JP6880335B1 - 加工条件探索装置および加工条件探索方法 - Google Patents

加工条件探索装置および加工条件探索方法 Download PDF

Info

Publication number
JP6880335B1
JP6880335B1 JP2020543951A JP2020543951A JP6880335B1 JP 6880335 B1 JP6880335 B1 JP 6880335B1 JP 2020543951 A JP2020543951 A JP 2020543951A JP 2020543951 A JP2020543951 A JP 2020543951A JP 6880335 B1 JP6880335 B1 JP 6880335B1
Authority
JP
Japan
Prior art keywords
machining
processing
evaluation value
conditions
unit
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
JP2020543951A
Other languages
English (en)
Other versions
JPWO2021186521A1 (ja
Inventor
秀之 増井
秀之 増井
寛史 吉川
寛史 吉川
潤 丸田
潤 丸田
滉稀 中根
滉稀 中根
中川　孝幸
孝幸 中川
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 JP6880335B1 publication Critical patent/JP6880335B1/ja
Publication of JPWO2021186521A1 publication Critical patent/JPWO2021186521A1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical 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
    • G05B19/4093—Numerical 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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
    • G05B19/40937—Numerical 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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine concerning programming of machining or material parameters, pocket machining
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q15/00—Automatic control or regulation of feed movement, cutting velocity or position of tool or work
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/36—Nc in input of data, input key till input tape
    • G05B2219/36289—Cutting, machining conditions by optimisation of time, cost, accuracy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Mechanical Engineering (AREA)
  • Numerical Control (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

加工条件探索装置（１）は、加工機（２）に設定される加工条件を生成する加工条件生成部（１１）と、加工状態を収集する加工状態収集部（１２）と、加工条件に従って実施された加工の加工結果を収集する加工結果収集部（１３）と、加工結果に基づいて加工の評価値を算出する加工結果評価部（１４）と、加工条件、加工状態および評価値に基づいて、未試行の加工条件に対応する評価値を予測する評価値予測モデル（１６）と、加工条件と評価値との関係性の変化度合いに基づいて評価値予測モデル（１６）を構築し、評価値予測モデル（１６）に対して加工状態に応じた重み付けを行うモデル構築部（１５）を備え、加工条件生成部（１１）は、評価値の予測値を用いて、次に試行すべき加工条件を生成し、探索を終了すると判定されるまで、加工状態収集部（１２）、加工結果収集部（１３）、加工結果評価部（１４）、評価値予測モデル（１６）およびモデル構築部（１５）による各処理を繰り返し行う。

Description

本開示は、加工条件を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。
一般的に、加工機に設定される加工条件によって異なる加工結果が得られ、また、同一の加工条件であっても、加工機の状態およびワークの状態を示す加工状態の変化によって異なる加工結果が得られる。このため、加工の要求仕様を満足する加工結果を得るためには、加工状態に応じた適切な加工条件を探索する必要がある。
これに対して、例えば、特許文献１には、加工機械によるワークの加工結果を予測する制御装置が記載されている。この制御装置は、加工状態を示す状態量の変化を表す状態変数と加工結果を示す判定データとの相関関係を示す学習モデルを用いることで、状態量の変化が加工結果に及ぼす影響を予測する。
特開２０１９−３２６４９号公報
加工状態が変化すると、加工機に設定された加工条件が同一であっても異なる加工結果となり、加工条件とこの加工条件で実施された加工の評価値との関係性も変化する。このため、特許文献１に記載された制御装置を用いて加工の要求仕様を満足させる加工条件を探索するためには、事前に大量の学習用データを収集して、加工状態の変化が加工結果に及ぼす影響を精度よく予測することができる学習モデルを構築しておく必要があるという課題があった。
本開示は上記課題を解決するものであり、事前に大量のデータを収集して学習モデルを構築しておくことなく、加工条件を探索することができる加工条件探索装置および加工条件探索方法を得ることを目的とする。
本開示に係る加工条件探索装置は、加工機に設定される加工条件を生成する加工条件生成部と、加工条件に従って加工を実施する加工機、加工対象のワークおよび加工機の設置環境の各状態を示す加工状態を収集する加工状態収集部と、加工条件に従って実施された加工の加工結果を収集する加工結果収集部と、加工結果収集部によって収集された加工結果に基づいて、加工条件に従って実施された加工の評価値を算出する加工結果評価部と、加工条件生成部によって生成された加工条件、加工状態収集部によって収集された加工状態および加工結果評価部によって算出された評価値に基づいて、未試行の加工条件に対応する評価値を予測する評価値予測モデルと、加工状態の変化度合いが閾値以上であると判定した場合に評価値予測モデルを構築し、評価値予測モデルに対して加工状態に応じた重み付けを行うモデル構築部とを備え、加工条件生成部は、評価値予測モデルによって算出された評価値の予測値を用いて、次に試行すべき加工条件を生成し、加工条件生成部によって加工条件の探索を終了すると判定されるまで、加工状態収集部、加工結果収集部、加工結果評価部、評価値予測モデルおよびモデル構築部による各処理を繰り返し行う。
本開示によれば、加工機に設定された加工条件、加工状態および加工の評価値に基づいて、未試行の加工条件に対応する評価値が予測され、加工条件と評価値との関係性の変化度合いに基づいて、評価値予測モデルが構築され、評価値予測モデルに対して加工状態に応じた重み付けが行われる。加工状態の変化によって加工条件と評価値との関係性が変化した場合であってもその変化の度合いに応じて評価値予測モデルが新たに構築され、評価値予測モデルに対して加工状態に応じた重み付けが行われる。これにより、本開示に係る加工条件探索装置は、事前に大量のデータを収集して学習モデルを構築しておくことなく、加工条件を探索することができる。
実施の形態１に係る加工条件探索装置の構成を示すブロック図である。 実施の形態１に係る加工条件探索方法を示すフローチャートである。 加工条件と、これに対応する評価値の予測値と、評価値の予測の不確実性を示す指標との関係を示すグラフである。 図４Ａは、実施の形態１に係る加工条件探索装置の機能を実現するハードウェア構成を示すブロック図であり、図４Ｂは、実施の形態１に係る加工条件探索装置の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。
実施の形態１．
図１は、実施の形態１に係る加工条件探索装置１の構成を示すブロック図である。加工条件探索装置１は、加工機２に設定可能な多数の加工条件から最適な加工条件を探索し、探索結果の加工条件を加工機２に設定する。最適な加工条件は、例えば、加工の要求仕様を満足する加工結果が得られる加工条件である。また、表示部３は、加工条件探索装置１によって探索された加工条件等を表示する。例えば、表示部３は、加工機２に設定された加工条件と、この加工条件に従って加工機２が実施した加工の評価値を表示する。
加工機２は、加工条件に従って加工を実施する産業用装置であり、例えば、金属からなる加工対象物に対して切削あるいは研磨を行うか、電気またはその他のエネルギーを利用して不要な部分を取り除くことにより、加工対象物を所望の形状とする。加工対象物は、金属に限らず、セラミックス、ガラスあるいは木材であってもよい。加工機２には、例えば、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、超音波加工機または電子ビーム加工機がある。以下の説明は、加工機２が、放電加工機、特に形彫放電加工機であるものとする。
加工条件は、加工機２の制御に用いられる複数の制御パラメータの組み合わせによって構成される。一般的に、加工条件が異なると、加工結果は異なる。また、加工機２に設定された加工条件が同一であっても、加工中の加工機２、加工対象のワークおよび加工機２の設置環境の各状態を示す加工状態の変化によっては、異なる加工結果が得られることがある。すなわち、加工の要求仕様を満足する最適な加工結果を得るためには、加工状態に応じた適切な加工条件を探索する必要がある。
例えば、形彫放電加工機の加工において調整可能な制御パラメータが３つあり、各制御パラメータの値を１０段階で選択できる場合に、各制御パラメータの組み合わせによって構成される加工条件は、１０３＝１０００通りある。これに対して、加工条件探索装置１は、加工機２に設定可能な多数の加工条件を順に探索するのではなく、加工状態の変化に応じて探索対象の加工条件の数を絞るので、加工条件の探索の試行回数が低減される。
図１において、加工条件探索装置１は、加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４、モデル構築部１５および評価値予測モデル１６を備える。また、加工条件探索装置１は、加工状態記憶部１７Ａ、探索結果記憶部１７Ｂ、モデル記憶部１７Ｃ、予測結果記憶部１７Ｄおよび不確実性記憶部１７Ｅを備える。なお、記憶部１７Ａ〜１７Ｅの全てまたはその一部は、加工条件探索装置１とは別に設けられた外部装置が備えてもよい。
加工条件生成部１１は、加工条件を生成し、生成した加工条件を加工機２に設定する。加工条件生成部１１は、加工条件計算部１１ａ、実加工指令部１１ｂおよび探索終了判定部１１ｃを備えている。
加工条件計算部１１ａは、加工機２に設定する加工条件を算出する。例えば、加工条件計算部１１ａは、加工機２の複数の制御パラメータおよびこれらの制御パラメータが取り得る値の範囲の組み合わせから、加工内容に対応する組み合わせを選択し、選択した組み合わせから加工条件を算出する。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。
実加工指令部１１ｂは、加工条件計算部１１ａによって算出された加工条件に基づいた加工を加工機２に実施させる。例えば、実加工指令部１１ｂは、加工条件計算部１１ａによって算出された加工条件に基づいて、加工機２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２へ出力する。
探索終了判定部１１ｃは、予測結果記憶部１７Ｄまたは不確実性記憶部１７Ｅに記憶されたデータに基づいて、加工条件の探索を終了するか否かを判定する。探索終了判定部１１ｃによって加工条件の探索を追加で行う必要があると判定された場合、加工条件計算部１１ａは、次に加工を実施すべき加工条件を生成する。また、加工条件の探索を追加で行う必要がないと判定された場合、加工条件計算部１１ａは、予測結果記憶部１７Ｄに記憶された評価値の予測結果を用いて、最も高い評価値であると予測された加工条件を、最適な加工条件と決定する。
加工状態収集部１２は、加工機２によって実施されている加工の加工状態を示すデータを収集する。加工状態には、加工機２の状態、加工対象のワークの状態および加工機２の設置環境の状態が含まれる。例えば、加工状態は、加工機２の温度、ワークの温度、ワークの厚み、および加工機２の設置環境である室内の温度または湿度といった、加工結果に影響を与えるが、ユーザが制御できない状態である。加工状態を示すデータは、加工状態が示す各状態を数値化した状態量である。加工状態収集部１２によって収集されたデータは、加工状態記憶部１７Ａに記憶される。
加工結果収集部１３は、加工機２から、加工条件に従って実施された加工の加工結果を収集する。例えば、加工結果収集部１３は、加工中および加工後に得られた加工に関連する情報を収集する。加工処理に関連する情報には、例えば、加工中に観測された音または光の検出データ、放電パル数または加工後のワークの表面状態がある。
加工結果評価部１４は、加工結果収集部１３によって収集された加工結果に基づいて、加工機２によって加工条件に従って実施された加工の評価値を算出する。評価値は、加工の良否の評価値であり、例えば、０から１までの値である。評価値が大きいほど加工結果がよいことを表す。最も良い加工が行われた場合に評価値は１となり、最も悪い加工が行われた場合の評価値は０となる。また、加工結果評価部１４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１７Ｂに記憶する。探索結果記憶部１７Ｂは、探索結果を記憶する。
モデル構築部１５は、加工条件と評価値との関係性の変化度合いに基づいて評価値予測モデル１６を構築し、評価値予測モデル１６に対して加工状態に応じた重み付けを行う。例えば、モデル構築部１５は、加工状態記憶部１７Ａに記憶された加工状態を示す情報と探索結果記憶部１７Ｂに記憶された評価値とに基づいて、加工条件と評価値との関係性の変化度合いを算出する。モデル構築部１５は、加工条件と評価値との関係性の変化度合いが閾値以上である場合に、評価値予測モデルを新たに構築すべき加工状態の変化が生じたと判断して、評価値予測モデルを構築する。
また、モデル構築部１５は、加工状態に応じて評価値予測モデル１６に対して重み付けを実施する。例えば、複数の評価値予測モデル１６による各評価値の予測値は、評価値予測モデル１６に対応する加工状態を数値化した状態量の大きさに応じた重みによって統合される。統合された評価値の予測値において、重みが大きい評価値予測モデル１６であるほど、その予測結果が重視される。
評価値予測モデル１６は、加工条件生成部１１によって生成された加工条件、加工状態収集部１２によって収集された加工状態、および加工結果評価部１４によって算出された評価値に基づいて、未試行の加工条件に対応する評価値を予測する。図１において、評価値予測モデル１６は、評価値予測部１６ａおよび不確実性評価部１６ｂを備える。
評価値予測部１６ａは、探索結果記憶部１７Ｂに記憶された加工条件とこれに対応する評価値とに基づいて、未試行（加工が実施されていない）の加工条件に対応する評価値を予測する。また、評価値予測部１６ａは、加工条件およびこれに対応する評価値の予測値を予測結果記憶部１７Ｄに記憶する。予測結果記憶部１７Ｄには、未試行の加工条件と、これに対応する評価値の予測値とが対応付けて記憶される。
不確実性評価部１６ｂは、評価値予測部１６ａによる評価値の予測の不確実性を示す指標を算出する。例えば、不確実性評価部１６ｂは、探索結果記憶部１７Ｂ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する。不確実性評価部１６ｂは、算出した指標の値および加工条件を含む不確実性情報を、不確実性記憶部１７Ｅに記憶する。不確実性記憶部１７Ｅには、未試行の加工条件と、これに対応する評価値の予測の不確実性を示す指標値とが対応付けて記憶される。
図２は、実施の形態１に係る加工条件探索方法を示すフローチャートであり、加工条件探索装置１によって最適な加工条件が探索されるまでの一連の処理を示している。最適な加工条件の探索処理が開始されると、加工条件生成部１１が、初期加工条件を生成する（ステップＳＴ１）。加工条件計算部１１ａは、加工機２に設定可能な全ての制御パラメータの組み合わせの中から、一定数の組み合わせを初期加工条件として選択する。初期加工条件の選択方法として、実験計画法、最適計画法またはランダムサンプリングがある。また、加工機２の過去の利用実績から、ユーザが最適な加工条件の見当がついている場合には、ユーザが指定し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３つであり、制御パラメータごとに１０段階の値から加工機２に設定する値を選べる場合、加工条件の総組み合せ数は、１０００通り存在する。加工条件計算部１１ａは、１０００通りの加工条件の中から一定数の加工条件を選択する。以下の説明では、一定数が例えば５であり、加工条件計算部１１ａは、１０００通りの加工条件の中から５通りの加工条件を選択するものとする。
続いて、加工条件生成部１１が、初期加工条件を加工機２に設定して、初期加工条件に従って加工機２に加工を実施させる（ステップＳＴ２）。例えば、加工条件計算部１１ａは、５通りの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を実加工指令部１１ｂに出力する。実加工指令部１１ｂは、加工条件計算部１１ａから出力された初期加工条件に従って加工機２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２に出力する。加工機２は、初期加工条件に従った加工を実施する。以下の説明において、初期加工条件に従った加工は、“初期加工”とも記載される。
加工状態収集部１２は、初期加工条件に従って加工機２によって実施された加工の加工状態を示すデータを収集する（ステップＳＴ３）。加工状態収集部１２は、加工機２から収集した加工状態を示すデータを、加工状態記憶部１７Ａに記憶する。これにより、加工状態記憶部１７Ａには、初期加工条件と加工状態とが対応付けて記憶される。
加工結果収集部１３は、初期加工条件に従って加工機２によって実施された加工の加工結果を示すデータを収集する（ステップＳＴ４）。加工結果収集部１３によって収集されたデータは、加工結果評価部１４に出力される。
加工結果評価部１４は、加工結果収集部１３によって収集された加工結果に基づいて、加工機２によって初期加工条件に従って実施された加工の評価値を算出する（ステップＳＴ５）。加工結果評価部１４は、加工結果収集部１３によって収集された加工結果を数値化し、加工の良否の評価値を算出する。例えば、加工結果評価部１４は、初期加工条件に従う加工中に観測された音または光の検出データあるいは放電パルス数を計測し、この計測値を、加工の良否を示す連続値または複数段階の離散値（例えば１０段階）の評価値に変換する。探索結果記憶部１７Ｂは、加工条件と評価値との組み合わせを記憶する。
加工条件計算部１１ａは、初期加工条件として選択した全ての加工条件について、初期加工が終了したか否かを確認する（ステップＳＴ６）。初期加工が終了していない初期加工条件がある場合（ステップＳＴ６；ＮＯ）、初期加工が終了していない初期加工条件について、ステップＳＴ１からステップＳＴ５までの処理が順に実施される。これにより、加工状態記憶部１７Ａには、全ての初期加工条件（例えば、５通りの初期加工条件）と、加工状態を示すデータとが対応付けて記憶される。さらに、探索結果記憶部１７Ｂには、全ての初期加工条件と評価値とが対応付けて記憶される。
全ての初期加工条件の初期加工が終了した場合（ステップＳＴ６；ＹＥＳ）、加工条件計算部１１ａは、探索された最適な加工条件に従った加工が終了したか否かを確認する（ステップＳＴ７）。最適な加工条件に従って加工機２が加工を終えた場合（ステップＳＴ７；ＹＥＳ）、図２の一連の処理が終了する。
最適な加工条件に従った加工が終了していない場合（ステップＳＴ７；ＮＯ）、モデル構築部１５は、加工状態記憶部１７Ａに記憶された加工状態を示すデータを用いて、加工条件と評価値との関係性の変化度合いを示す指標の値が閾値以上であるか否かを判定する（ステップＳＴ８）。上記変化度合いを求める方法には、変化点検知がある。変化点検知においては、上記変化度合いを示す指標として異常度が用いられる。異常度は、例えば、加工状態の予測値と、加工状態記憶部１７Ａに記憶された加工状態の実測値との差を二乗した値である。
加工状態の予測値の算出には、例えば、自己回帰モデルが用いられる。自己回帰モデルにおいて、１時間ステップ先の時刻ｔにおける加工状態の予測値ハットｙ（ｔ）は、下記式（１）を用いて算出される。下記式（１）において、ｙ（ｔ−１）は、現在時刻ｔ−１における加工状態の実測値であり、ｙ（ｔ−２）は、過去の時刻ｔ−２における加工状態の実測値であり、ｙ（ｔ−３）は、過去の時刻ｔ−３における加工状態の実測値である。係数α１は、実測値ｙ（ｔ−１）に対する係数であり、係数α２は、実測値ｙ（ｔ−２）に対する係数であり、係数α３は、実測値ｙ（ｔ−３）に対する係数である。なお、モデル構築部１５は、自己回帰モデル以外に、重回帰モデル、決定木あるいはニューラルネットワークといった教師あり学習を用いて加工条件と評価値との関係性の変化度合いを評価してもよい。

Figure 0006880335
モデル構築部１５は、加工条件と評価値との関係性の変化度合いを示す指標の値が閾値以上であると判定した場合（ステップＳＴ８；ＹＥＳ）、新規に評価値予測モデル１６を構築すべき加工状態の変化が生じたと判断して、変化後の加工状態に対応した評価値予測モデル１６を構築する（ステップＳＴ９）。評価値予測モデル１６の構築には、例えば、自己回帰モデル、重回帰モデル、決定木またはニューラルネットワークといった教師あり学習を用いることができる。
加工条件と評価値との関係性の変化度合いを示す指標の値が上記閾値未満であると判定した場合（ステップＳＴ８；ＮＯ）あるいはステップＳＴ９が完了すると、モデル構築部１５は、既に構築したそれぞれの評価値予測モデル１６に対して、加工状態記憶部１７Ａに記憶された加工状態に応じて重み付けを行う（ステップＳＴ１０）。重み付けの方法には線形補間またはブースティングがある。また、モデル構築部１５は、複数の評価値予測モデル１６を重み付けするのではなく、１つの評価値予測モデル１６を選択して重み付けを行ってもよい。
例えば、モデル構築部１５は、線形補間を用いて、評価値予測モデル１６に対して重み付けを行う。モデル構築部１５は、加工状態記憶部１７Ａに記憶された過去の時刻ｔ−２における加工状態ｓ１、過去の時刻ｔ−３における加工状態ｓ２、および、加工状態収集部１２によって収集された現在ｔ−１における加工状態ｓを用いて、加工状態ｓ１に対応した評価値予測モデル１６が定める関数ｆ１に対する重みβ１（ｓ）と、加工状態ｓ２に対応した評価値予測モデル１６が定める関数ｆ２に対する重みβ２（ｓ）を、下記式（２）に従って算出する。この重み付けを用いて、加工条件ｘ、加工状態ｓに対する評価値予測モデル１６の出力ｆ（ｘ，ｓ）が、下記式（３）に従って算出される。なお、２つの評価値予測モデル１６に対して重みの値を決めたが、モデル構築部１５は、３つ以上の評価値予測モデル１６に対して重みの値を算出してもよい。
β１（ｓ）＝（ｓ２−ｓ）／（ｓ２−ｓ１）
β２（ｓ）＝（ｓ−ｓ１）／（ｓ２−ｓ１） ・・・（２）
ｆ（ｘ，ｓ）＝β１（ｓ）ｆ１（ｘ）＋β２（ｓ）ｆ２（ｘ） ・・・（３）
評価値予測モデル１６における評価値予測部１６ａは、例えば５通りの初期加工条件に従った加工が終了すると、探索結果記憶部１７Ｂに記憶されていた加工条件およびこれに対応する評価値を用いて、前述の１０００通り全ての加工条件に対する評価値を予測する（ステップＳＴ１１）。評価値予測部１６ａによって予測された評価値は、予測結果記憶部１７Ｄに記憶される（ステップＳＴ１２）。
評価値予測部１６ａによる評価値の予測方法として、例えば、ガウス過程回帰がある。ガウス過程回帰において、評価値予測部１６ａは、加工条件に対応する評価値が確率変数であると仮定して構築された、評価値に対応する加工条件の確率モデルである。評価値予測部１６ａは、探索結果記憶部１７Ｂに記憶された各加工条件とこれらに対応するカーネルの値とを並べたベクトルをｋとし、探索結果記憶部１７Ｂに記憶された評価値を並べたベクトルをｔとした場合に、評価値予測部１６ａは、加工条件ｘに対する評価値の予測値ｍ（ｘ）を、下記式（４）に従って算出することができる。下記式（４）において、ＣＮは、グラム行列である。なお、評価値予測部１６ａは、ガウス過程回帰でなくてもよく、決定木、線形回帰、ブースティングまたはニューラルネットワークといった教師あり学習を用いて評価値を予測してもよい。
ｍ（ｘ）＝ｋＴ・（ＣＮ −１）・ｔ ・・・（４）
評価値予測モデル１６における不確実性評価部１６ｂは、例えば５通りの初期加工条件に従った加工が終了すると、探索結果記憶部１７Ｂに記憶されていた加工条件およびこれに対応する評価値を用いて、前述した１０００通り全ての加工条件に対する評価値の予測の不確実性を示す指標を算出する（ステップＳＴ１３）。不確実性評価部１６ｂによって算出された上記指標の値は、不確実性記憶部１７Ｅに記憶される（ステップＳＴ１４）。
不確実性評価部１６ｂによる上記指標の算出方法として、例えば、ガウス過程回帰がある。ガウス過程回帰において、探索結果記憶部１７Ｂに記憶された各加工条件およびこれに対応するカーネルの値を並べたベクトルをｋとし、加工条件ｘ間のカーネルの値に評価値予測部１６ａの精度パラメータを加えたスカラー値をｃとした場合、不確実性評価部１６ｂは、未試行の加工条件ｘに対する評価値の予測の不確実性を示す指標σ２（ｘ）を、下記式（５）に従って算出することができる。下記式（５）において、ＣＮはグラム行列である。不確実性評価部１６ｂは、ガウス過程回帰でなくてもよく、密度推定、混合密度ネットワーク、カルバック・ライブラーダイバージェンスを用いた回帰により上記指標を算出してもよい。
σ２（ｘ）＝ｃ−ｋＴ・（ＣＮ −１）・ｋ ・・・（５）
図３は、加工条件と、これに対応する評価値の予測値と、評価値の予測の不確実性を示す指標との関係を示すグラフである。評価値予測モデル１６は、例えば、ガウス過程回帰を用いて評価値がガウス分布に従うものとして予測を行う。図３に示す黒色プロットは、探索結果記憶部１７Ｂに記憶された加工条件および評価値である。図３において、評価値の予測値をガウス分布の平均ｍ（ｘ）とし、評価値の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）とした場合、評価値の予測が外れたとしても、黒色プロットが、約９５％の確率で、ｍ（ｘ）＋２σ（ｘ）以下、かつｍ（ｘ）―２σ（ｘ）以上の範囲に入っていることが統計的に示される。
加工条件生成部１１が備える探索終了判定部１１ｃは、予測結果記憶部１７Ｄに記憶された加工条件の評価値の予測値および不確実性記憶部１７Ｅに記憶された評価値の予測の不確実性を示す指標を用いて加工条件の探索を終了するか否かを判定する（ステップＳＴ１５）。例えば、探索終了判定部１１ｃは、不確実性記憶部１７Ｅに記憶された、これまで探索した全ての加工条件の評価値の予測の不確実性を示す指標の値を閾値と比較して、当該指標の値が閾値以下である場合、最適な加工条件が探索されたと判断して、加工条件の探索を終了する。
また、探索終了判定部１１ｃは、全ての加工条件の評価値の予測の不確実性を示す指標を閾値と比較することで、評価値の予測を大きく外す可能性がある加工条件の数が指定数以下であった場合には、加工条件の探索を終了する。これは、評価値の実測値と評価値の予測値が大きく異なる加工条件があると、加工条件の探索空間の広い範囲において予測値が大きく変わるためである。
例えば、探索終了判定部１１ｃは、加工条件ｘ、この加工条件ｘに対する評価値の予測値ｍ（ｘ）およびこの評価値の予測の不確実性を示す指標（標準偏差）σ（ｘ）を用いることにより、ｍ（ｘ）＋κσ（ｘ）の値が大きくなるほど加工条件を探索する価値が高いと判断することができる。なお、κは、加工条件を探索する前に決定されるパラメータである。κの値が小さいほど、評価値の予測値が高い加工条件が選択され、κの値が大きいほど、評価値の予測を大きく外している可能性が高い加工条件が選択される。κの値は、同じ値を使い続けてもよいし、途中で値を変えてもよい。
加工条件の探索を終了すると判定した場合（ステップＳＴ１５；ＹＥＳ）、探索終了判定部１１ｃは、予測結果記憶部１７Ｄに記憶された全ての加工条件の評価値の予測値の中から、評価値が最も高いと予測された加工条件を抽出し、抽出した加工条件を実加工指令部１１ｂに出力する。実加工指令部１１ｂは、探索終了判定部１１ｃから出力された加工条件を含む指令を加工機２に出力し、当該加工条件を加工機２に設定する（ステップＳＴ１６）。
加工条件の探索を追加で行う必要があると判定した場合（ステップＳＴ１５；ＮＯ）、探索終了判定部１１ｃは、探索の継続を加工条件計算部１１ａに出力する。加工条件計算部１１ａは、探索終了判定部１１ｃから探索の継続が指示された場合に、予測結果記憶部１７Ｄに記憶された加工条件の評価値の予測値を用いて、次に試行すべき加工条件を生成する（ステップＳＴ１７）。加工条件計算部１１ａによって算出された次に試行すべき加工条件は、実加工指令部１１ｂに出力される。実加工指令部１１ｂは、次に試行すべき加工条件を含む指令を加工機２に出力し、当該加工条件を加工機２に設定する
ステップＳＴ１６において最適な加工条件が設定されるか、ステップＳＴ１７において次に試行すべき加工条件が設定された場合、加工機２は、加工を実施する（ステップＳＴ１８）。加工機２による加工中に、加工状態収集部１２は、その加工状態を示すデータを収集することで、加工状態記憶部１７Ａに加工条件と加工状態とを対応付けて記憶する。加工結果収集部１３は、その加工結果を示すデータを収集して加工結果評価部１４に出力する。加工結果評価部１４は、加工結果収集部１３によって収集された加工結果に基づいて、加工機２によって実施された加工の評価値を算出する（ステップＳＴ１９）。次に、ステップＳＴ７の処理に移行して、前述した処理が実行される。
表示部３は、加工条件探索装置１による加工条件の探索中に得られた、加工条件およびこの加工条件に対応する評価値を表示する。また、表示部３は、加工条件およびこの加工条件に対応する評価値の予測値または探索結果の最適な加工条件を表示する。すなわち、表示部３は、探索結果記憶部１７Ｂから読み出された加工条件およびこの加工条件に対応する評価値、予測結果記憶部１７Ｄから読み出された加工条件およびこの加工条件に対応する評価値の予測値、または、加工条件計算部１１ａから出力された探索結果の最適な加工条件のうち、少なくとも一つを表示する。これにより、加工作業者は、表示部３に表示された情報を参照することにより、加工条件の探索状況および探索結果を認識することができる。
加工条件探索装置１の機能を実現するハードウェア構成は、下記のようになる。
加工条件探索装置１における加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４、モデル構築部１５および評価値予測モデル１６の機能は、処理回路によって実現される。すなわち、加工条件探索装置１は、図２のステップＳＴ１からステップＳＴ１９までの処理を実行する処理回路を備えている。処理回路は、専用のハードウェアであってもよいし、メモリに記憶されたプログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）であってもよい。
図４Ａは、加工条件探索装置１の機能を実現するハードウェア構成を示すブロック図である。さらに、図４Ｂは、加工条件探索装置１の機能を実現するソフトウェアを実行するハードウェア構成を示すブロック図である。図４Ａおよび図４Ｂにおいて、入力インタフェース１００は、加工機２から加工条件探索装置１へ出力される加工状態および加工結果を示すデータを中継し、各記憶部１７Ａ〜１７Ｅから加工条件探索装置１へ出力される記憶データを中継する。出力インタフェース１０１は、加工条件探索装置１から表示部３へ出力される情報、または、加工条件探索装置１から各記憶部１７Ａ〜１７Ｅへ出力されるデータを中継する。
処理回路が、図４Ａに示す専用のハードウェアの処理回路１０２である場合、処理回路１０２は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、または、これらを組み合わせたものが該当する。加工条件探索装置１における加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４、モデル構築部１５および評価値予測モデル１６の機能は、別々の処理回路で実現されてもよいし、これらの機能がまとめて１つの処理回路で実現されてもよい。
処理回路が、図４Ｂに示すプロセッサ１０３である場合、加工条件探索装置１における加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４、モデル構築部１５および評価値予測モデル１６の機能は、ソフトウェア、ファームウェアまたはソフトウェアとファームウェアとの組み合わせによって実現される。なお、ソフトウェアまたはファームウェアは、プログラムとして記述されてメモリ１０４に記憶されている。
プロセッサ１０３は、メモリ１０４に記憶されたプログラムを読み出して実行することにより、加工条件探索装置１における加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４、モデル構築部１５および評価値予測モデル１６の機能を実現する。例えば、加工条件探索装置１は、プロセッサ１０３によって実行されるときに、図２に示したフローチャートにおけるステップＳＴ１からステップＳＴ１９までの処理が結果的に実行されるプログラムを記憶するためのメモリ１０４を備える。これらのプログラムは、加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４、モデル構築部１５および評価値予測モデル１６の手順または方法をコンピュータに実行させる。メモリ１０４は、コンピュータを、加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４、モデル構築部１５および評価値予測モデル１６として機能させるためのプログラムが記憶されたコンピュータ可読記憶媒体であってもよい。
メモリ１０４は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、フラッシュメモリ、ＥＰＲＯＭ（Ｅｒａｓａｂｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＥＥＰＲＯＭ（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、ＤＶＤなどが該当する。
加工条件探索装置１における加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４、モデル構築部１５および評価値予測モデル１６の機能の一部は、専用ハードウェアで実現され、一部は、ソフトウェアまたはファームウェアで実現されてもよい。例えば、加工条件生成部１１、加工状態収集部１２、加工結果収集部１３、加工結果評価部１４およびモデル構築部１５は、専用のハードウェアである処理回路１０２によってその機能が実現され、評価値予測モデル１６は、プロセッサ１０３がメモリ１０４に記憶されたプログラムを読み出し実行することでその機能が実現される。このように、処理回路は、ハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせにより、上記機能を実現することができる。
以上のように、実施の形態１に係る加工条件探索装置１において、加工機２に設定された加工条件、加工状態および加工の評価値に基づいて、未試行の加工条件に対応する評価値が予測され、加工条件と評価値との関係性の変化度合いに基づいて、評価値予測モデル１６が構築され、評価値予測モデル１６に対して加工状態に応じた重み付けが行われる。加工状態の変化によって加工条件と評価値との関係性が変化した場合であってもその変化の度合いに応じて評価値予測モデル１６が新たに構築され、評価値予測モデル１６に対して加工状態に応じた重み付けが行われる。これにより、加工条件探索装置１は、加工状態の変化に応じて加工条件とその評価値との関係性が変化する場合においても、事前に大量のデータを収集して学習モデルを構築しておくことなく、加工条件を探索することができる。また、加工条件探索装置１は、加工機２に設定可能な多数の加工条件を順に探索するのではなく、加工状態の変化に応じて探索対象の加工条件の数を絞るので、加工条件の探索の試行回数が低減される。
なお、実施の形態の任意の構成要素の変形もしくは実施の形態の任意の構成要素の省略が可能である。
本開示に係る加工条件探索装置は、例えば、放電加工機の加工条件の探索に利用可能である。
１ 加工条件探索装置、２ 加工機、３ 表示部、１１ 加工条件生成部、１１ａ 加工条件計算部、１１ｂ 実加工指令部、１１ｃ 探索終了判定部、１２ 加工状態収集部、１３ 加工結果収集部、１４ 加工結果評価部、１５ モデル構築部、１６ 評価値予測モデル、１６ａ 評価値予測部、１６ｂ 不確実性評価部、１７Ａ 加工状態記憶部、１７Ｂ 探索結果記憶部、１７Ｃ モデル記憶部、１７Ｄ 予測結果記憶部、１７Ｅ 不確実性記憶部、１００ 入力インタフェース、１０１ 出力インタフェース、１０２ 処理回路、１０３ プロセッサ、１０４ メモリ。

Claims (7)

  1. 加工機に設定される加工条件を生成する加工条件生成部と、
    前記加工条件に従って加工を実施する前記加工機、加工対象のワークおよび前記加工機の設置環境の各状態を示す加工状態を収集する加工状態収集部と、
    前記加工条件に従って実施された加工の加工結果を収集する加工結果収集部と、
    前記加工結果収集部によって収集された前記加工結果に基づいて、前記加工条件に従って実施された加工の評価値を算出する加工結果評価部と、
    前記加工条件生成部によって生成された前記加工条件、前記加工状態収集部によって収集された前記加工状態および前記加工結果評価部によって算出された前記評価値に基づいて、未試行の前記加工条件に対応する前記評価値を予測する評価値予測モデルと、
    前記加工状態の変化度合いが閾値以上であると判定した場合に前記評価値予測モデルを構築し、前記評価値予測モデルに対して前記加工状態に応じた重み付けを行うモデル構築部と、
    を備え、
    前記加工条件生成部は、前記評価値予測モデルによって算出された前記評価値の予測値を用いて、次に試行すべき前記加工条件を生成し、
    前記加工条件生成部によって前記加工条件の探索を終了すると判定されるまで、前記加工状態収集部、前記加工結果収集部、前記加工結果評価部、前記評価値予測モデルおよび前記モデル構築部による各処理を繰り返し行う加工条件探索装置。
  2. 前記評価値予測モデルは、前記加工条件および前記加工状態に応じて前記評価値の予測の不確実性を示す指標を算出し、
    前記加工条件生成部は、前記評価値の予測値と当該評価値の予測の不確実性を示す指標とに基づいて、次に試行すべき前記加工条件を生成すること
    を特徴とする請求項１記載の加工条件探索装置。
  3. 前記加工条件生成部は、前記評価値の予測値および前記評価値の予測の不確実性を示す指標を用いて、探索を終了するか否かを判定し、探索を終了すると判定した場合に、前記評価値の予測の不確実性を考慮せず、前記評価値の予測値のみに基づいて最適な前記加工条件を予測すること
    を特徴とする請求項２記載の加工条件探索装置。
  4. 前記評価値予測モデルは、前記加工条件に対応する前記評価値が確率変数であると仮定して構築された、前記評価値に対応する前記加工条件の確率モデルであり、前記評価値の予測値と前記評価値の予測の不確実性を示す指標とを算出すること
    を特徴とする請求項２記載の加工条件探索装置。
  5. 前記加工条件および当該加工条件に対応する前記評価値、前記加工条件および当該加工条件に対応する前記評価値の予測値または探索結果の前記加工条件のうち少なくとも一つを表示する表示部を備えたこと
    を特徴とする請求項１記載の加工条件探索装置。
  6. 前記モデル構築部は、互いに異なる加工状態に対応した複数の前記評価値予測モデルを線形補間して前記評価値予測モデルを構築すること
    を特徴とする請求項１記載の加工条件探索装置。
  7. 加工条件生成部が、加工機に設定される加工条件を生成するステップと、
    加工状態収集部が、前記加工条件に従って加工を実施する前記加工機、加工対象のワークおよび前記加工機の設置環境の各状態を示す加工状態を収集するステップと、
    加工結果収集部が、前記加工条件に従って実施された加工の加工結果を収集するステップと、
    加工結果評価部が、前記加工結果収集部によって収集された前記加工結果に基づいて、前記加工条件に従って実施された加工の評価値を算出するステップと、
    評価値予測モデルが、前記加工条件生成部によって生成された前記加工条件、前記加工状態収集部によって収集された前記加工状態および前記加工結果評価部によって算出された前記評価値に基づいて、未試行の前記加工条件に対応する前記評価値を予測するステップと、
    モデル構築部が、前記加工状態の変化度合いが閾値以上であると判定した場合に前記評価値予測モデルを構築し、前記評価値予測モデルに対して前記加工状態に応じた重み付けを行うステップと、
    を備え、
    前記加工条件生成部が、前記評価値予測モデルによって算出された前記評価値の予測値を用いて、次に試行すべき前記加工条件を生成し、
    前記加工条件生成部によって前記加工条件の探索を終了すると判定されるまで、前記加工状態収集部、前記加工結果収集部、前記加工結果評価部、前記評価値予測モデルおよび前記モデル構築部による各処理を繰り返し行う加工条件探索方法。
JP2020543951A 2020-03-17 2020-03-17 加工条件探索装置および加工条件探索方法 Active JP6880335B1 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/011587 WO2021186521A1 (ja) 2020-03-17 2020-03-17 加工条件探索装置および加工条件探索方法

Publications (2)

Publication Number Publication Date
JP6880335B1 true JP6880335B1 (ja) 2021-06-02
JPWO2021186521A1 JPWO2021186521A1 (ja) 2021-09-23

Family

ID=76083856

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020543951A Active JP6880335B1 (ja) 2020-03-17 2020-03-17 加工条件探索装置および加工条件探索方法

Country Status (6)

Country Link
US (1) US20220382229A1 (ja)
JP (1) JP6880335B1 (ja)
CN (1) CN115280251A (ja)
DE (1) DE112020006553T5 (ja)
TW (1) TW202136939A (ja)
WO (1) WO2021186521A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7328474B1 (ja) 2022-12-16 2023-08-16 ファナック株式会社 数値制御装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024042560A1 (ja) * 2022-08-22 2024-02-29 三菱電機株式会社 パラメータ探索装置およびパラメータ探索方法
CN116203891B (zh) * 2023-04-28 2023-08-04 深圳华龙讯达信息技术股份有限公司 一种基于plc的自动化控制决策优化方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018111145A (ja) * 2017-01-10 2018-07-19 ファナック株式会社 工作機械の機械学習装置および熱変位補正装置
JP2019067137A (ja) * 2017-09-29 2019-04-25 ファナック株式会社 数値制御システム
JP6639760B1 (ja) * 2019-06-28 2020-02-05 三菱電機株式会社 加工条件探索装置および加工条件探索方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5734086B2 (ja) * 2011-05-13 2015-06-10 三菱電機株式会社 加工条件探索装置
JP6693919B2 (ja) 2017-08-07 2020-05-13 ファナック株式会社 制御装置及び機械学習装置
JP6663538B1 (ja) * 2018-04-17 2020-03-11 三菱電機株式会社 機械学習装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018111145A (ja) * 2017-01-10 2018-07-19 ファナック株式会社 工作機械の機械学習装置および熱変位補正装置
JP2019067137A (ja) * 2017-09-29 2019-04-25 ファナック株式会社 数値制御システム
JP6639760B1 (ja) * 2019-06-28 2020-02-05 三菱電機株式会社 加工条件探索装置および加工条件探索方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7328474B1 (ja) 2022-12-16 2023-08-16 ファナック株式会社 数値制御装置

Also Published As

Publication number Publication date
WO2021186521A1 (ja) 2021-09-23
JPWO2021186521A1 (ja) 2021-09-23
DE112020006553T5 (de) 2022-12-01
TW202136939A (zh) 2021-10-01
US20220382229A1 (en) 2022-12-01
CN115280251A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
JP6880335B1 (ja) 加工条件探索装置および加工条件探索方法
CN109828532B (zh) 一种基于ga-gbrt的表面粗糙度预测方法及工艺参数优化方法
JP5734086B2 (ja) 加工条件探索装置
JP6863930B2 (ja) 寿命予測装置及び機械学習装置
US11554448B2 (en) Machining condition adjustment apparatus and machine learning device
WO2019025292A2 (en) COMPUTER-ASSISTED METHOD FOR GENERATING A MOLD MODEL FOR PREDICTIVE PRODUCTION CONTROL AND COMPUTER PROGRAM PRODUCTS THEREOF
CN114025912B (zh) 加工条件搜索装置以及加工条件搜索方法
CN111950810B (zh) 一种基于自演化预训练的多变量时间序列预测方法和设备
US20220121176A1 (en) Information processing device, program, process treatment executing device, and information processing system
JPWO2008111349A1 (ja) 生存分析システム、生存分析方法および生存分析用プログラム
CN110893515B (zh) 加工条件调整装置以及机器学习装置
JP7109689B1 (ja) 加工条件探索装置および加工条件探索方法
CN115344951A (zh) 基于时间卷积网络和辅助学习的刀具磨损量预测方法
JP4230890B2 (ja) モデル同定装置，モデル同定プログラム及びモデル同定装置の動作方法
Cao et al. A Reinforcement Learning Hyper-Heuristic in Multi-Objective Single Point Search with Application to Structural Fault Identification
Vera et al. A hybrid system for dental milling parameters optimisation
JP2011145905A (ja) 予測関数生成装置、方法、及び、プログラム
Liu et al. Performance similarity based method for enhanced prediction of manufacturing process performance
CN116756531B (zh) 一种面向模型交互联动的带钢热连轧过程监控方法和装置
CN117532625B (zh) 焊接机器人的路径优化方法及系统
WO2022168864A1 (ja) 情報処理装置、シミュレータシステム、ニューラルネットワークシステム、引数値決定方法および記録媒体
US20210319259A1 (en) Method and apparatus for extracting a pattern of time series data
JP7286049B1 (ja) 学習装置、数値制御装置、加工結果予測方法および加工システム
JP7123267B1 (ja) 運転改善支援プログラム、運転改善支援装置および運転改善支援方法
JP7275389B2 (ja) サーボ制御装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200818

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200818

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200818

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20201120

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201201

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210120

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: 20210406

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210430

R150 Certificate of patent or registration of utility model

Ref document number: 6880335

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250