JP6639760B1 - 加工条件探索装置および加工条件探索方法 - Google Patents

Abstract

本発明にかかる加工条件探索装置（２）は、加工機（１）に設定可能な１つ以上の制御パラメータで構成される加工条件を生成する加工条件生成部（２２）と、生成された加工条件に基づいた加工を加工機（１）に実施させる実加工指令部（２３）と、実施された加工の加工結果を示す情報に基づいて、実施された加工の評価値を生成する加工評価部（１２）と、評価値と、評価値に対応する加工条件とに基づいて、加工が実施されていない加工条件に対応する評価値を予測する予測部（２７）と、予測部（２７）により予測された予測値と、加工評価部（１２）により生成された評価値とに基づいて、評価値が閾値以上でありかつ裕度が最大となる加工条件である最適加工条件を求める最適加工条件計算部（３１）と、を備える。

Description

本発明は、加工機に設定される加工条件を適切な加工結果が得られるように探索する加工条件探索装置および加工条件探索方法に関する。

産業用途で用いられる加工機は、被加工物である工作物の形状を変化させる加工を行う。工作物の材料は、金属、セラミック、ガラス、木材など様々である。加工の一例は、不要な部分を取り除くことにより工作物を所望の形状に作りあげる除去加工である。除去加工では、例えば、切磋、研磨などによって、または電気、その他のエネルギーを利用することで、不要な部分が取り除かれる。

一般に、これらの加工機には、複数の制御パラメータを設定することができる。加工機の加工結果は、複数の制御パラメータのそれぞれのパラメータ値の組み合わせである加工条件に依存する。すなわち、所望の加工結果を得るためには、加工機に適切な加工条件を設定する必要がある。しかし、制御パラメータは複数存在しかつ各制御パラメータのパラメータ値は連続値でまたは複数段階で設定可能であることから、試行によって、所望の加工結果を得るような加工条件を選択するには膨大な手間と時間を要する。

例えば、レーザ光を用いて、５〜２０ｍｍ程度の軟鋼といった工作物を切断する板金レーザ加工機は、工作物のサイズにバラつきがある場合でも、加工により形成される切断面が、要求される品質となることが求められている。板金レーザ加工機の場合、加工結果への影響度が大きい主要な制御パラメータとして、レーザ出力、切断速度、ビーム倍率、焦点位置、ガス圧の５つが挙げられる。それぞれの制御パラメータは、複数段階の値の中から１つ選択される。ここで、５つの制御パラメータのそれぞれについて１１段階の値から選べるとすると、総組み合せ数は１６１０５１通りとなる。このとき、１つの加工条件を試行するのに５分要するとすると、１６１０５１通りの試行には約５５９日必要となる。

このように、適切な加工条件を選択するために、全ての組み合わせで試行を行うことは手間と時間がかかることから、一般には、全ての組み合わせの試行は行われず、別の方法で、適切な加工条件が選択される。別の方法の一例として、特許文献１に記載の方法が挙げられる。特許文献１に記載の方法では、ニューラルネットワークなどの関数モデルによって加工条件と評価値との関係性を示す学習モデルを生成し、学習モデルによる予測結果を利用して、評価値が最高となる加工条件を探索する。これにより、特許文献１に記載の方法では、少ない試行回数で評価値が高い加工条件を得ることができる。

特開２００８−０３６８１２号公報

特許文献１に記載の方法では、試行により得られた加工条件と評価値の組み合わせに基づいて、評価値が最も高い加工条件の周辺を探索することにより、最適な加工条件を求めている。しかしながら、一般には、設定した加工条件が同一であっても、加工条件以外の要因などにより加工結果が異なることもある。例えば、加工する材料のサイズなどのバラつきによって、同一の加工条件を設定しても加工結果にバラつきが生じることがある。このため、特許文献１に記載の方法で選択された高い評価値となる加工条件を加工機に設定しても、実際に加工を行うと、所望の評価値以上の加工結果が得られない可能性がある。

本発明は、上記に鑑みてなされたものであって、所望の評価値以上の加工結果が得られる可能性の高い加工条件を求めることができる加工条件探索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、本発明にかかる加工条件探索装置は、加工機に設定可能な１つ以上の制御パラメータで構成される加工条件を生成する加工条件生成部と、加工条件生成部により生成された加工条件に基づいた加工を加工機に実施させる実加工指令部と、を備える。さらに、加工条件探索装置は、実施された加工の加工結果を示す情報に基づいて、実施された加工の評価値を生成する加工評価部と、評価値と、評価値に対応する加工条件とに基づいて、加工が実施されていない加工条件に対応する評価値を予測する予測部と、を備える。さらに、加工条件探索装置は、予測部により予測された予測値と、加工評価部により生成された評価値とに基づいて、評価値が閾値以上でありかつ裕度が最大となる加工条件である最適加工条件を求める最適加工条件計算部と、予測部による予測の不確実性を示す指標を算出する不確実性評価部と、指標に基づいて、加工条件の探索を終了するか否かを判断し、探索を終了しない場合には、加工条件生成部に新たな加工条件を生成させる探索終了判定部と、を備え、評価値は、値が大きいほど加工結果が良いことを示す。探索終了判定部により探索を終了すると判断されるまで、加工条件生成部、実加工指令部、加工評価部、予測部、不確実性評価部および最適加工条件計算部の処理を繰り返す。

本発明にかかる加工条件探索装置は、所望の評価値以上の加工結果が得られる可能性の高い加工条件を求めることができるという効果を奏する。

本発明の実施の形態にかかる加工条件探索装置の構成例を示す図 実施の形態の処理回路の構成例を示す図 実施の形態の加工条件探索装置における加工条件探索処理手順の一例を示すフローチャート 実施の形態の評価値の予測値と、不確実性を示す指標とを概念的に示す説明図 実施の形態の裕度を説明するための図 実施の形態の加工条件と評価値の表示例を示す図

以下に、本発明の実施の形態にかかる加工条件探索装置および加工条件探索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．
図１は、本発明の実施の形態にかかる加工条件探索装置の構成例を示す図である。本実施の形態の加工条件探索装置２は、加工機１の加工に適した加工条件を探索する。図１に示すように、本実施の形態の加工条件探索装置２は、探索加工条件生成部１１、加工評価部１２、機械学習部１３、最適加工条件生成部１４および表示部１５を備える。

加工機１は、例えば、不要な部分を取り除くことにより被加工物である工作物を所望の形状に作りあげる産業用の機械、または付加加工などを行う産業用の機械である。以下、工作物をワークと呼ぶ。ワークの材料の一例は、金属であるが、ワークの材料は金属に限定されず、セラミック、ガラス、木材などであってもよい。このような加工機１としては、レーザ加工機、放電加工機、切削加工機、研削加工機、電解加工機、超音波加工機、電子ビーム加工機、付加加工機などが該当する。この実施の形態では、加工機１がレーザ加工機であるとして説明するが、本発明は、レーザ加工機以外の加工機にも適用できる。

加工機１がレーザ加工機である場合、加工機１は、例えば、以下のように、ワークを切断する。レーザ加工機である加工機１は、レーザ発振器および加工ヘッドを備える。レーザ発振器はレーザ光を発振して射出する。レーザ発振器から射出されたレーザ光は光路を介して、加工ヘッドへ供給される。加工ヘッド内部には、加工ガスが供給され、レーザ光がワークへ照射される際に、加工ガスがワークへ供給される。加工ヘッドは、レーザ光をワークへ集光する集光レンズを有している。加工ヘッドは、レーザ光を集光してワークへ照射することによりワークを切断する。このようにしてワークは加工機１により切断される。

加工機１は、ワークを所望の形状とするための通常の加工を行うことが可能であるとともに、ワークに、後述する実験用の加工を行うことができる。実験用の加工では、本実施の形態の加工機１は、探索加工条件生成部１１により生成された後述する探索のための加工条件にしたがって、ワークに、事前に設定した実験用の加工を施す。加工機１は、加工結果を示す情報を取得可能なセンサなどを備える。加工結果を示す情報は、例えば、加工中の加工機１またはワークの状態を示す情報、加工後のワークの状態を示す情報である。これらの情報は、加工機１が備えるセンサなどにより取得される。センサの一例は、加工中に発生した音、光などを検出するセンサである。センサの別の例は、加工後のワークを撮像した画像を取得する撮像装置、ワークの切断面の凹凸を計測する計測器である。加工機１は、加工結果を示す情報を検出可能なセンサを備えていればよく、センサはこれらに限定されない。また、ここでは、加工機１がセンサを備える例を説明するが、加工機１とは別にセンサが設けられ、加工条件探索装置２がこのセンサから検出結果を取得するようにしてもよい。

加工条件探索装置２の探索加工条件生成部１１は、実験用の実加工で用いられる加工条件を生成し、生成した加工条件に基づく加工を加工機１に実施させる。すなわち、探索加工条件生成部１１は、加工条件を構成する制御パラメータを次元とした多次元空間において、実加工によって探索される加工条件を生成する。加工条件は、加工機１が実施する加工に関して調整可能な複数の制御パラメータを含む。制御パラメータは、例えば、レーザ出力、切断速度、ビーム倍率、焦点位置、ガス圧である。図１に示すように、探索加工条件生成部１１は、探索終了判定部２１、加工条件生成部２２および実加工指令部２３を備える。

加工条件生成部２２は、加工機に設定可能な１つ以上の制御パラメータで構成される加工条件を生成する。詳細には、加工条件生成部２２は、実験用の加工で用いられる加工条件を生成し、生成した加工条件を実加工指令部２３へ出力する。実加工指令部２３は、加工条件生成部２２により生成された加工条件に基づいた加工を加工機１に実施させる。詳細には、実加工指令部２３は、加工条件生成部２２から入力された加工条件に基づいて、加工機１を動作させるための指令を生成し、生成した指令を加工機１へ出力する。探索終了判定部２１は、終了判定に用いる情報に基づいて、実験用の加工を終了するか否かを判断し、判断結果を加工条件生成部２２へ出力する。終了判定に用いる情報は、後述するように機械学習部１３によって生成される。なお、本実施の形態では、加工条件探索装置２が、加工機１に指令を出力する制御装置としての機能を有し、加工条件に基づく加工指令を生成して加工機１に出力している。この例に限らず、加工機１に指令を出力する制御装置とは別に加工条件探索装置２を設けてもよい。加工機１に指令を出力する制御装置とは別に加工条件探索装置２を設ける場合には、加工条件探索装置２は、実加工指令部２３を備える必要はない。この場合、加工条件探索装置２は、上述した制御装置と接続され、探索加工条件生成部１１は、生成した加工条件を上述した制御装置へ出力する。

加工評価部１２は、実施された加工の加工結果を示す情報に基づいて、実施された加工の評価値を生成する。詳細には、加工評価部１２は、加工機１から加工結果を示す情報を取得し、取得した情報を用いて加工の良否を示す評価値を求め、加工条件と対応する評価値との組み合わせである探索結果を記憶する。加工評価部１２は、加工結果取得部２４、評価値生成部２５および探索結果記憶部２６を備える。

加工結果取得部２４は、加工機１から加工結果を示す情報を取得する。評価値生成部２５は、加工結果取得部２４が取得した情報を基に、加工条件ごとに、加工条件に基づいて行われた加工に対する評価値を求める。評価値は、例えば、０から１までの値であり、値が大きいほど加工結果が良いことを示す値として定義する。したがって、最も良い加工が行われた場合には評価値は１となり、最も悪い加工が行われた場合には評価値は０となる。良い加工とは、加工機１の種別、加工機１で加工されて得られる加工物に要求される仕様などによって異なるが、例えば、レーザ加工機による切断加工が行われる場合には、切断面に、キズ、荒れ、酸化膜剥れ、ドロスなどの加工不良が生じていないまたは少ないことを示す。ドロスとは、被加工物の下面に溶融した金属等が付着する現象である。荒れとは切断面の面精度が悪いことを示す。評価値は、評価値生成部２５によって加工結果取得部２４が取得した情報を基に算出されてもよいし、ユーザによる入力に基づいて決定されてもよい。後者の場合、例えば、評価値生成部２５は、加工結果取得部２４が取得した情報を図示しない表示手段に表示するなどによりユーザに提示し、図示しない入力手段から、入力手段を用いてユーザが入力した評価値を取得する。評価値生成部２５の動作の詳細は後述する。

また、評価値生成部２５は、加工条件と評価値との組み合わせを探索結果として、探索結果記憶部２６へ格納する。探索結果記憶部２６は、探索結果を記憶する。

機械学習部１３は、探索結果記憶部２６に記憶されている探索結果を用いて、探索されていない加工条件に対応する加工の評価値を予測する。また、機械学習部１３は、評価値の予測値に対する不確実性、すなわち予測の外れやすさを算出する。

機械学習部１３は、予測部２７、予測結果記憶部２８、不確実性評価部２９および不確実性記憶部３０を備える。予測部２７は、評価値生成部２５により生成された評価値と、評価値に対応する加工条件とに基づいて、加工が実施されていない加工条件に対応する評価値を予測する。詳細には、予測部２７は、探索結果記憶部２６に記憶されている探索結果を用いて、探索されていない加工条件すなわち未探索の加工条件に対応する加工の評価値を予測し、予測により得られる評価値の予測値を加工条件と対応付けて予測結果記憶部２８に格納する。予測結果記憶部２８は、未探索の加工条件と対応する評価値の予測値との組み合わせを予測結果として記憶する。不確実性評価部２９は、予測部２７による予測の不確実性を示す指標を算出する。詳細には、不確実性評価部２９は、探索結果記憶部２６に記憶されている探索結果を用いて、評価値の予測値に対する不確実性、すなわち予測の外れやすさを示す指標を算出し、算出した指標を加工条件と対応付けて不確実性情報として不確実性記憶部３０へ格納する。予測部２７および不確実性評価部２９の動作の詳細は後述する。

最適加工条件生成部１４は、予測部２７により予測された予測値と、加工評価部１２により生成された評価値とに基づいて、評価値が閾値以上でありかつ裕度が最大となる加工条件である最適加工条件を求める。裕度については後述する。詳細には、最適加工条件生成部１４は、予測結果記憶部２８に記憶されている予測結果と不確実性記憶部３０に記憶されている不確実性情報とに基づいて、加工機１の加工に適した条件である最適加工条件を生成する。

最適加工条件生成部１４は、最適加工条件計算部３１および最適加工条件記憶部３２を備える。最適加工条件計算部３１は、予測結果記憶部２８に記憶されている予測結果と不確実性記憶部３０に記憶されている不確実性情報とに基づいて、加工機１の加工に適した条件である最適加工条件を生成し、生成した最適加工条件を最適加工条件記憶部３２に格納する。最適加工条件計算部３１の動作の詳細は後述する。最適加工条件記憶部３２は、最適加工条件を記憶する。

表示部１５は、ユーザからの要求にしたがって、各記憶部に格納されている情報を読み出して表示する。表示部１５は、例えば、加工評価部１２により生成された評価値と対応する加工条件とを対応付けて表示するとともに、予測部２７により生成された予測値と対応する加工条件とを対応付けて表示し、最適加工条件を表示する。

次に、加工条件探索装置２のハードウェア構成を説明する。図１に示した探索加工条件生成部１１、加工評価部１２、機械学習部１３および最適加工条件生成部１４は、それぞれ処理回路により実現される。処理回路は、専用のハードウェアであってもよいし、プロセッサを備える回路であってもよい。表示部１５は、ディスプレイ、モニタなどの表示手段と、表示手段に表示データを表示させる処理回路と、キーボード、マウスなどの入力手段により実現される。

処理回路がプロセッサを備える回路である場合、処理回路は例えば図２に示した構成の処理回路である。図２は、本実施の形態の処理回路の構成例を示す図である。処理回路２００は、プロセッサ２０１およびメモリ２０２を備える。加工条件探索装置２の各部が図２に示した処理回路２００によって実現される場合、プロセッサ２０１が、メモリ２０２に格納されたプログラムを読み出して実行することにより、探索終了判定部２１、加工条件生成部２２、実加工指令部２３、加工結果取得部２４、評価値生成部２５、予測部２７、不確実性評価部２９および最適加工条件計算部３１の機能が実現される。すなわち、加工条件探索装置２の各部が図２に示した処理回路２００によって実現される場合、これらの機能は、ソフトウェアであるプログラムを用いて実現される。探索結果記憶部２６、予測結果記憶部２８、不確実性記憶部３０および最適加工条件記憶部３２は、メモリ２０２により実現される。メモリ２０２はプロセッサ２０１の作業領域としても使用される。プロセッサ２０１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）等である。メモリ２０２は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリー、等の、不揮発性または揮発性の半導体メモリ、磁気ディスク等が該当する。

加工条件探索装置２の探索加工条件生成部１１、加工評価部１２、機械学習部１３および最適加工条件生成部１４を実現する処理回路が専用ハードウェアである場合、処理回路は、例えば、ＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。なお、加工条件探索装置２の各部は、プロセッサを備える処理回路および専用ハードウェアを組み合わせて実現されてもよい。加工条件探索装置２の各部は、複数の処理回路により実現されてもよい。

次に、本実施の形態の動作について説明する。図３は、本実施の形態の加工条件探索装置２における加工条件探索処理手順の一例を示すフローチャートである。加工条件探索処理が開始されると、まず、加工条件生成部２２が、初期加工条件を生成する（ステップＳ１）。加工条件生成部２２は、加工条件として設定可能な全ての組み合わせのなかから、あらかじめ定められた数の加工条件を初期加工条件として選択することにより、初期加工条件を生成する。初期加工条件の選択方法としては、どのような方法を用いてもよいが、実験計画法、最適計画法、ランダムサンプリングなどが挙げられる。また、ユーザが過去の利用実績などから最適だと思われる加工条件の見当がついている場合は、ユーザから入力された加工条件を初期加工条件として用いてもよい。

例えば、加工条件を構成する制御パラメータが５つであり、制御パラメータごとに１１段階の値から加工機１に設定する値を選べるとすると、加工条件の総組み合せ数は１６１０５１通り存在する。この組み合わせの中から、１０通りの加工条件を初期加工条件として選択する。なお、加工条件を構成する制御パラメータの数、制御パラメータごとに設定可能な段階の数、初期加工条件として選択する加工条件の数は、これらに限定されない。制御パラメータによって、設定可能な段階の数が異なっていてもよい。

次に、加工条件探索装置２は、生成した初期加工条件の中から１つの初期加工条件を選択し、選択した初期加工条件で加工機１に加工を実施させる（ステップＳ２）。詳細には、加工条件生成部２２は、初期加工条件の中から１つを選択し、選択した初期加工条件を実加工指令部２３および評価値生成部２５へ出力する。実加工指令部２３は、加工条件生成部２２から入力された初期加工条件に基づいて加工機１を動作させるための指令を生成し、生成した指令を加工機１へ出力する。これにより、加工機１は、加工条件生成部２２によって選択された初期加工条件に基づく加工を実施する。本実施の形態の加工条件探索装置２は、このように、まず、初期加工条件に基づく加工を加工機１に実施させる。初期加工条件に基づく加工を以下、初期加工とも呼ぶ。

次に、加工条件探索装置２は、ステップＳ２で実施された加工に対応する評価値を生成する（ステップＳ３）。詳細には、加工結果取得部２４は、ステップＳ２で実施された加工に対応する加工結果を示す情報を取得して評価値生成部２５へ出力する。評価値生成部２５は、加工結果を示す情報を用いて、ステップＳ２で実施された加工の良否を示す評価値を求める。

評価値は、上述したように、例えば、０から１までの値である。評価値は、連続値であってもよいし、１０段階評価といった離散値であってもよい。例えば、評価値生成部２５は、ワークの切断面が撮像された画像を画像処理することにより、ドロス、酸化膜剥れ、荒れ、キズといった加工不良の生じている量を算出し、算出した量に応じて加工の良否具合を示す評価値を算出する。ドロス、酸化膜剥れ、荒れ、キズの量を算出する方法はどのような方法であってもよいが、例えば、評価値生成部２５は、画素の明度の差によりこれらが生じている領域を求め、領域の長さまたは面積などに応じて、加工不良の生じている量を定量的に求める。そして、加工不良が生じている量が多いほど評価値が低くなるように、評価値と加工不良が生じている量との対応を定めておき、評価値生成部２５は、この対応に基づいて評価値を算出する。上述したように、評価値は、ユーザにより入力されてもよい。また、評価値は、加工中に発生した音、光に応じて決定されてもよい。例えば、加工中に発生した音のレベルが大きいほど評価値が小さくなるように評価値を定義しておいてもよい。また、評価値生成部２５は、複数の種類の情報を組み合わせて評価値を算出してもよい。

次に、加工条件探索装置２は、加工条件と評価値を記憶する（ステップＳ４）。詳細には、加工結果取得部２４は、加工条件生成部２２から受け取った加工条件と、ステップＳ３で算出された評価値とを対応付けて探索結果として探索結果記憶部２６に格納する。

次に、加工条件探索装置２は、初期加工を終了するか否かを判断し（ステップＳ５）、初期加工を終了する場合（ステップＳ５ Ｙｅｓ）、後述するステップＳ６およびステップＳ８の処理を実施する。ステップＳ５では、詳細には、加工条件探索装置２は、ステップＳ１で生成した全ての初期加工条件に対応する加工が行われたか否かを判断する。加工条件探索装置２は、ステップＳ１で生成した全ての初期加工条件に対応する加工が行われた場合に初期加工を終了すると判断する。

初期加工を終了しない場合（ステップＳ５ Ｎｏ）、加工条件探索装置２は、ステップＳ２からの処理を繰り返す。２回目以降のステップＳ２では、加工条件探索装置２は、これまでのステップＳ２で選択していない初期加工条件を選択する。なお、ここでは、加工条件探索装置２が１つの初期加工条件に対応する加工を加工機１に実施させて評価値を求めて記憶することを繰り返す例を説明した。この例に限らず、加工条件探索装置２は、生成した全ての初期加工条件に対応する加工を加工機１に実施させ、これらの加工に対応する加工結果を示す情報を加工機１から取得して初期加工条件ごとの評価値を求めて記憶するようにしてもよい。

ステップＳ６では、予測部２７が、探索結果記憶部２６に記憶された探索結果を用いて、まだ加工が行われていない加工条件である未探索加工条件に対応する評価値の予測値を計算する。加工が行われた加工条件である未探索加工条件に関しては、上述したステップＳ３により、評価値が生成されている。一方、加工が行われた加工条件は、全ての加工条件の組み合わせの一部である。例えば、加工条件の全組み合わせが１６１０４１通りであり、１０通りの初期加工条件が生成された場合、初期加工の終了後には、未探索加工条件は１６１０３１通りである。したがって、この場合、予測部２７は、１６１０３１個の、評価値の予測値を算出することになる。なお、後述するように、ステップＳ１３〜ステップＳ１５においても加工条件の選択と加工の実施および評価値の算出が行われ、ステップＳ１５の後にステップＳ６が実施される。ステップＳ１３〜ステップＳ１５を経由して、ステップＳ６が実施された場合には、ステップＳ１３で設定された加工条件は、未探索加工条件から除かれる。

予測部２７が未探索加工条件に対応する評価値の予測値を算出する方法、すなわち未探索加工条件に対応する評価値の予測方法の一例として、ガウス過程回帰を用いる方法が挙げられる。予測部２７が、ガウス過程回帰を用いて、未探索加工条件に対応する評価値を予測する場合、以下のような計算が行われる。ガウス過程回帰を用いる方法は、加工条件に対する評価値が特定の分布に従う確率変数であると仮定して生成された、評価値の加工条件に対する確率モデル、を用いる方法の一例である。観測値の数すなわち加工が行われて評価値が算出されている加工条件の数をＮとし、グラム行列をＣ_Ｎとし、探索結果記憶部２６に記録されている評価値を並べたベクトルをｔとする。このとき、加工条件を構成する制御パラメータの中の１つをｘ_ｉ（ｉは自然数）とし、探索結果記憶部２６に記録されている各加工条件におけるこの制御パラメータの値をｘ_１〜ｘ_Ｎとすると、未探索の加工条件ｘ_Ｎ＋１に対する評価値の予測値ｍ（ｘ_Ｎ＋１）は、以下の式（１）により計算できる。ｋは、以下の式（２）に示すように、探索済みの加工条件ｘ_１，…，ｘ_Ｎのぞれぞれとｘ_Ｎ＋１とを引数としたときのカーネル関数の値を並べたベクトルである。なお、上付きのＴは転置を表し、上付きの−１は逆行列を表す。
ｍ（ｘ_Ｎ＋１）＝ｋ^Ｔ・（Ｃ_Ｎ ^−１）・ｔ ・・・（１）

なお、ここでは、予測部２７が、ガウス過程回帰を用いた予測を行う例を説明したが、評価値の予測方法はこれに限定されず、例えば、決定木、線形回帰、ブースティング、ニューラルネットワークといった教師あり機械学習を用いた方法であってもよい。

次に、加工条件探索装置２は、評価値の予測値を記録する（ステップＳ７）。詳細には、予測部２７が、ステップＳ６で算出した評価値の予測値を加工条件と対応付けて予測結果として予測結果記憶部２８に格納する。

また、不確実性評価部２９が、探索結果記憶部２６に記憶された探索結果を用いて、未探索加工条件に対応する評価値の予測に対する不確実性を示す指標を算出する（ステップＳ８）。不確実性を示す指標の一例として、確率モデルの一例であるガウス過程回帰を用いて算出される標準偏差が挙げられる。不確実性評価部２９が、ガウス過程回帰を用いて不確実性を示す指標を算出する場合、例えば、以下のような計算が行われる。観測値の数すなわち加工が行われて評価値が算出されている加工条件の数をＮとし、グラム行列をＣ_Ｎとし、探索結果記憶部２６に記録されている加工条件を並べたベクトルをｋとし、未探索の加工条件ｘ_Ｎ＋１同士のカーネルの値に予測モデルの精度パラメータを加えたスカラー値をｃとする。このとき、加工条件を構成する制御パラメータの中の１つをｘ_ｉ（ｉは自然数）とし、探索結果記憶部２６に記録されている各加工条件におけるこの制御パラメータの値をｘ_１〜ｘ_Ｎとすると、未探索加工条件ｘ_Ｎ＋１に対する評価値の予測に対する不確実性を示す指標である標準偏差σ（ｘ_Ｎ＋１）は以下の式（３）により計算できる。なお、式（３）では、分散σ^２（ｘ_Ｎ＋１）を求めているが、分散の平方根を計算することで標準偏差σ（ｘ_Ｎ＋１）を求めることができる。
σ^２（ｘ_Ｎ＋１）＝ｃ−ｋ^Ｔ・（Ｃ_Ｎ ^−１）・ｋ ・・・（３）

なお、ここでは、不確実性評価部２９が、ガウス過程回帰を用いて予測に対する不確実性を示す指標を算出する例を説明したが、不確実性を示す指標の算出方法はこれに限定されず、例えば、密度推定、混合密度ネットワークといった手法を用いてもよい。

ここで、本実施の形態における評価値の予測値と、予測値の不確実性について説明する。図４は、本実施の形態の評価値の予測値と、不確実性を示す指標とを概念的に示す説明図である。図４には、ガウス過程回帰を用いて予測値と不確実性を示す指標とが算出される例が示されている。図４の横軸は、加工条件である制御パラメータの値ｘを示し、図４の縦軸は評価値を示す。図４の黒丸で示した点は、初期加工条件を用いた実加工に基づいて算出された評価値（以下、実加工の評価値ともいう）を示す。ガウス過程回帰を用いた予測では、評価値がガウス分布に従うとして評価値を予測する。このため、評価値の予測値をガウス分布の平均ｍ（ｘ）とし、予測の不確実性を示す指標をガウス分布の標準偏差σ（ｘ）とすると、実際の評価値は、約９５％の確率で、ｍ（ｘ）−２σ（ｘ）以上かつｍ（ｘ）＋２σ（ｘ）以下の範囲に入ることが統計的に示される。図４において、実線で示された曲線は、評価値の予測値であるｍ（ｘ）を示し、破線で示された曲線は、ｍ（ｘ）−２σ（ｘ）およびｍ（ｘ）＋２σ（ｘ）の曲線を示す。図４に示すように、実加工の評価値に近い箇所では不確実性を示す指標は小さくなり、実加工の評価値から離れた箇所では不確実性を示す指標は大きくなる。

図３の説明に戻り、ステップＳ８の後、加工条件探索装置２は、予測値の不確実性を示す指標を記録する（ステップＳ９）。詳細には、不確実性評価部２９が、ステップＳ８で算出した予測値の不確実性を示す指標を加工条件と対応付けて不確実性記憶部３０に格納する。

ステップＳ７およびステップＳ９の後、加工条件探索装置２は、最適加工条件を計算する（ステップＳ１０）。詳細には、最適加工条件計算部３１が、探索結果記憶部２６に記憶された探索結果と、予測結果記憶部２８に記憶された予測結果とを用いて、評価値が閾値以上であり、かつ裕度が最も高いすなわち頑健性が最も高い加工条件を計算する。閾値は、評価値が０から１までの値をとる場合に、最も品質のよい加工が行われたことを示す値である１とすることができる。または、閾値は０．８５といったように、１に近く１より小さい値に設定されてもよい。

ここで、本実施の形態において、裕度とは、同一の加工条件を用いて加工機１が加工を実施して得られる評価値にバラつきがあったとしても、ある加工条件を選択して加工を行う場合に、選択された加工条件に対応付けられた評価値と同程度の評価値が得られる可能性の高さを示す。選択された加工条件に対応付けられた評価値は、実加工により得られた評価値および評価値の予測値であり、以下、これらの評価値を想定される評価値とも呼ぶ。本実施の形態では、後述するように、想定される評価値に基づいて、加工条件が選択されるが、このとき選択される想定される評価値が所望の値以上となるように選択される。一方、このようにして選択された加工条件に基づいて実際に加工が行われて得られる評価値は、なんらかの要因により、想定される評価値と異なる可能性がある。本実施の形態では、想定される評価値と選択された加工条件に基づいて実際に加工が行われて得られる評価値とが一致する可能性の高さ、を裕度として定義し、裕度の高い加工条件を選択することにより、同一の加工条件を用いて加工機１が加工を実施して得られる評価値にバラつきがあったとしても、所望の評価値となる加工が行われる可能性を高める。裕度の一例として、加工条件を構成する複数の制御パラメータのパラメータ値を次元とする多次元空間において、評価値が閾値以上となるある加工条件に対応する点が、評価値が閾値以上となる領域と評価値が閾値未満となる領域との境界からどれくらい離れているかを示す値が挙げられる。この場合、例えば、評価値が閾値以上となる領域の中心となる加工条件を裕度が最も高い加工条件と定義することができる。

図５は、本実施の形態の裕度を説明するための図である。図５には、加工条件を第１の制御パラメータと第２の制御パラメータの２つの制御パラメータで構成する場合に、第１の制御パラメータと第２の制御パラメータそれぞれのパラメータ値を横軸および縦軸にとった平面を図示している。図５において、丸、三角および四角で示される点は実加工が行われた加工条件に対応する点を示す。丸で示した加工条件３０１は、評価値が０．８５以上となった加工条件を示す。三角で示した加工条件３０２は、評価値が０．４５以上かつ０．８５未満となった加工条件を示す。四角で示した加工条件３０３は、評価値が０．４５未満となった加工条件を示す。この評価値は、実加工が行われた点に対応する場合には実加工により算出された評価値であり、未探索加工条件に対応する点では、上述した予測値である。

ここでは、例えば、評価値が０．８５以上の場合を良加工とし、評価値が０．４５以上かつ０．８５未満の場合を軽微な不良加工であるとし、評価値が０．４５未満の場合を重度の不良加工とする。図５において、領域３１１は、評価値が０．８５以上となる領域であり、領域３１２は、評価値が０．４５以上かつ０．８５未満となる領域であり、領域３１３は、評価値が０．４５未満となる領域である。上述した閾値を０．８５として、良加工となるような加工条件の設定が望まれる場合、評価値が閾値以上となる領域と評価値が閾値未満となる領域との境界は、領域３１１と領域３１２との境界となる。この場合、領域３１１と領域３１２との境界から離れるほど、裕度が高いことになる。したがって、例えば、領域３１１の重心である中心３２０が、裕度が最も高い加工条件となる。この場合、最適加工条件計算部３１は、加工条件を構成する複数の制御パラメータを次元とする多次元空間において、評価値が閾値以上となる領域の重心に対応する加工条件を最適加工条件として求めることになる。

裕度が最も高い加工条件の算出方法は、上述した例に限定されない。例えば、評価値の値に応じて重み付けをし、加重平均をとった座標となる点に対応する加工条件を裕度が最も高い加工条件としてもよい。例えば、図５に示した例において、閾値を０．４５以上とし、評価値が０．８５以上の場合の重みをｗ_１とし、評価値が０．４５以上かつ０．８５未満の場合の重みをｗ_２とし、ｗ_１＋ｗ_２＝１とする。この場合、領域３１１の重心の座標をｐ_１とし、領域３１２の重心の座標をｐ_２とすると、裕度が最も高い座標ｐ_Ｌを、以下の式（４）により求めることができる。
ｐ_Ｌ＝ｗ_１×ｐ_１＋ｗ_２×ｐ_２ ・・・（４）

なお、加重平均の算出方法は上述した例に限定されない。また、上述したように、予測値は、全ての未探索加工条件に関して計算され、これらの結果を用いて上述した領域が計算される。したがって、実施には、図５に示したように連続的な境界が算出されるのではなく、離散的に配置された点に対して評価値の予測値が算出される。したがって、例えば領域３１１の重心の座標が計算される場合には、領域３１１内に離散的に配置された点の各座標値の重心が計算されることになる。加重平均についても同様である。このため、重心である中心点、または加重平均を求める際に、加工条件の組み合わせの数が多いと計算量が増加する。したがって、計算量削減のために、考慮する加工条件を間引いた上で、上述した中心点、加重平均を計算してもよい。

本実施の形態では、上述したように、例えば、領域３１１の重心である中心３２０を、裕度が最も高い最適加工条件として選択しているため、最適加工条件は領域３１１の境界から離れている。これに対し、特許文献１のように、実加工の探索により評価値が最高となる点を求め、その点を中心に実加工による探索を行うと例えば、領域３３０内を探索することになる。領域３３０は、領域３１１内の紙面の右上によった領域となっており、この領域内で、最適加工条件を探索しても、本実施の形態で選択される最適加工条件より、領域３１１の境界に近い加工条件しか探索できない。このように、本実施の形態では、領域３１１の境界から離れた加工条件を最適加工条件として選択できるため、同一の加工条件によって得られる加工結果にバラつきがある場合でも、所望の加工結果が得られる可能性が高くなる。

図３の説明に戻り、ステップＳ１０の後、加工条件探索装置２は、最適加工条件を記憶する（ステップＳ１１）。詳細には、最適加工条件計算部３１が、ステップＳ１０で求めた最適加工条件を最適加工条件記憶部３２へ格納する。

次に、加工条件探索装置２は、探索を終了するか否かを判断し（ステップＳ１２）、探索を終了する場合（ステップＳ１２ Ｙｅｓ）、処理を終了する。詳細には、ステップＳ１２では、探索終了判定部２１が、探索終了条件を満たしているか否かを判断する。探索終了条件の例としては、全加工条件に関して、評価値の予測の不確実性を示す指標が閾値以下となっているという条件が挙げられる。また、探索終了判定部２１は、不確実性を示す指標と予測値とに基づいて、予測値が誤っている確率である予測誤り率を算出し、予測誤り率に基づいて加工条件の探索を終了するか否かを判断してもよい。また、探索終了条件の例として、予測を大きく外す可能性がある加工条件の数が指定した個数以下となるという条件が挙げられる。これは、予測値は周辺の複数の実測値に基づいて算出されるため、実測値と予測値が大きく異なる加工条件があると、この加工条件の実測値が探索空間の広い範囲に影響を及ぼし予測値が大きく変わるためである。

例えば、評価値を０から１の値とし、１が最も良い加工が行われたことを示す値であるとする。０から１までの評価値の範囲のなかで、ユーザにとって予測された評価値と実際の加工で得られた評価値とが大きく異なることは好ましくない。例えば、評価値０．８５以上の加工を良加工と判断すると仮定し、評価値０．９５と予測された加工条件で実際の加工を行って、この加工によって求められた評価値が０．９であったとしても製品の品質への影響は少ない。一方で、評価値０．９５と予測された加工条件で実際の加工を行って、この加工によって求められた評価値が０．２であったとすると、品質の良い加工条件で加工が行われたはずであるのに重度の加工不良となってしまい影響が大きい。このように、重度の加工不良となる範囲と良加工と判断される範囲とのように、実際の加工で得られる評価値と予測値とが属する範囲が相互に入れ替わると影響の大きい２つの範囲がある場合、このような予測の誤りが生じる確率である予測誤り率を探索終了の判定に用いてもよい。

例えば、評価値が第１の範囲内となる加工条件をグループ＃１とし、評価値が第２の範囲内となる加工条件をグループ＃２とする。第１の範囲は、例えば０以上かつ０．３未満であり、第２の範囲は第１の範囲と重複しない範囲であり、例えば０．７以上かつ１以下である。この場合に、グループ＃２に属すると予測された加工条件で加工した場合に、実際には、グループ＃１に対応する評価値となることは好ましくない。また、グループ＃１に属すると予測された加工条件で加工した場合に、実際には、グループ＃２に対応する評価値となることは好ましくない。したがって、探索終了判定部２１は、予測結果記憶部２８に記憶された予測結果と不確実性記憶部３０に記憶された予測の不確実性を示す指標とを用いて、第１の予測誤り率と第２の予測誤り率とを計算する。第１の予測誤り率は、グループ＃１に属すると予測された加工条件が実際にはグループ＃２に属する確率であり、第２の予測誤り率は、グループ＃２に属すると予測された加工条件が実際にはグループ＃１に属する確率である。換言すると、第１の予測誤り率は、予測値が第１の範囲内であると予測される加工条件の実際の評価値が、第１の範囲とは重複しない第２の範囲内となる確率である。ここで、ガウス過程回帰を用いる前提とし、ある加工条件ｘに対する評価値の予測値ｍ（ｘ）が０≦ｍ（ｘ）≦０．３であるとし、すなわちある加工条件ｘがグループ＃１に属すると予測されたとし、予測に対する不確実性の標準偏差をσ（ｘ）とする。このとき、加工条件ｘが、実際には、グループ＃１ではなく、グループ＃２に属する確率である第１の予測誤り率は次の式（５）により計算できる。第２の予測誤り率も積分範囲を変更することで同様に計算できる。ｚは、積分を行うための変数である。

探索終了判定部２１は、第１の予測誤り率と第２の予測誤り率との両方が定められた値以下である場合に、探索終了と判断してもよいし、第１の予測誤り率が定められた値以下である場合探索終了と判断してもよい。このようにして算出された、第１の予測誤り率と第２の予測誤り率は、予測が誤っている確率を示す予測誤り率の一例である。予測誤り利率は、予測と実測の差に関する指標であればよく、上述した例に限定されない。例えば、予測誤り利率は、上述した評価値の予測の不確実性を示す指標であってもよい。また、探索終了判定部２１は、評価値の予測の不確実性を示す指標が閾値以上でありかつ第１の予測誤り率が定められた値以下である場合に、探索終了と判断するなど、複数の項目を組み合わせて探索終了の判断を行ってもよい。

ステップＳ１２で、探索を終了しないと判断した場合（ステップＳ１２ Ｎｏ）、加工条件探索装置２は、次に探索する加工条件を生成する（ステップＳ１３）。詳細には、探索終了判定部２１が、探索終了条件を満たしていないと判断すると、加工条件生成部２２へ、次に探索する加工条件の生成を指示し、加工条件生成部２２が指示に基づいて、全ての加工条件のなかから、次に探索する加工条件すなわち新たな加工条件を選択し、選択した加工条件を実加工指令部２３へ出力する。探索終了判定部２１は、例えば、不確実性を示す指標に基づいて、加工条件の探索を終了するか否かを判断し、探索を終了しない場合には、加工条件生成部２２に新たな加工条件を生成させる。

探索終了判定部２１が、次に探索する加工条件を選択する際の選択方法の一例として、良加工と不良加工の境目の加工結果に対する評価値に対応する加工条件を選択する方法が挙げられる。良加工と不良加工の境目の加工結果に対する評価値に対応する加工条件の多次元空間における領域が明確になると、その領域の内側を評価値が高い領域、外側を評価値が低い領域と判定することができ、少ない試行回数で評価値が高くなる領域の中心座標を求めることができる。

例えば、評価値が０．７付近となる加工条件を選択する場合、加工条件ｘに対する評価値の予測値をｍ（ｘ）、予測に対する不確実性を示す指標である標準偏差をσ（ｘ）とする。このとき、探索終了判定部２１は、次の式（６）の値が最大となるｘを選択すれば、評価値が０．７に近い加工条件を得ることができる。
−（ｍ（ｘ）−０．７）^２＋κ・σ（ｘ） ・・・（６）

ここで、κは予測とその不確実性の重み付けを決めるパラメータであり、κが小さくなるほど予測重視の探索となり、κが大きくなるほど不確実性重視の探索となる。目標とする評価値の値については、探索開始から終了まで同じ値で固定してもよいし、探索するたびに異なる値としてもよい。また、探索終了判定部２１が上述した予測誤り率を計算する場合、探索終了判定部２１から予測誤り率を取得して、予測誤り率の高い範囲内から加工条件を選択してもよい。または、加工条件生成部２２が、探索終了判定部２１と同様に、予測結果記憶部２８に記憶された予測結果と不確実性記憶部３０に記憶された予測の不確実性を示す指標とに基づいて予測誤り率を求め、求めた予測誤り率に基づいて加工条件を生成してもよい。例えば、加工条件生成部２２が、予測誤り率の高い範囲内から加工条件を選択する。

ステップＳ１３の後、ステップＳ２，ステップＳ３と同様に、ステップＳ１４，ステップＳ１５が実施され、ステップＳ１５の後に、ステップＳ６およびステップＳ８が再び実施される。

表示部１５は、上述した処理の過程で得られたデータ、処理の結果得られた最適加工条件などを表示することができる。例えば、表示部１５は、加工評価部１２により生成された評価値と対応する加工条件とを対応付けて表示するとともに、予測部２７により生成された予測値と対応する加工条件とを対応付けて表示し、さらに最適加工条件を表示することができる。図６は、本実施の形態の加工条件と評価値の表示例を示す図である。図６に示した例では、２つの制御パラメータのそれぞれを横軸および縦軸にとり、加工条件を示す各点における評価値を図形の違いで示している。図６では、ハッチングされた図形に対応する点が、探索済の加工条件を示し、ハッチングされていない図形に対応する点が予測された加工条件を示す。また、丸の図形は評価値が良加工に対応する評価値であることを示し、四角の図形は評価値が不良加工に対応する評価値であることを示し、三角の図形は評価値が軽微な不良加工に対応する評価値であることを示す。二重丸で示された点は、推定された最適加工条件を示す。また、図６の各加工条件を示す点の背景には、良加工の範囲を縦のハッチングで示している。加工条件と評価値の表示例は、図６に示した例に限定されない。

以上説明した例では、加工機１がレーザ加工機であるとして説明したが、上述したとおり、加工機１はレーザ加工機に限定されない。本実施の形態で述べた加工条件の探索方法を、レーザ加工機以外の加工機１に適用する場合、加工機１に応じた制御パラメータで構成される加工条件を、同様に探索することができる。例えば、加工機１がワイヤ放電加工機の場合は、放電休止時間、放電パルスエネルギー、平均加工電圧などを制御パラメータとすることができる。

以上のように、この実施の形態によれば、加工条件探索装置２は、加工機１に設定可能な１つ以上の制御パラメータで構成される加工条件を生成する加工条件生成部２２と、加工条件生成部２２により生成された加工条件に基づいて実施された加工を評価するための情報に基づいて、実施された加工の良否を示す評価値を算出する加工評価部１２とを備える。さらに、加工条件探索装置２は、加工評価部１２により算出された評価値に基づいて、対応する加工が実施されていない加工条件の評価値を予測する予測部２７、を備える。さらに、加工条件探索装置２は、予測部２７により予測された予測値を用いて、評価値が閾値以上でありかつ裕度が高い加工条件を計算する最適加工条件計算部３１、を備える。これにより、少ない試行回数で、所望の評価値以上の加工結果が得られる可能性の高い加工条件を求めることができる。

また、加工条件探索装置２は、予測部２７による予測の不確実性を示す指標を計算する不確実性評価部２９を備え、この指標を用いて探索終了条件を満たすか否かを判定し、探索を終了しない場合には、実加工を行う加工条件を追加で新たに生成して、生成した加工条件に基づいて行われた加工に対応する評価値を計算する。そして、探索終了条件を満たすまで、加工条件生成部２２、実加工指令部２３、予測部２７、不確実性評価部２９および最適加工条件計算部３１の処理を繰り返す。これにより、初期探索として実加工を行う加工条件の数を少なくすることができ、探索終了条件を満たす最低限の実加工の回数で、最適な加工条件を得ることができる。

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。

１ 加工機、２ 加工条件探索装置、１１ 探索加工条件生成部、１２ 加工評価部、１３ 機械学習部、１４ 最適加工条件生成部、１５ 表示部、２１ 探索終了判定部、２２ 加工条件生成部、２３ 実加工指令部、２４ 加工結果取得部、２５ 評価値生成部、２６ 探索結果記憶部、２７ 予測部、２８ 予測結果記憶部、２９ 不確実性評価部、３０ 不確実性記憶部、３１ 最適加工条件計算部、３２ 最適加工条件記憶部。

Claims (9)

1. 加工機に設定可能な１つ以上の制御パラメータで構成される加工条件を生成する加工条件生成部と、
   前記加工条件生成部により生成された加工条件に基づいた加工を前記加工機に実施させる実加工指令部と、
   実施された加工の加工結果を示す情報に基づいて、前記実施された加工の評価値を生成する加工評価部と、
   前記評価値と、前記評価値に対応する前記加工条件とに基づいて、加工が実施されていない加工条件に対応する評価値を予測する予測部と、
   前記予測部により予測された予測値と、前記加工評価部により生成された評価値とに基づいて、評価値が閾値以上でありかつ裕度が最大となる加工条件である最適加工条件を求める最適加工条件計算部と、
   前記予測部による予測の不確実性を示す指標を算出する不確実性評価部と、
   前記指標に基づいて、加工条件の探索を終了するか否かを判断し、探索を終了しない場合には、前記加工条件生成部に新たな加工条件を生成させる探索終了判定部と、
   を備え、
   前記評価値は、値が大きいほど加工結果が良いことを示し、
   前記探索終了判定部により探索を終了すると判断されるまで、前記加工条件生成部、前記実加工指令部、前記加工評価部、前記予測部、前記不確実性評価部および前記最適加工条件計算部の処理を繰り返すことを特徴とする加工条件探索装置。
2. 前記探索終了判定部は、前記指標と前記予測値とに基づいて、予測値が誤っている確率である予測誤り率を算出し、前記予測誤り率に基づいて加工条件の探索を終了するか否かを判断することを特徴とする請求項１に記載の加工条件探索装置。
3. 前記探索終了判定部は、前記指標と前記予測値とに基づいて、予測値が第１の範囲内であると予測される加工条件の実際の評価値が前記第１の範囲とは重複しない第２の範囲内となる確率である第１の予測誤り率を算出し、前記第１の予測誤り率に基づいて加工条件の探索を終了するか否かを判断することを特徴とする請求項２に記載の加工条件探索装置。
4. 前記加工条件生成部は、前記予測値に基づいて、加工条件に対する評価値が中間の値となる加工条件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つに記載の加工条件探索装置。
5. 前記加工条件生成部は、前記予測値が誤っている確率である予測誤り率を用いて、加工条件を生成することを特徴とする請求項１から４のいずれか１つに記載の加工条件探索装置。
6. 前記予測部は、加工条件に対する評価値が特定の分布に従う確率変数であると仮定して生成された、評価値の前記加工条件に対する確率モデル、を用いて前記予測値を生成し、
   前記不確実性評価部は、前記確率モデルを用いて前記指標を算出することを特徴とする請求項１から５のいずれか１つに記載の加工条件探索装置。
7. 前記最適加工条件計算部は、加工条件を構成する複数の制御パラメータを次元とする多次元空間において、前記評価値が閾値以上となる領域の重心に対応する加工条件を前記最適加工条件として求めることを特徴とする請求項１から６のいずれか１つに記載の加工条件探索装置。
8. 前記加工評価部により生成された評価値と対応する加工条件とを対応付けて表示するとともに、前記予測部により生成された予測値と対応する加工条件とを対応付けて表示し、前記最適加工条件を表示する表示部、
   を備えることを特徴とする請求項１から７のいずれか１つに記載の加工条件探索装置。
9. 加工条件探索装置が、
   加工機に設定可能な１つ以上の制御パラメータで構成される加工条件を生成する加工条件生成ステップと、
   前記加工条件生成ステップにより生成された加工条件に基づいた加工を前記加工機に実施させる実加工指令ステップと、
   実施された加工の加工結果を示す情報に基づいて、前記実施された加工の評価値を生成する加工評価ステップと、
   前記評価値と、前記評価値に対応する前記加工条件とに基づいて、加工が実施されていない加工条件に対応する評価値を予測する予測ステップと、
   前記予測ステップにより予測された予測値と、前記加工評価ステップにより生成された評価値とに基づいて、評価値が閾値以上でありかつ裕度が最大となる加工条件である最適加工条件を求める最適加工条件計算ステップと、
   前記予測ステップによる予測の不確実性を示す指標を算出する不確実性評価ステップと、
   前記指標に基づいて、加工条件の探索を終了するか否かを判断する探索終了判定ステップと、
   を含み、
   前記評価値は、値が大きいほど加工結果が良いことを示し、
   前記探索終了判定ステップにより探索を終了すると判断されるまで、前記加工条件生成ステップ、前記実加工指令ステップ、前記加工評価ステップ、前記予測ステップ、前記不確実性評価ステップおよび前記最適加工条件計算ステップを繰り返すことを特徴とする加工条件探索方法。

Images