JP6885975B2 - ワイヤ断線予測装置 - Google Patents

Description

本発明は、ワイヤ断線予測装置に関する。

ワイヤ放電加工機では、加工対象となるワークを加工している最中に、加工に用いているワイヤ電極が断線することがある。ワイヤの断線は、放電加工の状況に応じて、発生し難い場合と、発生し易い場合とがある。

例えば、図８に示されるように、加工対象となるワークに段差がある場合、ワークの厚い部分を加工する際には、厚板用の加工条件（エネルギーの供給量が大きい加工条件）でワークを加工するが（図８上）、そのような加工条件のままでワークの薄い部分の加工に入ると（図８下）、加工のパワーが強すぎてワイヤが断線し易くなる。

また、図９に例示されるように、放電加工中はワイヤのガイド部分に配置されるノズルからワイヤとワークとの間に加工液が供給されている。ノズルから供給される加工液は、直線部の加工時には、ワイヤの移動方向に対して後方へと流れてスラッジ（加工屑）が効率良く排出されていくが、コーナ部を加工している時は、ワイヤ移動方向の後方が行き止まりになっているため、スラッジ（加工屑）が効率良く排出されなくなり、正常放電が十分に行われず断線し易くなる。

図１０のようにワイヤをワークに対して切込む時は、ノズルから供給される加工液が加工部分から周りへと拡散しやすくなり、加工部分に十分な加工液が供給されなくなる現象が発生する。そのため、ワークに対する切込み時は、ワイヤが断線し易くなる。
その他にも、ワークに不純物が混ざっている場合等には、ワークの素材の部分と不純物の部分とでアーク放電の発生頻度が変わるため、偏った放電が発生し易くなり、これが原因でワイヤの断線が発生しやすくなる。

この様なワイヤの断線は、加工面に発生する筋目の原因となる等、加工品質に対して影響を与える他、断線した時点で加工を中断し、上下ガイドの位置をワークの加工開始点まで戻してワイヤの結線を行い、断線した位置に上下ガイド（ワイヤ）を移動させて加工を再開する必要があるため、加工効率が低下するという問題がある。

ワイヤ断線を防止するための従来技術として、例えば特許文献１には、ワークの板厚が変わる段差部位において加工条件を変更する技術が開示されている。また、特許文献２には、ワイヤ電極とワークとの間にかかる電圧に異常を検出した場合、電流のバイパス用のスイッチをオンにして断線を回避する技術が開示されている。更に、特許文献３には、試し加工工程において板厚毎の断線閾値と適切な加工条件を取得して、加工中に板厚に応じた適切な加工条件を設定できるようにする技術が開示されている。

特開２０１０−２４０７６１号公報 特許第３０７８５４６号公報 特許第３０７８５４６号公報

しかしながら、ワイヤ放電加工機でのワイヤの断線は、上記で示したように様々な状況において発生する。そのため、特許文献１に示される加工条件を変更する方法を取るにしても、断線が発生しやすくなる様々な状況に対して予め実験等を行っておく必要がある他、複数の状況の組み合わせによって予め想定できなかった断線リスクが発生することに対して対応することが難しいという課題がある。また、特許文献２に示される技術においても、異常な電圧であると判断する閾値は加工の状況によって変わってくるため、所定の電圧を検出した際に状況を考慮せずに一律にバイパスするようにしても効率の良い加工を行えるとは限らないという問題がある。また、特許文献３に示される技術では、様々な加工の状況（ワークの種類やワイヤ径等）毎に、予め複数の板厚での試し加工工程を行う必要があり、あらゆる状況に対応するには手間がかかるという問題がある。

そのため、ワイヤ放電加工機による加工における様々な加工状況に応じたワイヤの断線を予測し、その原因を特定するワイヤ断線予測装置が望まれている。

本発明の一態様によるワイヤ断線予測装置では、ワイヤ放電加工機による加工時に取得される加工の状況に係る加工データと機械学習モデルを用いてワイヤ断線リスクを予測することにより、上記課題を解決する。本発明の一態様によるワイヤ断線予測装置が用いる学習モデルとしては、加工条件とワイヤ断線リスクとの相関値を算出可能なものを用いることを想定しており、本明細書ではその一例として、機械学習を使った状態判定の１手法であるｋ近傍法を利用した例を示す。本発明の一態様によるワイヤ断線予測装置は、ワイヤ断線しないときのデータ（正常データ）と、様々なワイヤ断線パターン（加工液が弱すぎて断線、放電休止時間が短すぎて断線、放電パルスのピーク値が高過ぎて断線等）で取得されたデータ（異常データ）とを取得し、これらのデータをそれぞれのパターン毎にデータの集合（クラス）として分類した学習モデルを生成する。そして、本発明の一態様によるワイヤ断線予測装置は、ワイヤ放電加工機によるワークの加工時に取得された加工に係るデータ（未知データ）と、学習モデルの各クラス内の既知データとの間で類似度を算出し、その算出結果からワイヤ断線リスク及びワイヤ断線パターンを推定する。そして、ワイヤ断線予測装置は、推定したワイヤ断線リスク及びワイヤ断線パターンに基づいてワイヤ放電加工機による加工条件を最適化する。

そして、本発明の一態様は、ワイヤ放電加工機におけるワークの加工時のワイヤ断線リスクを推定するワイヤ断線予測装置であって、前記ワイヤ放電加工機によるワークの加工時に該ワークの加工に係るデータを取得するデータ取得部と、前記データ取得部が取得したデータに基づいて、ワークの加工において指令される加工に係る条件である加工条件データと、加工に用いられる部材に係る加工部材データと、ワークの加工時の加工状態データとを、加工の状態を示す状態データとして作成する前処理部と、前記前処理部が作成した状態データに基づいて、前記ワイヤ放電加工機における加工状態と、該ワイヤ放電加工機におけるワイヤ電極の断線発生の可能性の有無及び断線原因の相関性を複数のクラス集合で示す学習モデルを用いた機械学習に係る処理を実行する機械学習装置と、を備えたワイヤ断線予測装置である。

本発明の一態様により、ワイヤ放電加工機による加工における様々な加工状況に応じたワイヤの断線予測が可能となる。

一実施形態によるワイヤ断線予測装置の概略的なハードウェア構成図である。 一実施形態によるワイヤ放電加工機の概略的な構成図である 第１実施形態によるワイヤ断線予測装置の概略的な機能ブロック図である。 学習部が生成する学習モデルのイメージを例示する図である。 第２実施形態によるワイヤ断線予測装置の概略的な機能ブロック図である。 推定部によるワイヤ電極の断線可能性の有無及び原因の推定のイメージを例示する図である。 推定部による加工条件の調整するべき量の推定のイメージを例示する図である。 ワイヤ放電加工機におけるワイヤ断線リスクの例を示す図である。 ワイヤ放電加工機におけるワイヤ断線リスクの他の例を示す図である。 ワイヤ放電加工機におけるワイヤ断線リスクの他の例を示す図である。

以下、本発明の実施形態を図面と共に説明する。
図１は本発明の一実施形態によるワイヤ断線予測装置の要部を示す概略的なハードウェア構成図である。本実施形態のワイヤ断線予測装置１は、ワイヤ放電加工機を制御する制御装置として実装することができる。また、ワイヤ断線予測装置１は、ワイヤ放電加工機を制御する制御装置と併設されたパソコンや、ワイヤ放電加工機を制御する制御装置とネットワークを介して接続された管理装置３，セルコンピュータ、フォグコンピュータ、クラウドサーバ等のコンピュータとして実装することが出来る。本実施形態では、ワイヤ断線予測装置１を、ワイヤ放電加工機を制御する制御装置と有線／無線のネットワーク７を介して接続されたコンピュータとして実装した場合の例を示す。

本実施形態によるワイヤ断線予測装置１が備えるＣＰＵ１１は、ワイヤ断線予測装置１を全体的に制御するプロセッサである。ＣＰＵ１１は、バス２２を介して接続されているＲＯＭ１２に格納されたシステム・プログラムを読み出し、該システム・プログラムに従ってワイヤ断線予測装置１全体を制御する。ＲＡＭ１３には一時的な計算データや表示装置７０に表示するための表示データ、入力装置７１を介してオペレータが入力した各種データ等が格納される。

不揮発性メモリ１４は、例えば図示しないバッテリでバックアップされたメモリやＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等で構成され、ワイヤ断線予測装置１の電源がオフされても記憶状態が保持されるメモリとして構成される。不揮発性メモリ１４には、ワイヤ断線予測装置１の動作に係る設定情報が格納される設定領域や、入力装置７１から入力されたデータ、それぞれのワイヤ放電加工機２から取得される各種データ（ワーク材質、ワーク形状、ワイヤ材質、ワイヤ径等）、それぞれのワイヤ放電加工機２の動作において検出される各種物理量（加工経路、加工電圧、電流、速度、加工液量、加工液圧、正常放電回数、異常放電回数等）、図示しない外部記憶装置やネットワークを介して読み込まれたデータ等が記憶される。不揮発性メモリ１４に記憶されたプログラムや各種データは、実行時／利用時にはＲＡＭ１３に展開されても良い。また、ＲＯＭ１２には、各種データを解析するための公知の解析プログラム等を含むシステム・プログラムが予め書き込まれている。

ワイヤ断線予測装置１は、インタフェース２０を介して有線／無線のネットワーク７と接続されている。ネットワーク７には、少なくとも１つのワイヤ放電加工機２や、該ワイヤ放電加工機２による加工作業を管理する管理装置３等が接続され、ワイヤ断線予測装置１との間で相互にデータのやり取りを行っている。

表示装置７０には、メモリ上に読み込まれた各データ、プログラム等が実行された結果として得られたデータ等がインタフェース１８を介して出力されて表示される。また、キーボードやポインティングデバイス等から構成される入力装置７１は、作業者による操作に基づく指令，データ等をインタフェース１９を介してＣＰＵ１１に渡す。

インタフェース２３は、ワイヤ断線予測装置１へ機械学習装置３００を接続するためのインタフェースである。機械学習装置３００は、機械学習装置３００全体を統御するプロセッサ３０１と、システム・プログラム等を記憶したＲＯＭ３０２、機械学習に係る各処理における一時的な記憶を行うためのＲＡＭ３０３、及び学習モデル等の記憶に用いられる不揮発性メモリ３０４を備える。機械学習装置３００は、インタフェース２３を介してワイヤ断線予測装置１で取得可能な各情報（例えば、ワーク材質、ワーク形状、ワイヤ材質、ワイヤ径、加工経路、加工電圧、電流、速度、加工液量、加工液圧、正常放電回数、異常放電回数等）を観測することができる。また、ワイヤ断線予測装置１は、機械学習装置３００から出力される処理結果をインタフェース２３を介して取得し、取得した結果を記憶したり、表示したり、他の装置に対してネットワーク７等を介して送信する。

図２は、ワイヤ放電加工機２の概略構成図である。ワイヤ電極２０１が巻かれたワイヤボビン２１１は、送り出し部トルクモータ２１０で、ワイヤ電極２０１の引き出し方向とは逆方向に指令された所定低トルクが付与される。ワイヤボビン２１１から繰り出されたワイヤ電極２０１は、複数のガイドローラを経由し（図示せず）、ブレーキモータ２１２により駆動されるブレーキシュー２１３により、ブレーキシュー２１３とワイヤ電極送りモータ（図示せず）で駆動されるフィードローラ２２２の間の張力が調節される。

張力検出器２１４は上ガイド２１５と下ガイド２１７間を走行するワイヤ電極２０１の張力の大きさを検出する検出器である。ブレーキシュー２１３を通過したワイヤ電極２０１は、上ガイド２１５に備えられた上ワイヤ支持ガイド２１６、下ガイド２１７に備えられた下ワイヤ支持ガイド２１８、下ガイドローラ２１９を経由し、ピンチローラ２２１とワイヤ電極送りモータ（図示せず）で駆動されるフィードローラ２２２で挟まれ、ワイヤ電極回収箱２２０に回収される。
上ガイド２１５と下ガイド２１７の間の放電加工領域には放電加工対象となるワーク（図示せず）がテーブル（図示せず）に載置され、ワイヤ電極２０１に加工用電源から高周波電圧が印加され放電加工がなされる。また、ワイヤ放電加工機２本体は制御装置２４０によって制御される。

上記した構成を持つワイヤ放電加工機２は、加工液中のワイヤ電極２０１とワーク（図示せず）に電圧を印加して、アーク放電を発生させ、この放電の熱でワークを溶融すると同時に、急激に加熱された加工液の気化爆発により溶融したワークを吹き飛ばすことでワークを加工する。ワイヤ放電加工機２は、各部の状態がセンサ等で検出され、検出された値は制御装置２４０がネットワーク７を介してワイヤ断線予測装置１へと送信される。

図３は、第１実施形態によるワイヤ断線予測装置１と機械学習装置３００の概略的な機能ブロック図である。図３に示されるワイヤ断線予測装置１は、機械学習装置３００が学習を行う場合に必要とされる構成を備えている（学習モード）。図３に示した各機能ブロックは、図１に示したワイヤ断線予測装置１が備えるＣＰＵ１１、及び機械学習装置３００のプロセッサ３０１が、それぞれのシステム・プログラムを実行し、ワイヤ断線予測装置１及び機械学習装置３００の各部の動作を制御することにより実現される。

本実施形態のワイヤ断線予測装置１は、データ取得部３０、前処理部３２を備え、ワイヤ断線予測装置１が備える機械学習装置３００は、学習部１１０を備えている。また、不揮発性メモリ１４（図１）上には、データ取得部３０がワイヤ放電加工機２から取得したデータを記憶する取得データ記憶部５０が設けられており、機械学習装置３００の不揮発性メモリ３０４（図１）上には、学習部１１０による機械学習により構築された学習モデルを記憶する学習モデル記憶部１３０が設けられている。

データ取得部３０は、ワイヤ放電加工機２から各種データを取得する機能手段である。データ取得部３０は、例えば、ワイヤ放電加工機２の加工中に、ワーク材質、ワーク形状、ワイヤ材質、ワイヤ径、加工経路、加工電圧、電流、速度、加工液量、加工液圧、正常放電回数、異常放電回数等の各データを取得し、取得データ記憶部５０に記憶する。データ取得部３０は、ワイヤ放電加工機２において正常に加工が行われている時（即ち、ワイヤ電極２０１が断線していない時）、及びワイヤ放電加工機２においてワイヤ電極２０１が断線した時（ワイヤ電極２０１が断線する直前）のワイヤ放電加工機２に係る複数のデータを取得する。また、データ取得部３０は、ワイヤ放電加工機２においてワイヤ電極２０１が断線した時（ワイヤ電極２０１が断線する直前）に取得したデータについては、ワイヤ電極２０１が断線する前に行われていた加工条件の調整内容乃至断線した後で加工が再開された際に行われた加工条件の調整内容についても併せて取得する。データ取得部３０は、ワイヤ放電加工機２の制御装置に設定された加工に係る条件や、ワイヤ放電加工機２の制御装置が各部に指令する指令値、ワイヤ放電加工機２の制御装置が各部から計測した計測値、別途設置したセンサ等による検出値等としてデータを取得することができる。データ取得部３０は、図示しない外部記憶装置や有線／無線のネットワークを介して他の装置からデータを取得するようにしても良い。

前処理部３２は、データ取得部３０が取得したデータに基づいて、機械学習装置３００による学習に用いられる学習データを作成する。前処理部３２は、各データを機械学習装置３００において扱われる統一的な形式へと変換（数値化、サンプリング等）した学習データを作成する。前処理部３２は、機械学習装置３００が行う所謂教師あり学習のための所定の形式の状態データＳ及びラベルデータＬを学習データとして作成する。前処理部３２が作成する状態データＳは、ワイヤ放電加工機２のワークの加工に係る加工電圧、加工電流、加工速度、加工液量、加工液圧の指令値を含む加工条件データＳ１と、ワイヤ放電加工機２で加工に用いられるワイヤの材質やワイヤ径、加工するワークの材質等を含む加工部材データＳ２と、ワイヤ放電加工機２のワークの加工において計測された電圧、電流、正常放電回数、異常放電回数等を含む加工状態データＳ３とを含む。また、前処理部３２が作成するラベルデータＬは、断線発生の有無及び断線前に調整された加工条件を示す断線パターンデータＬ１を含む。

加工条件データＳ１は、データ取得部３０が取得した、ワイヤ放電加工機２の制御装置が各部に指令する指令値等を用いることができる。加工条件データＳ１は、加工プログラムによる指令や、ワイヤ放電加工機２に設定された各種指令値を用いるようにして良い。

加工部材データＳ２は、データ取得部３０が取得した、ワイヤ放電加工機２の制御装置に設定されているワイヤやワークの情報を用いることができる。

加工状態データＳ３は、データ取得部３０が取得した、ワイヤ放電加工機２の制御装置が各部から計測した計測値、別途設置したセンサ等による検出値等を用いることができる。加工状態データＳ３は、例えば加工時に計測された電圧値の時系列データや電圧波形を示すパラメータ（放電パルス時間、休止パルス時間、ピーク値、パルス幅等のワイヤ放電加工における公知のパラメータ）、電流値の時系列データ電流波形を示すパラメータ（放電パルス時間、休止パルス時間、ピーク値、パルス幅等のワイヤ放電加工における公知のパラメータ）、所定の時間周期内における正常放電（例えば、極間電圧値が、判定レベルを超えてから判定時間が経過した後に判定レベルを下回ったもの）、異常放電（例えば、極間電圧値が、判定レベルを超えてから判定時間が経過する前に判定レベルを下回ったものや、判定レベルを超えないもの等）の回数を用いれば良い。

断線パターンデータＬ１は、前処理部３２が作成する状態データＳに対するラベルデータの１つであり、該状態データＳが取得された状態におけるワイヤ電極２０１の断線発生の有無及びワイヤ電極２０１の断線時において推定される断線原因を示すラベルを含む。前処理部３２は、ワイヤ電極２０１の断線が発生していない状態において取得されたデータに基づいて作成された状態データＳに対応する断線パターンデータＬ１は、断線が無かったことを示すラベル値を取るようにし、ワイヤ電極２０１の断線が発生した状態（ワイヤ電極２０１が断線した直前の状態）において取得されたデータに基づいて作成された状態データＳに対応する断線パターンデータＬ１は、断線があったこと及び断線前に調整された加工条件を示すラベル値を取るようにする。例えば、断線パターンデータＬ１は、例えばワイヤ電極２０１が断線せずに正常に加工できている時に取得されたデータに基づいて作成された状態データＳに対しては「断線無し」のラベル値を取るようにしても良い。また、断線パターンデータＬ１は、加工条件の１つである放電休止時間を下げた後の加工においてワイヤ電極２０１の断線が発生した時に取得されたデータに基づいて作成された状態データＳに対しては「放電休止時間が短い条件下で断線」のラベル値を取るようにしても良い。同様に、断線パターンデータＬ１は、加工条件の１つである加工液量を下げた後の加工においてワイヤ電極２０１の断線が発生した時に取得されたデータに基づいて作成された状態データＳに対しては「加工液量が少ない条件下で断線」のラベル値を取るようにしても良い。この様に、断線パターンデータＬ１は、ワイヤ電極２０１が断線した時に取得されたデータに基づいて作成された状態データＳに対しては、様々なラベル値を取り得る。

学習部１１０は、前処理部３２が作成した学習データを用いた教師あり学習を行い、ワイヤ放電加工機２におけるワイヤ電極２０１の断線発生の可能性の有無及び断線原因と、その時の状態データＳとの相関性を学習した学習モデルを生成する（学習する）機能手段である。本実施形態の学習部１１０は、ワイヤ放電加工機２におけるワイヤ電極２０１の断線発生の可能性の有無及び断線前に調整された加工条件と、その時の状態データＳとの相関性を、断線パターンデータＬ１が同じラベル値を取る状態データＳを、それぞれ異なるクラス集合としてまとめた学習モデルを生成し、生成した学習モデルを学習モデル記憶部１３０に記憶する。

図４は、学習部１１０が作成する学習モデルのイメージを例示する図である。図４では、学習モデルのイメージを把握しやすくするために、状態データＳが加工電圧、加工速度、異常放電回数の３つのパラメータから構成されているものとして示している。図４の例では、正常時（断線なし）の時に取得された状態データＳ、放電休止時間が短い条件下で断線した時に取得された状態データＳ、加工液量が少ない条件下で断線した時に取得された状態データＳ、加工パワーが高い条件下で断線した時に取得された状態データＳが、それぞれ空間上にプロットされており、各々の状態データＳが断線パターンデータＬ１のラベル値毎にクラス集合として分類されている。また、このプロットにおいて任意の２点間の距離（ユークリッド距離）は、両者の類似度を表している。このような学習モデルを生成しておくことで、新たにワイヤ放電加工機２から加工中のデータ（状態データＳ）が取得された時、取得された状態データＳと学習モデルを構成する各クラス集合に属するデータとの距離（ユークリッド距離）に基づいて、取得された状態データＳが学習モデルを構成する各クラス集合のいずれに属するかを推定することにより、現在の加工状態におけるワイヤ電極２０１の断線発生の可能性の有無及び断線する可能性がある場合にはその原因を推定することができるようになる。

図５は、第２実施形態によるワイヤ断線予測装置１と機械学習装置３００の概略的な機能ブロック図である。本実施形態のワイヤ断線予測装置１は、機械学習装置３００が推定を行う場合に必要とされる構成を備えている（推定モード）。図５に示した各機能ブロックは、図１に示したワイヤ断線予測装置１が備えるＣＰＵ１１、及び機械学習装置３００のプロセッサ３０１が、それぞれのシステム・プログラムを実行し、ワイヤ断線予測装置１及び機械学習装置３００の各部の動作を制御することにより実現される。

本実施形態のワイヤ断線予測装置１は、第１実施形態と同様にデータ取得部３０、前処理部３２を備え、更に加工条件調整部３４を備える。また、ワイヤ断線予測装置１が備える機械学習装置３００は、推定部１２０を備えている。更に、不揮発性メモリ１４（図１）上には、データ取得部３０がワイヤ放電加工機２から取得したデータを記憶する取得データ記憶部５０が設けられており、機械学習装置３００の不揮発性メモリ３０４（図１）上には、学習部１１０（図３）による機械学習により構築された学習モデルを記憶する学習モデル記憶部１３０が設けられている。

本実施形態によるデータ取得部３０は、第１実施形態のデータ取得部３０と同様の機能を備える。また、本実施形態による前処理部３２は、第１実施形態で説明したのと同様の手法により、データ取得部３０が取得したデータに基づいて、機械学習装置３００によるワイヤ放電加工機２の加工状態の推定に用いられる状態データＳを作成する。

推定部１２０は、前処理部３２が作成した状態データＳに基づいて、学習モデル記憶部１３０に記憶された学習モデルを用いた現在の加工状態におけるワイヤ電極２０１の断線発生の可能性の有無の推定、及び断線する可能性がある場合にはその原因の推定を行う。本実施形態の推定部１２０では、学習部１１０（図２）により作成された学習モデル（ワイヤ放電加工機２におけるワイヤ電極２０１の断線発生の可能性の有無及び断線時の加工条件と、その時の状態データＳとの相関性を示す複数のクラス集合）に含まれる各々のデータと、前処理部３２から入力された状態データＳと関係に基づいて、現在の加工状態におけるワイヤ電極２０１の断線発生の可能性の有無の推定、及び断線する可能性がある場合にはその原因の推定を行う。

本実施形態による推定部１２０は、ワイヤ放電加工機２のワイヤ断線リスクを、例えばｋ−近傍法により推定する。この場合、推定部１２０は、前処理部３２が作成した推定対象となる状態データＳ（加工条件データＳ１、加工部材データＳ２，加工状態データＳ３）について、学習モデルに含まれる各々のデータとの間で、データのベクトル空間上での距離を求め、推定対象となる状態データＳと距離が近いｋ個の学習モデル内のデータを特定する。そして、推定部１２０は、特定したｋ個のデータの中に付与されているラベル値を集計し、その集計結果として最も多かったラベル値のクラス集合が、推定対象となる状態データＳの所属しているクラス集合であると推定する。そして、推定部１２０は、推定対象となる状態データＳの所属しているクラス集合に付与されているラベル値に基づいて、現在の加工状態におけるワイヤ電極２０１の断線発生の可能性の有無及び断線する可能性がある場合にはその原因を推定する。なお、推定部１２０は、最多となるラベル値のクラス集合が複数ある場合には、予めクラス集合間に順序を設定しておき、その順序に従って推定対象となる状態データＳの所属しているクラス集合を推定しても良いし、最多となるラベル値のクラス集合の内で、状態データＳに最も近いデータを含むクラス集合を状態データＳの所属しているクラス集合として推定する等のようなルールを予め定めておくようにしても良い。

図６は、推定部１２０による推定処理のイメージを例示する図である。図６では、データ取得部３０が取得したデータに基づいて前処理部３２が状態データＳａを作成した場合を示している。図６の例において、所定の加工状態において取得された状態データＳａと、学習モデルに含まれる各データとの距離を算出して、状態データＳａから距離の近いデータをｋ個（図６の例では、ｋ＝６とする）を特定すると、その内訳は、断線なしの時に取得されたデータが２個、加工液量が少ない条件下で断線した時に取得されたデータが３個、加工パワーが高い条件下で断線した時に取得されたデータが１個となっている。したがって、推定部１２０は、状態データＳａは、加工液量が低い条件下で断線した時に取得されたデータと同じクラス集合に属すると推定する。そして、推定部１２０は、この推定結果に基づいて、現在の加工状態ではワイヤ電極２０１が断線する可能性があると推定し、また、その断線原因は加工液量が少ないことであると推定する。

推定部１２０は、ワイヤ電極２０１が断線する可能性があると推定した際に、断線原因を推定するだけでなく、更に、どの加工条件をどの程度調整することでワイヤ電極２０１が断線する可能性が無くなるのかを推定しても良い。例えば、図７に示すように、状態データＳａが加工パワーが高い条件下で断線した時に取得されたデータと同じクラス集合に属すると推定された時、加工条件の内で加工パワーに係る加工条件（図７の例では加工電圧）をどの程度下げることで、状態データＳａを断線なしの時に取得されたデータと同じクラスに属させることができるのかを算出して、その算出した結果を加工条件の調整するべき量として推定する。

推定部１２０が推定した結果（現在の加工状態におけるワイヤ電極２０１の断線発生の可能性の有無の推定、及び断線する可能性がある場合にはその原因）は、表示装置７０に表示出力したり、図示しない有線／無線ネットワークを介してフォグコンピュータやクラウドサーバ等に送信出力して利用するようにしても良い。また、推定部１２０が推定した結果に基づいて、加工条件調整部３４がワイヤ放電加工機２の加工条件を変更するようにしても良い。

加工条件調整部３４は、推定部１２０が推定した結果（現在の加工状態におけるワイヤ電極２０１の断線発生の可能性の有無の推定、及び断線する可能性がある場合にはその原因）が「ワイヤ電極２０１が断線する可能性が無い」となっている場合には、ワイヤ放電加工機２の加工条件の調整を行わない。一方で、加工条件調整部３４は、推定部１２０が推定した結果が、「ワイヤ電極２０１が断線する可能性が有る」となっている場合には、ワイヤ放電加工機２の加工条件をワイヤが断線しにくくなるように調整する。加工条件調整部３４は、例えば、推定部１２０が断線原因を加工液量が少ないことであると推定している場合には、加工液量を上げるように加工条件を調整し、推定部１２０が断線原因を放電休止時間が短いことであると推定している場合には、放電休止時間を伸ばすように加工条件を調整する。加工条件調整部３４は、推定部１２０が加工条件の調整するべき量を推定する場合には、推定された加工条件の調整するべき量に基づいて、調整対象とする加工条件を調整するようにしても良い。

上記構成を備えたワイヤ断線予測装置１では、ワイヤ放電加工機２から取得されたデータに基づいて、推定部１２０がワイヤ放電加工機２の現在の加工状態におけるワイヤ電極２０１の断線発生の可能性の有無の推定、及び断線する可能性がある場合にはその原因の推定を行い、その推定結果に基づいてワイヤ放電加工機２の加工条件を調整するため、加工の状態に応じたワイヤが断線しない適切な加工条件での加工を行うことができるようになる。そのため、無人運転時においても一律に加工条件を落とす必要がなくなるため、効率のよいワイヤ放電加工（ワイヤが断線しない範囲で加工速度を高速に維持したワイヤ放電加工）を行わせることができるようになる。

以上、本発明の一実施形態について説明したが、本発明は上述した実施の形態の例のみに限定されることなく、適宜の変更を加えることにより様々な態様で実施することができる。
例えば、上記した実施形態ではワイヤ断線予測装置１と機械学習装置３００が異なるＣＰＵ（プロセッサ）を有する装置として説明しているが、機械学習装置３００はワイヤ断線予測装置１が備えるＣＰＵ１１と、ＲＯＭ１２に記憶されるシステム・プログラムにより実現するようにしても良い。

また、上記した実施形態ではワイヤ断線予測装置１をワイヤ放電加工機２の制御装置とネットワーク７を介して接続されたコンピュータ上に実装した例を示したが、例えば機械学習装置３００の部分のみをフォグコンピュータ上に実装して、データ取得部３０，前処理部３２，加工条件調整部３４を含むワイヤ断線予測装置１本体をエッジコンピュータ上に実装する等、各構成要素の配置を適宜変更して実装するようにしても良い。

１ ワイヤ断線予測装置
２ ワイヤ放電加工機
３ 管理装置
１１ ＣＰＵ
１２ ＲＯＭ
１３ ＲＡＭ
１４ 不揮発性メモリ
１８，１９，２０ インタフェース
２２ バス
２３ インタフェース
３０ データ取得部
３２ 前処理部
３４ 加工条件調整部
５０ 取得データ記憶部
７０ 表示装置
７１ 入力装置
１１０ 学習部
１２０ 推定部
１３０ 学習モデル記憶部
２０１ ワイヤ電極
２１０ 送り出し部トルクモータ
２１１ ワイヤボビン
２１２ ブレーキモータ
２１３ ブレーキシュー
２１４ 張力検出器
２１５ 上ガイド
２１６ 上ワイヤ支持ガイド
２１７ 下ガイド
２１８ 下ワイヤ支持ガイド
２１９ 下ガイドローラ
２２０ ワイヤ電極回収箱
２２１ ピンチローラ
２２２ フィードローラ
２４０ 制御装置
３００ 機械学習装置
３０１ プロセッサ
３０２ ＲＯＭ
３０３ ＲＡＭ
３０４ 不揮発性メモリ

Claims (5)

1. ワイヤ放電加工機におけるワークの加工時のワイヤ断線リスクを推定するワイヤ断線予測装置であって、
   前記ワイヤ放電加工機によるワークの加工時に該ワークの加工に係るデータを取得するデータ取得部と、
   前記データ取得部が取得したデータに基づいて、ワークの加工において指令される加工に係る条件である加工条件データと、加工に用いられる部材に係る加工部材データと、ワークの加工時の加工状態データとを、加工の状態を示す状態データとして作成する前処理部と、
   前記前処理部が作成した状態データに基づいて、前記ワイヤ放電加工機における加工状態と、該ワイヤ放電加工機におけるワイヤ電極の断線発生の可能性の有無及び断線原因との相関性を複数のクラス集合で示す学習モデルを用いた機械学習に係る処理を実行する機械学習装置と、
   を備えたワイヤ断線予測装置。
2. 前記前処理部は、前記データ取得部が取得したデータに基づいて、前記状態データと、該状態データが取得された際のワイヤ電極の断線発生の有無及び断線が発生した場合にはその断線原因をラベル値としたラベルデータとを作成し、
   前記機械学習装置は、前記状態データ及び前記ラベルデータに基づいて、前記ラベルデータが取るラベル値のそれぞれに対応するクラス集合を作成することにより学習モデルを生成する学習部を備える、
   請求項１に記載のワイヤ断線予測装置。
3. 前記機械学習装置は、
   前記ワイヤ放電加工機における加工状態と、該ワイヤ放電加工機におけるワイヤ電極の断線発生の可能性の有無及び断線原因との相関性を複数のクラス集合で示す学習モデルを記憶する学習モデル記憶部と、
   前記前処理部が作成した状態データに基づいて、前記学習モデル記憶部に記憶された学習モデルを用いた前記ワイヤ放電加工機におけるワイヤ電極の断線発生の可能性の有無及び断線原因を推定する推定部と、
   を備える
   請求項１に記載のワイヤ断線予測装置。
4. 前記推定部は、前記前処理部が作成した状態データと、前記学習モデルにおける複数のクラス集合とを用いたｋ−近傍法により、前記ワイヤ放電加工機におけるワイヤ電極の断線発生の可能性の有無及び断線原因を推定する、
   請求項３に記載のワイヤ断線予測装置。
5. 前記推定部の推定結果に基づいて、前記ワイヤ放電加工機の加工条件を変更する加工条件調整部を更に備える、
   請求項４に記載のワイヤ断線予測装置。

Images