図14に示す旋削加工形状SH4の旋削棒材工程の切り込み点、加工開始点および加工終了点の座標を示す図である。加工プログラム生成部23は、旋削棒材工程の旋削加工形状SH4から、開放部形状のX軸方向の長さ10mm、開放部形状のZ軸方向の長さ20mmの情報を取得する。加工プログラム生成部23は、プログラム生成パラメータPA124を参照して、加工部位「外径」とし、旋削加工形状SH4から、旋削棒材工程の切り込み点P8(75,60)、加工開始点P9(65,60)、加工終了点P10(65,80)の座標を取得し、加工部位が外径とされた旋削棒材工程である旋削棒材外径工程LC4の加工プログラムを生成する。
以上説明したように、図6に示す処理が行われることにより、加工プログラム生成部23は、プログラム生成パラメータPA121〜124を参照して、素材から加工形状を削り出すための複数の異なる旋削加工工程を自動で生成することができる。
また、ここでは過去に作成された加工プログラムから生成された学習モデルを用いて、各第1のパラメータが決定される。過去に作成された加工プログラムには、作業者の知識および経験が蓄積されており、作業者自身が加工プログラムを手作業で作成した場合と同様の加工プログラムを自動で容易に生成することが可能になる。
また、加工プログラムを生成する際に調整しなければならないパラメータが多種多様に渡っても、加工プログラムを容易に生成することが可能になる。
実施の形態2.
実施の形態2にかかる数値制御装置100の構成は、図1に示す実施の形態1と同様であるため、ここでは説明を省略する。
以下、数値制御装置100の動作について説明する。実施の形態2においても、実施の形態1と同様に、数値制御装置100の動作は、機械学習装置10が行う学習モデル生成処理と、加工プログラム生成装置20が行う加工プログラム生成処理とを含む。
まず、機械学習装置10が行う学習モデル生成処理の概要について説明する。図19は、本発明の実施の形態2にかかる学習モデル生成処理の概要を示すフローチャートである。
まず、加工プログラム入力部11は、図示しない記憶領域から加工プログラム1を読み込み、加工プログラム記憶部12に記憶させる(ステップS501)。データ抽出部13は、加工プログラム記憶部12に記憶された加工プログラム1に基づいて、加工プログラム1毎に、加工後の加工対象物の形状である加工形状を生成する(ステップS502)。
データ抽出部13は、加工プログラム記憶部12に記憶された加工プログラム1と、ステップS502において生成された加工形状とから、第2のパラメータを抽出する(ステップS503)。
続いてデータ抽出部13は、加工プログラム記憶部12に記憶された加工プログラム1から、第1のパラメータを抽出する(ステップS504)。続いて機械学習部14は、データ抽出部13が抽出した第1のパラメータと第2のパラメータとの組に基づいてデータセットを生成し、機械学習処理を行う(ステップS505)。機械学習部14は、機械学習の結果として生成される学習モデルを、学習モデル記憶部15に記憶させる。
加工プログラム生成処理の概要については、実施の形態1と同様であるためここでは説明を省略する。
図20は、図19に示す学習モデル生成処理の詳細を示すフローチャートである。まず、加工プログラム入力部11は、不図示の記憶領域から加工プログラム1を読み込み、加工プログラム記憶部12に記憶させる(ステップS601)。
データ抽出部13は、加工プログラム記憶部12に記憶されている複数の加工プログラム1のそれぞれから、パラメータを抽出する(ステップS602)。
図21は、実施の形態2において機械学習装置10が読み込む加工プログラムの一例を示す図である。図21に示す加工プログラムから抽出されるパラメータは、例えば、素材に関するパラメータ、加工に関するパラメータ、工具に関するパラメータ、加工位置に関するパラメータである。素材に関するパラメータは、素材材質「CST IRN」、素材外径「6」、素材内径「1.5」、素材長さ「7」、素材端面「0」、および、素材回転数「1500」である。加工に関するパラメータは、ユニット番号「4」、角度B「90」、角度C「0」、加工種類「棒材」、加工部「外径」、切込−X「6.0」、切込−Z「0」、仕上げ代−X「0.1」、仕上げ代−Z「0.1」である。工具に関するパラメータは、工具シーケンス番号「1」、加工種別「荒加工」、工具種類「旋削外形」、呼び径「1」、サフィックス「A」、加工パターン「0」、最大切込み量「0.3」、周速「100」、送り「1」、工具シーケンス番号「2」、加工種別「仕上げ加工」、工具種類「旋削外形」、呼び径「1」、サフィックス「B」、加工パターン「0」、最大切込み量「0.3」、周速「100」、送り「1」である。加工位置に関するパラメータは、形状シーケンス番号「1」、形状パターン「テーパ」、前コーナ「0」、始点−X「3」、始点−Z「0」、終点−X「5.27176」、終点−Z「1.9674」、後コーナ「0」、形状シーケンス番号「2」、形状パターン「テーパ」、前コーナ「0」、始点−X「5.27176」、始点−Z「1.9674」、終点−X「5.27176」、終点−Z「2.9674」、後コーナ「0」である。
さらに、図21に示す加工プログラムから抽出されるパラメータは、以下に示すパラメータが挙げられる。加工に関するパラメータは、ユニット番号「6」、角度B「0」、角度C「0」、加工種類「ドリル」、穴径「0.5156」、穴深さ「0.59、面取り「0」である。工具に関するパラメータは、工具シーケンス番号「1」、工具種類「ドリル」、呼び径「0.52」、サフィックス「なし」、加工穴径「0.52」、加工穴深さ「0.5」、下穴径「0」、送り速度変更割合「100」、加工サイクル「ドリルサイクル」、切込み量「0.26」、周速「10」、送り「1」である。加工位置に関する特徴量は、形状シーケンス番号「1」、形状パターン「円」、Z「0」、X「0」、Y「0」、始点とX軸のなす角度「0.008」、半径「1.08307」、穴個数「4」である。
図20の説明に戻る。続いてデータ抽出部13は、加工プログラム記憶部12に記憶された複数の加工プログラムのそれぞれから加工形状を生成する(ステップS603)。図22は、図20のステップS603において生成される加工形状の一例を示す図である。なお、加工プログラムから加工形状を生成する技術は、特許第5349713号、特許第5905159号、特許第5936781号などに示されている技術を使用することができる。
図20の説明に戻る。データ抽出部13は、ステップS603において生成した加工形状から、第2のパラメータを抽出する(ステップS604)。ここで生成した加工形状から抽出できる第2のパラメータとしては、製品長さ「7」、製品最大外径「6」、製品最小外径「3」、製品最大内径「1.5」、製品最小内径「1.5」などが挙げられる。
データ抽出部13は、第1のパラメータ毎に、第2のパラメータを絞り込む(ステップS605)。例えば、第1のパラメータの種類を加工部位とし、第1のパラメータの値は0から3の4種類の値のいずれかとし、「0」外径、「1」内径、「2」正面、「3」背面」とする。このとき第1のパラメータの種類に基づいて絞り込んだ第2のパラメータは、素材材質「CST IRN」、素材外径「6」、素材内径「1.5」、素材長さ「7」、素材端面「0」、加工種類「旋削棒材」、径方向取り代「2.2716」、軸方向取り代「1.9674」、製品長さ「7」、製品最大外径「6」、製品最小外径「3」、製品最大内径「1.5」、製品最小外径「1.5」、加工部位最大X「5.27176」、加工部位最小X「3」、加工部位最大Z「1.9674」、加工部位最小Z「0」となる。また、第1のパラメータの値は「0」である。
また、第1のパラメータの種類をドリル加工方法とし、第1のパラメータの値は0から3の4種類の値のいずれかとし、「0」ドリルサイクル、「1」高速深穴サイクル、「2」深穴サイクル、「3」超深穴サイクルとする。このとき第1のパラメータの種類に基づいて絞り込んだ第2のパラメータは、素材材質「CST IRN」、素材外径「6」、素材内径「1.5」、素材長さ「7」、素材端面「0」、加工種類「ドリル加工」、加工穴径「0.52」、加工穴深さ「0.5」、製品長さ「7」、製品最大外径「6」、製品最小外径「3」、製品最大内径「1.5」、製品最小外径「1.5」、加工部位最大X「1.08307」、加工部位最小X「−1.08307」、加工部位最大Z「0」、加工部位最小Z「0」となる。また、第1のパラメータの値は「0」である。
データ抽出部13は、第1のパラメータおよび第2のパラメータのデータセットを生成し、生成したデータセットを機械学習部14に入力する(ステップS606)。
機械学習部14は、データ抽出部13から入力されたデータセットに従って、機械学習を行い、第1のパラメータ毎に学習モデルを生成する(ステップS607)。機械学習部14は、生成した学習モデルを学習モデル記憶部15に記憶させる(ステップS608)。
図23は、実施の形態2にかかる加工プログラム生成処理の詳細を示すフローチャートである。まず加工プログラム生成部23は、加工形状データ記憶部22に記憶された加工形状データであるCADデータ2を読み込む(ステップS701)。CADデータ2は、加工対象物の加工前後の形状を含む設計データである。図24は、実施の形態2において使用されるCADデータ2が示す加工形状の斜視図である。
図23の説明に戻る。加工プログラム生成部23は、読み込んだCADデータ2に基づいて、図24に示すような加工形状を生成し、プログラム座標系の加工原点であるプログラム原点に加工形状を配置する(ステップS702)。
プログラム座標系においては、XYZ軸のうち、Z軸を、旋削加工を行う際の中心軸である旋削軸SGとする。加工プログラム生成部23は、加工形状をプログラム原点に配置する際、加工形状のうち、直径が最大となる円筒面の回転軸または円錐面の回転軸がZ軸に一致するように、加工形状を移動および回転させて配置する。また、加工形状のZ軸方向の端面がプログラム原点に一致するように移動する。すなわち、加工プログラム生成部23は、CADデータ2から旋削軸SGと回転中心軸を同一とする円柱面または円錐面を切削端面として抽出する。したがって、加工プログラム生成部23は、CADデータ2から、旋削軸を回転中心軸とする3次元の加工形状を生成する。
図23の説明に戻る。続いて加工プログラム生成部23は、読み込んだCADデータ2に基づいて、3次元の素材形状を生成する(ステップS703)。具体的には、加工プログラム生成部23は、プログラム原点に配置された加工形状を包含する3次元の円柱形状を生成し、加工形状と同様にプログラム座標系に配置する。図25は、実施の形態2において使用されるCADデータ2に基づいて生成される素材形状を示す斜視図である。素材形状は、加工前の加工対象物の形状である。素材形状の寸法は、加工形状におけるX軸方向、Y軸方向およびZ軸方向におけるそれぞれの最大値および最小値から求めることができる。ここでは、素材形状は、素材外径「6」、素材長さ「7」、素材材質「CST IRN」とする。
加工プログラム生成部23は、素材形状から旋削加工により除去する形状である加工除去形状を、素材形状および加工形状に基づいて生成する(ステップS704)。図26は、実施の形態2において生成される加工除去形状を示す斜視図である。図26では、加工形状を破線で示している。加工除去形状は、素材形状のソリッドモデルから加工形状のソリッドモデルを引き去る差演算により求めることができる。
続いて加工プログラム生成部23は、加工除去形状の断面形状である旋削断面形状uを生成する(ステップS705)。図27は、図26に示す加工除去形状の断面形状である旋削断面形状uを示す図である。図27に示す旋削断面形状は、加工除去形状をXZ平面のうち+Xの領域のみに限定した+XZ平面に投影して得られる1/2旋削断面形状である。加工プログラム生成部23は、XZ平面からなる断面モデルと加工形状からなるソリッドモデルとの積演算により断面形状を求め、Xが0以上の領域として範囲を限定することにより、旋削断面形状uを求めることができる。
図23の説明に戻る。加工プログラム生成部23は、推論部24に、推論する第1のパラメータの種類を指定し、第2のパラメータを入力して、旋削加工工程の第1のパラメータの推論結果を取得する(ステップS706)。例えば、加工プログラム生成部23は、第2のパラメータである素材材質「CST IRN」、素材長さ「7」、素材外径「6」、素材内径「1.5」、素材端面「0」、加工種類「旋削棒材」、径方向取り代「2.2716」、軸方向取り代「1.9674」、製品長さ「7」、製品最大外径「6」、製品最小外径「3」、製品最大内径「1.5」、製品最小内径「1.5」、加工部位最大X「5.27176」、加工部位最小X「3」、加工部位最大Z「1.9674」、加工部位最小Z「0」を推論部24に入力し、推論部24から推論結果である第1のパラメータ「0」を取得する。ここで第1のパラメータ「0」は、加工部位が「外径」であることを示している。ここで、推論部24に入力した複数の第2のパラメータと、推論結果である第1のパラメータとを合わせて、プログラム生成パラメータPA125と称する。推論部24は、加工プログラム生成部23から入力される第2のパラメータを入力データとして、学習モデル記憶部15に記憶された学習モデルのうち、指定された第1のパラメータに対応する学習モデルを使用して、第1のパラメータの値を推論し、推論結果を加工プログラム生成部23に入力する。
続いて加工プログラム生成部23は、旋削加工形状を生成する(ステップS707)。旋削加工形状は、複数の異なる加工工程により素材から加工形状を削り出す場合の各加工工程における旋削断面形状である。ここでは、加工工程を分割する必要がないため、旋削断面形状uがそのまま旋削加工形状となる。
加工プログラム生成部23は、第1のパラメータの推論結果を含むプログラム生成パラメータPA125と、生成した旋削加工形状とに基づいて、加工プログラムの旋削加工工程を生成する(ステップS708)。
図28は、旋削加工形状SH5の旋削加工工程の切り込み点、加工開始点、加工途中点および加工終了点の座標を示す図である。加工プログラム生成部23は、プログラム生成パラメータPA125に基づいて、旋削加工形状SH5の旋削加工工程の切り込み点P21(3,0)、加工開始点P22(1.5,0)、加工途中点P23(2.63588,1.9674)、加工途中点P24(2.63588,2.9674)、加工終了点P25(3,2.9674)を算出し、旋削加工形状SH5に割り当て、旋削加工工程の加工プログラムを生成する。
図23の説明に戻る。続いて加工プログラム生成部23は、推論部24に、推論する第1のパラメータの種類を指定し、第2のパラメータを入力して、穴加工工程の第1のパラメータの推論結果を取得する(ステップS709)。例えば、加工プログラム生成部23は、第2のパラメータである素材材質「CST IRN」、素材長さ「7」、素材外径「6」、素材内径「1.5」、素材端面「0」、加工種類「ドリル加工」、加工穴径「0.52」、加工穴深さ「0.5」、製品長さ「7」、製品最大外径「6」、製品最小外径「3」、製品最大内径「1.5」、製品最小内径「1.5」、加工部位最大X「1.08307」、加工部位最小X「−1.08307」、加工部位最大Z「0」、加工部位最小Z「0」を推論部24に入力し、推論部24から推論結果である第1のパラメータ「0」を取得する。ここで第1のパラメータ「0」は、加工方法が「ドリルサイクル」であることを示している。ここで、推論部24に入力した複数の第2のパラメータと、推論結果である第1のパラメータとを合わせて、プログラム生成パラメータPA126と称する。推論部24は、加工プログラム生成部23から入力される第2のパラメータを入力データとして、学習モデル記憶部15に記憶された学習モデルのうち、指定された第1のパラメータに対応する学習モデルを使用して、第1のパラメータの値を推論し、推論結果を加工プログラム生成部23に入力する。
加工プログラム生成部23は、穴加工形状を生成する(ステップS710)。続いて加工プログラム生成部23は、第1のパラメータの推論結果を含むプログラム生成パラメータPA126と、生成した穴加工形状とに基づいて、加工プログラムの穴加工工程を生成する(ステップS711)。
図29は、実施の形態2にかかる穴加工工程の内容を示す説明図である。穴加工工程は、加工穴径「0.5156」、穴深さ「0.5」、面取り「0」、工具種類「ドリル」、呼び径「0.52」、加工穴径「0.52」、加工穴深さ「0.5」、下穴径「0」、加工サイクル「ドリルサイクル」、形状パターン「円」、Z「0」、X「0」、Y「0」、始点とX軸のなす角度「0.008°」、半径「1.08307」、穴個数「4」といったパラメータで示される。これらのパラメータを使用して、加工プログラム生成部23は、加工プログラムの穴加工工程を生成する。
図30は、図1に示す機械学習装置10および加工プログラム生成装置20のハードウェア構成を示す図である。図1に示す各機能部は、プロセッサ901と、プロセッサ901がワークエリアに用いるメモリ902と、数値制御装置100の各機能を記述したコンピュータプログラムを記憶する記憶装置903と、作業者との間の入力インタフェースである入力装置904と、作業者に情報を表示する出力装置である表示装置905と、被制御機器または他の数値制御装置などとの通信機能を有する通信装置906とを備える。プロセッサ901、メモリ902、記憶装置903、入力装置904、表示装置905および通信装置906の間は、データバス907で接続されている。
プロセッサ901は、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、CPU(Central Processing Unit)、またはDSP(Digital Signal Processor)などである。メモリ902は、RAM(Random Access Memory)、ROM(Read Only Memory)、フラッシュメモリ、EPROM(Erasable Programmable ROM)、またはEEPROM(登録商標)(Electrically EPROM)などの、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスク、またはDVD(Digital Versatile Disc)などである。
加工プログラム入力部11、データ抽出部13、および機械学習部14は、例えば、図30に示すメモリ902に記憶されたコンピュータプログラムを、プロセッサ901が読み出して実行することにより実現することができる。また、複数のプロセッサ901および複数のメモリ902が連携して、上記の機能を実現してもよい。また、機械学習部14の機能の内の一部を電子回路として実装し、他の部分をプロセッサ901およびメモリ902を用いて実現するようにしてもよい。
また加工形状データ入力部21、加工形状データ記憶部22、加工プログラム生成部23、および推論部24を、同様に、メモリ902に記憶されたコンピュータプログラムをプロセッサ901が読み出して実行することにより、実現することができる。また、複数のプロセッサ901および複数のメモリ902が連携して上記の機能を実現してもよい。加工形状データ入力部21、加工形状データ記憶部22、加工プログラム生成部23、および推論部24の機能のうちの一部を電子回路として実装し、他の部分をプロセッサ901およびメモリ902を用いて実現するようにしてもよい。加工形状データ入力部21、加工形状データ記憶部22、加工プログラム生成部23、および推論部24の機能を実現するためのプロセッサ901およびメモリ902は、機械学習部14を実現するためのプロセッサ901およびメモリ902と同一であってもよいし、異なるプロセッサ901およびメモリ902が用いられてもよい。
以上説明したように、本発明の実施の形態1および2にかかる機械学習装置10は、加工プログラム1に基づいて、機械学習可能な調整対象のパラメータである第1のパラメータを取得することができ、取得した第1のパラメータ毎に、第1のパラメータの推論に用いる調整対象外のパラメータである第2のパラメータを抽出し、学習モデルを自動で生成することができる。この学習モデルは、過去に作成した加工プログラムに基づいて生成されているため、加工プログラム内に蓄積された過去の知識および経験の内容を含む学習モデルを生成することができる。
また、加工プログラム生成装置20は、機械学習装置10が生成した学習モデルを用いて第1のパラメータの推論を行い、推論結果を用いて加工プログラムを自動的に生成するため、過去の加工プログラム内に蓄積された知識および経験を活用した高品質な加工プログラムを容易に生成することが可能になる。
また、実施の形態2にかかる機械学習装置10では、加工プログラム1から加工形状を生成して、加工形状から第2のパラメータを抽出することができる。これにより、抽出可能なパラメータの種類を増やすことができ、学習モデルの精度を高めることができる。
以上の実施の形態に示した構成は、本発明の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本発明の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
例えば、上記の実施の形態1および2においては、機械学習装置10および加工プログラム生成装置20は、同一の数値制御装置100内に組み込まれた例を示したが、本実施の形態はかかる例に限定されない。機械学習装置10および加工プログラム生成装置20は、数値制御装置100の外部に独立して設けられてもよい。
また、上記の実施の形態1および2においては、数値制御される工作機械が旋盤である場合の加工プログラムを例に説明したが、数値制御される工作機械は旋盤に限定されず、他の工作機械であってもよい。
1 加工プログラム、2 CADデータ、10 機械学習装置、11 加工プログラム入力部、12 加工プログラム記憶部、13 データ抽出部、14 機械学習部、15 学習モデル記憶部、20 加工プログラム生成装置、21 加工形状データ入力部、22 加工形状データ記憶部、23 加工プログラム生成部、24 推論部、25 加工プログラム記憶部、30 対話操作処理部、40 指示入力部、50 表示部、100 数値制御装置、901 プロセッサ、902 メモリ、903 記憶装置、904 入力装置、905 表示装置、906 通信装置、907 データバス、t,t1,t2,u 旋削断面形状、SH1,SH2,SH3,SH4,SH5 旋削加工形状。

Claims (7)

  1. 工作機械を数値制御するための複数の加工プログラムから、調整対象のパラメータである第1のパラメータと、前記調整対象のパラメータを調整するために使用されるパラメータである第2のパラメータとを抽出するデータ抽出部と、
    前記データ抽出部が抽出した前記第1のパラメータおよび前記第2のパラメータを含むデータセットに従って、前記第1のパラメータの値を学習する機械学習部と、
    を備えることを特徴とする機械学習装置。
  2. 前記データ抽出部は、前記複数の加工プログラムのそれぞれに基づいて、加工処理後の加工対象物の形状データを生成し、生成した形状データから前記第2のパラメータを抽出することを特徴とする請求項1に記載の機械学習装置。
  3. 前記データ抽出部は、前記第1のパラメータの種類毎に、抽出する前記第2のパラメータの種類を決定し、決定した種類の前記第2のパラメータを抽出して前記機械学習部に入力することを特徴とする請求項1または2に記載の機械学習装置。
  4. 前記複数の加工プログラムは、パラメータを示すラベル名を使用して記述されており、
    前記データ抽出部は、前記第1のパラメータを示すラベル名を抽出し、
    前記機械学習部は、学習結果として、前記ラベル名を使用した学習モデルを生成することを特徴とする請求項1から3のいずれか1項に記載の機械学習装置。
  5. 請求項1から4のいずれか1項に記載の機械学習装置の学習結果を取得する加工プログラム生成装置であって、
    前記機械学習部が学習した結果に基づいて、前記第2のパラメータの値から前記第1のパラメータの値を推論する推論部と、
    前記推論部が推論した前記第1のパラメータの値に基づいて、前記加工プログラムを生成する加工プログラム生成部と、
    を備えることを特徴とする加工プログラム生成装置。
  6. 前記加工プログラム生成部は、加工対象物の加工前後の形状を含む設計データから、前記第2のパラメータを生成して前記推論部に入力し、前記推論部の推論した前記第1のパラメータの値を取得することを特徴とする請求項5に記載の加工プログラム生成装置。
  7. 機械学習装置が、
    工作機械を数値制御するための複数の加工プログラムから、調整対象のパラメータである第1のパラメータと、前記調整対象のパラメータを調整するために使用されるパラメータである第2のパラメータとを抽出するステップと、
    抽出した前記第1のパラメータおよび前記第2のパラメータを含むデータセットに従って、前記第1のパラメータの値を学習するステップと、
    を含むことを特徴とする機械学習方法。
JP2019537394A 2018-12-13 2018-12-13 機械学習装置、加工プログラム生成装置および機械学習方法 Active JP6599069B1 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/045871 WO2020121477A1 (ja) 2018-12-13 2018-12-13 機械学習装置、加工プログラム生成装置および機械学習方法

Publications (2)

Publication Number Publication Date
JP6599069B1 true JP6599069B1 (ja) 2019-10-30
JPWO2020121477A1 JPWO2020121477A1 (ja) 2021-02-15

Family

ID=68383303

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019537394A Active JP6599069B1 (ja) 2018-12-13 2018-12-13 機械学習装置、加工プログラム生成装置および機械学習方法

Country Status (5)

Country Link
US (1) US12045033B2 (ja)
JP (1) JP6599069B1 (ja)
CN (1) CN113168157A (ja)
DE (1) DE112018008126T5 (ja)
WO (1) WO2020121477A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6980151B1 (ja) * 2021-01-13 2021-12-15 三菱電機株式会社 加工プログラム生成装置、加工プログラム生成方法および機械学習方法
WO2022014128A1 (ja) * 2020-07-16 2022-01-20 株式会社日立製作所 組立作業順序計画装置、及び組立作業順序計画方法
CN114493057A (zh) * 2022-04-18 2022-05-13 希望知舟技术(深圳)有限公司 基于异常工况的生产工艺参数推荐方法及相关设备
JP7109703B1 (ja) * 2021-10-04 2022-07-29 三菱電機株式会社 加工プログラム生成装置および加工プログラム生成方法
JP7548690B2 (ja) 2019-10-07 2024-09-10 ファナック株式会社 加工プログラム作成装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220413461A1 (en) * 2021-04-23 2022-12-29 Hilltop Corporation Machining-Control-Information Generation Device, Machining-Control-Information Generation Method, And Program
WO2024095479A1 (ja) * 2022-11-04 2024-05-10 三菱電機株式会社 加工プログラム生成装置および加工プログラム生成方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61173842A (ja) * 1985-01-24 1986-08-05 Yamazaki Mazak Corp 数値制御装置
JPH07116927A (ja) * 1993-10-21 1995-05-09 Sodick Co Ltd 放電加工の加工設定データ決定装置と方法
JPH08252746A (ja) * 1995-03-20 1996-10-01 Mitsubishi Electric Corp 加工条件決定装置
JPH1058280A (ja) * 1996-08-16 1998-03-03 Hitachi Ltd 加工工程設計システム
JPH1086039A (ja) * 1997-09-19 1998-04-07 Toyoda Mach Works Ltd 加工条件自動作成機能を有する数値制御装置
JP2001142517A (ja) * 1999-11-16 2001-05-25 Amada Co Ltd 板金モデルの成形形状認識方法及びその装置並びに板金モデルの成形形状認識方法のプログラムを記憶した記憶媒体
JP2002189510A (ja) * 2000-12-22 2002-07-05 Mori Seiki Co Ltd 加工関連情報生成装置、及びこれを備えた数値制御装置
US20050251284A1 (en) * 2002-03-27 2005-11-10 Joze Balic CNC control unit with learning ability for machining centers
JP2018041208A (ja) * 2016-09-06 2018-03-15 ファナック株式会社 数値制御装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS5349713Y2 (ja) 1974-04-01 1978-11-29
PH15498A (en) 1975-02-20 1983-02-03 Procter & Gamble Protected glassy phosphate detergent additive
JPS5936781B2 (ja) 1978-08-26 1984-09-05 日立電子株式会社 デイジタル微分解析機の内插積分および外插積分方式
JP2008183706A (ja) 2003-01-31 2008-08-14 Fujitsu Ltd 加工制御装置、工具決定方法および工具決定プログラム
JP4900642B2 (ja) * 2005-02-23 2012-03-21 ソニー株式会社 学習制御装置、学習制御方法、およびプログラム
CN102455662B (zh) * 2010-10-26 2013-09-25 宝山钢铁股份有限公司 热轧板带矫直机矫直参数优化设定方法及系统
CN102467113B (zh) * 2010-11-10 2013-09-11 新代科技股份有限公司 机械装置的具有参数学习的控制器及其参数学习方法
JP2013210926A (ja) 2012-03-30 2013-10-10 Bridgestone Corp 溝形成方法
EP3151073A1 (de) * 2015-09-29 2017-04-05 Siemens Aktiengesellschaft Verfahren und steuervorrichtung zum optimierten steuern einer werkzeugmaschine
JP6063016B1 (ja) * 2015-09-29 2017-01-18 ファナック株式会社 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械
JP6625868B2 (ja) * 2015-11-18 2019-12-25 ファナック株式会社 加工プログラムの機械学習装置、該機械学習装置を備えた加工組立システムおよび加工プログラムの機械学習方法
JP6193961B2 (ja) * 2015-11-30 2017-09-06 ファナック株式会社 機械の送り軸の送りの滑らかさを最適化する機械学習装置および方法ならびに該機械学習装置を備えたモータ制御装置
US10281902B2 (en) * 2016-11-01 2019-05-07 Xometry, Inc. Methods and apparatus for machine learning predictions of manufacture processes
JP6412093B2 (ja) 2016-12-26 2018-10-24 ファナック株式会社 学習モデル構築装置およびオーバーヒート予知装置
JP6470251B2 (ja) * 2016-12-26 2019-02-13 ファナック株式会社 数値制御装置及び機械学習装置
JP6564412B2 (ja) * 2017-03-21 2019-08-21 ファナック株式会社 機械学習装置及び熱変位補正装置
JP6680714B2 (ja) * 2017-03-30 2020-04-15 ファナック株式会社 ワイヤ放電加工機の制御装置及び機械学習装置
JP6557285B2 (ja) * 2017-05-26 2019-08-07 ファナック株式会社 制御装置及び機械学習装置
US10452052B2 (en) * 2017-07-13 2019-10-22 Autodesk, Inc. Method and system for processing machine data before completion of machining

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61173842A (ja) * 1985-01-24 1986-08-05 Yamazaki Mazak Corp 数値制御装置
JPH07116927A (ja) * 1993-10-21 1995-05-09 Sodick Co Ltd 放電加工の加工設定データ決定装置と方法
JPH08252746A (ja) * 1995-03-20 1996-10-01 Mitsubishi Electric Corp 加工条件決定装置
JPH1058280A (ja) * 1996-08-16 1998-03-03 Hitachi Ltd 加工工程設計システム
JPH1086039A (ja) * 1997-09-19 1998-04-07 Toyoda Mach Works Ltd 加工条件自動作成機能を有する数値制御装置
JP2001142517A (ja) * 1999-11-16 2001-05-25 Amada Co Ltd 板金モデルの成形形状認識方法及びその装置並びに板金モデルの成形形状認識方法のプログラムを記憶した記憶媒体
JP2002189510A (ja) * 2000-12-22 2002-07-05 Mori Seiki Co Ltd 加工関連情報生成装置、及びこれを備えた数値制御装置
US20050251284A1 (en) * 2002-03-27 2005-11-10 Joze Balic CNC control unit with learning ability for machining centers
JP2018041208A (ja) * 2016-09-06 2018-03-15 ファナック株式会社 数値制御装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7548690B2 (ja) 2019-10-07 2024-09-10 ファナック株式会社 加工プログラム作成装置
WO2022014128A1 (ja) * 2020-07-16 2022-01-20 株式会社日立製作所 組立作業順序計画装置、及び組立作業順序計画方法
JP7474653B2 (ja) 2020-07-16 2024-04-25 株式会社日立製作所 組立作業順序計画装置、及び組立作業順序計画方法
JP6980151B1 (ja) * 2021-01-13 2021-12-15 三菱電機株式会社 加工プログラム生成装置、加工プログラム生成方法および機械学習方法
WO2022153380A1 (ja) * 2021-01-13 2022-07-21 三菱電機株式会社 機械学習装置、加工プログラム生成装置および機械学習方法
JP7109703B1 (ja) * 2021-10-04 2022-07-29 三菱電機株式会社 加工プログラム生成装置および加工プログラム生成方法
WO2023058077A1 (ja) * 2021-10-04 2023-04-13 三菱電機株式会社 加工プログラム生成装置および加工プログラム生成方法
CN117320840A (zh) * 2021-10-04 2023-12-29 三菱电机株式会社 加工程序生成装置及加工程序生成方法
CN117320840B (zh) * 2021-10-04 2024-04-16 三菱电机株式会社 加工程序生成装置及加工程序生成方法
CN114493057A (zh) * 2022-04-18 2022-05-13 希望知舟技术(深圳)有限公司 基于异常工况的生产工艺参数推荐方法及相关设备

Also Published As

Publication number Publication date
US12045033B2 (en) 2024-07-23
CN113168157A (zh) 2021-07-23
JPWO2020121477A1 (ja) 2021-02-15
US20210389753A1 (en) 2021-12-16
WO2020121477A1 (ja) 2020-06-18
DE112018008126T5 (de) 2021-07-29

Similar Documents

Publication Publication Date Title
JP6599069B1 (ja) 機械学習装置、加工プログラム生成装置および機械学習方法
EP3582044B1 (en) Machining based on strategies selected from a database
CN101796463B (zh) Nc程序生成装置以及nc程序生成方法
US10884392B2 (en) Assessing deflections experienced by a workpiece during computer controlled machining with a toolpath to determine stock amount
JP5905159B2 (ja) 数値制御プログラム編集装置、数値制御プログラム編集方法およびプログラム
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
WO2014045383A1 (ja) 加工工程決定方法および加工工程設計装置
US10386814B2 (en) Machining status display apparatus, and NC program generating apparatus and NC program editing apparatus provided with the same
US20160077518A1 (en) Numerical-control machining-program creation device
CN103543696A (zh) 使用中轴变换优化工具路径的方法
US20030125828A1 (en) SmartPath: an intelligent tool path optimizer that automatically adusts feedrates, accel rates and decel rates based on a set of rules and spindle torque defined by the user
JP2017109277A (ja) 切削工具選択システム及び切削工具選択方法
JP6980151B1 (ja) 加工プログラム生成装置、加工プログラム生成方法および機械学習方法
JP6865057B2 (ja) 工作機械制御装置、工作機械制御方法及び工作機械制御システム
US10877457B2 (en) Method for providing a travel profile, control device, machine, and computer program
WO2023058077A1 (ja) 加工プログラム生成装置および加工プログラム生成方法
JP2010027018A (ja) 加工情報作成装置、方法及びプログラム
Pena et al. Research regarding software developing for machining parameters optimization calculus
JPWO2019220575A1 (ja) 数値制御加工プログラム生成装置および数値制御加工プログラムの生成方法
JP2023104771A (ja) 工作機械システム、工具種類推定方法及び特徴量抽出方法
Gomes et al. Evaluation of 5-axis HSC dynamic behavior when milling TiAl6V4 blades
WO2020090058A1 (ja) 加工支援システム
JP2021152834A (ja) 生産機械システム、管理方法及び管理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190710

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20190710

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20190820

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: 20190903

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20191001

R150 Certificate of patent or registration of utility model

Ref document number: 6599069

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250