JP7109689B1 - 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 PDFInfo
- Publication number
- JP7109689B1 JP7109689B1 JP2021569281A JP2021569281A JP7109689B1 JP 7109689 B1 JP7109689 B1 JP 7109689B1 JP 2021569281 A JP2021569281 A JP 2021569281A JP 2021569281 A JP2021569281 A JP 2021569281A JP 7109689 B1 JP7109689 B1 JP 7109689B1
- Authority
- JP
- Japan
- Prior art keywords
- machining
- evaluation value
- processing
- determination unit
- 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
Links
- 238000003754 machining Methods 0.000 title claims abstract description 617
- 238000000034 method Methods 0.000 title claims description 59
- 238000011156 evaluation Methods 0.000 claims abstract description 546
- 238000012545 processing Methods 0.000 claims abstract description 443
- 238000004364 calculation method Methods 0.000 claims description 44
- 238000010801 machine learning Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 14
- 239000006185 dispersion Substances 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 72
- 230000006870 function Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 238000005520 cutting process Methods 0.000 description 4
- 206010000210 abortion Diseases 0.000 description 3
- 231100000176 abortion Toxicity 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 101000710013 Homo sapiens Reversion-inducing cysteine-rich protein with Kazal motifs Proteins 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 102100035353 Cyclin-dependent kinase 2-associated protein 1 Human genes 0.000 description 1
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 102100029860 Suppressor of tumorigenicity 20 protein Human genes 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013400 design of experiment Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010894 electron beam technology Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 108090000237 interleukin-24 Proteins 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003534 oscillatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
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
-
- 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
- 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
-
- 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
- G05B19/4155—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 programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
- Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
Description
そこで、従来、想定される制御パラメータの組み合わせの加工条件のうちから生成した、試行するいくつかの加工条件で加工機に加工を実施させて得られた加工結果に基づいて加工条件に対応する評価値を算出し、算出した評価値と当該評価値に対応する加工条件とに基づき、ガウス過程回帰を用いて、試行されていない加工条件に対応する評価値を予測し、算出した評価値と予測した評価値とに基づいて、膨大な組み合わせの数の加工条件の中から最適な加工条件を探索する技術が知られている(例えば、特許文献1)。試行されていない加工条件に対応する評価値を予測するのにガウス過程回帰を用いる方法としては、例えば、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確率モデルを用いる方法が挙げられる。
特許文献1に開示されている技術に代表される最適な加工条件の探索技術では、試行する全ての加工条件に対し、それぞれ、加工結果の振動的な変化が落ち着くまでのある程度の時間、加工機に加工を継続して実施させ、加工結果の振動的な変化が落ち着くのを待って、加工条件に対応する評価値を算出していた。
そのため、上述の探索技術では、試行した加工条件に対応する評価値を算出するのに時間を要し、その結果、最適な加工条件を探索するまでに時間を要するという課題があった。
図1は、実施の形態1に係る加工条件探索装置1の構成例を示す図である。
実施の形態1に係る加工条件探索装置1は、加工機2および表示部3と接続される。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(以下「最適加工条件」という。)を探索する。最適加工条件は、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、加工作業者等のユーザからの要求に従って、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。また、例えば、表示部3は、加工機2が実施していない加工条件と、この加工条件に従って加工機2が加工を実施したと想定した場合の当該加工の評価値の予測値を表示する。また、例えば、加工条件探索装置1による探索の探索結果である最適加工条件を表示する。なお、図1では、表示部3は、加工条件探索装置1および加工機2の外部に備えられているが、これは一例に過ぎない。表示部3は、例えば、加工条件探索装置1に備えられてもよいし、加工機2に備えられてもよい。
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、電子ビーム加工機、または、付加加工機がある。以下の実施の形態1では、一例として、加工機2は、レーザ加工機であるものとする。なお、これは一例に過ぎず、実施の形態1において、加工機2は、レーザ加工機以外の加工機であってもよい。
実験用の加工では、実施の形態1に係る加工条件探索装置1は、試行用の加工条件を生成し、当該加工条件に従って、加工機2に実験用の加工を実施させる。加工機2は、上記加工条件に従って、ワークに、事前に設定した実験用の加工を施す。
ここで、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。制御パラメータは、例えば、レーザ出力、切断速度、ビーム径、焦点位置、ガス圧である。加工条件に含まれる各制御パラメータは、調整可能である。例えば、レーザ加工機の加工において調整可能な制御パラメータが5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、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、105=100000通りある。
例えば、加工機2は、加工中に発生した音、光、または、加工速度を検出するセンサを備えており、加工条件探索装置1は、当該センサから加工結果情報を収集する。例えば、センサは、加工後のワークを撮像した画像を取得する撮像装置、または、ワークの切断面の凹凸を計測する計測器であってもよい。また、センサは、加工機2とは別の場所に設けられていてもよい。加工条件探索装置1が、加工結果情報を収集可能になっていればよい。
そこで、実施の形態1に係る加工条件探索装置1は、加工結果の振動的な変化が落ち着くまでの過程にて算出された評価値について、振動的な変化が落ち着く前の評価値であっても、最適な加工条件を探索するにあたり影響がないと想定される評価値であれば、最適な加工条件の探索にこれを採用して試行中の加工条件に従った実験中の加工を打ち切り、探索のための加工条件を切り替える。これにより、実施の形態1に係る加工条件探索装置1は、最適な加工条件が探索できるまでの時間を短縮する。
加工条件探索装置1は、探索加工条件生成部11、加工結果収集部12、評価値取得部13、収束判定部14、停止判定部15、評価決定部16、および、機械学習部17を備える。また、加工条件探索装置1は、加工結果記憶部18A、評価値記憶部18B、収束結果記憶部18C、停止判定記憶部18D、探索結果記憶部18E、予測結果記憶部18F、および、不確実性記憶部18Gを備える。なお、記憶部18A~18G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。
加工条件計算部111は、生成した加工条件を実加工指令部112に出力する。
また、実加工指令部112は、評価決定部16から、試行中の加工条件での加工を終了させる指示(以下「加工終了指示」という。)が出力された場合は、現在、加工機2に対して実施させている実験用の加工を終了させる。評価決定部16の詳細については、後述する。
探索終了判定部113は、加工条件の探索を追加で行う必要がないと判定した場合、評価決定部16が決定した評価値に基づいて、最適な加工条件を決定する。具体的には、探索終了判定部113は、探索結果記憶部18Eに記憶された評価値のうち、最も高い評価値に対応する加工条件を、最適加工条件とする。評価決定部16の詳細については、後述する。
また、探索終了判定部113は、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、加工条件計算部111に、次に試行すべき、探索のための加工条件を生成させる。
加工結果収集部12は、実加工指令部112が加工を実施させる毎に加工結果を収集する。上述のとおり、実加工指令部112は、加工条件に従った加工を継続して実施させる。加工機2が加工を実施する間、複数ステップの加工が実施される。したがって、加工機2がある加工条件に従って実験用の加工を実施するとき、複数の加工結果情報が収集される。
加工結果収集部12は、収集した加工結果情報を、加工結果記憶部18Aに記憶させる。加工結果収集部12は、加工結果情報を、例えば、当該加工結果情報の取得時刻と対応付けて、加工結果記憶部18Aに記憶させる。
加工結果記憶部18Aは、加工結果情報を時系列で記憶する。
実施の形態1において、評価値は、加工の良否を示す値であり、その値が大きいほど良い加工であることを示す値として定義される。評価値は、例えば、0から1までの値で示される。この場合、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。
評価値取得部13は、加工結果情報の取得時刻と、加工条件と、算出した暫定評価値とを対応付けた情報(以下「暫定評価値情報」という。)を、評価値記憶部18Bに記憶させる。なお、ここでは、暫定評価値情報において、加工結果情報の取得時刻が加工条件および暫定評価値と対応付けられるものとするが、これは一例に過ぎない。例えば、暫定評価値情報において、暫定評価値の算出時刻と、加工条件および暫定評価値とが対応付けられてもよい。
評価値記憶部18Bは、暫定評価値情報を時系列で記憶する。
収束判定部14は、暫定評価値が収束していると判定した場合、加工結果情報の取得時刻と、暫定評価値が収束している旨の情報と、加工条件と、暫定評価値と、暫定評価値の収束値とを対応付けた情報を、収束判定後情報として、収束結果記憶部18Cに記憶させる。加工結果情報の取得時刻に代えて、暫定評価値の算出時刻が対応付けられていてもよい。収束判定部14は、例えば、最新の暫定評価値を暫定評価値の収束値とする。なお、これは一例に過ぎず、例えば、時系列の暫定評価値に基づきどのように暫定評価値の収束値を算出するかを定義した情報(以下「収束値算出用情報」という。)が予め決められており、収束判定部14は、収束値算出用情報に従って、暫定評価値の収束値を算出してもよい。
一方、収束判定部14は、暫定評価値が収束していないと判定した場合、暫定評価値の収束先となる値(以下「推定収束値」という。)を推定する。そして、収束判定部14は、加工結果情報の取得時刻と、暫定評価値が収束していない旨の情報と、加工条件と、暫定評価値と、推定収束値とを対応付けた情報を、収束判定後情報として、収束結果記憶部18Cに記憶させる。加工結果情報の取得時刻に代えて、暫定評価値の算出時刻が対応付けられていてもよい。
停止判定記憶部18Dは打ち切り判定後情報を記憶する。
評価決定部16は、停止判定部15が試行中の加工条件での加工を打ち切ると判定したか否か、収束判定部14が推定した推定収束値、または、暫定評価値の収束値を、停止判定記憶部18Dに記憶されている打ち切り判定後情報から特定すればよい。例えば、評価決定部16は、停止判定部15から直接、打ち切り判定後情報を取得してもよい。なお、図1において、停止判定部15から評価決定部16への矢印は省略している。
探索結果記憶部18Eは、探索結果を記憶する。
予測部171は、評価決定部16により決定された評価値と、当該評価値に対応する加工条件とに基づいて、未試行の加工条件に対応する評価値を予測する。予測部171は、評価決定部16により決定された評価値と当該評価値に対応する加工条件を、探索結果記憶部18Eに記憶されている探索結果から取得すればよい。
予測部171は、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た情報(以下「予測結果情報」という。)を予測結果記憶部18Fに記憶させる。予測結果情報は、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られた情報である。
予測結果記憶部18Fは、予測結果情報を記憶する。
不確実性記憶部18Gは、不確実性情報を記憶する。
図2は、実施の形態1に係る加工条件探索装置1の動作について説明するための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、探索加工条件生成部11の加工条件計算部111が、初期加工条件を生成する(ステップST1)。加工条件計算部111は、加工条件として設定可能な全ての組み合わせの中から、予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。加工条件計算部111による初期加工条件の選択方法としては、例えば、実験計画法、最適計画法、最適計画法、または、ランダムサンプリングが挙げられる。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、加工条件計算部111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。なお、これらの方法は一例に過ぎず、加工条件計算部111は、どのような方法を用いて初期加工条件を生成してもよい。
加工結果収集部12は、収集した加工結果情報を、加工結果記憶部18Aに記憶させる。
評価値取得部13は、加工結果情報の取得時刻と、加工条件、ここでは初期加工条件と、算出した暫定評価値とを対応付けた暫定評価値情報を、評価値記憶部18Bに記憶させる。
具体例を挙げると、例えば、収束判定部14は、時系列の暫定評価値から、暫定評価値の四分位範囲を求める。そして、収束判定部14は、暫定評価値の四分位範囲がどれぐらいの値の範囲となっているかに基づいて、暫定評価値が収束しているか否かを判定する。例えば、予め、暫定評価値が収束していると判定する場合の値の範囲(以下「第1収束判定用範囲」という。)が決められている。収束判定部14は、暫定評価値の四分位範囲が第1収束判定用範囲内におさまっていれば、暫定評価値が収束していると判定する。収束判定部14は、暫定評価値の四分位範囲が第1収束判定用範囲内におさまっていなければ、暫定評価値が収束していないと判定する。
収束判定部14は、暫定評価値が収束していないと判定すると、次に、時系列の暫定評価値から求めた暫定評価値の四分位範囲から、推定収束値を推定する。例えば、収束判定部14は、暫定評価値の四分位範囲の中央値を、推定収束値と推定する。
収束判定部14は、暫定評価値が収束していないと判定すると、次に、時系列の暫定評価値から推定した分布から、推定収束値を推定する。例えば、収束判定部14は、暫定評価値の平均値を、推定収束値と推定する。
また、例えば、第1機械学習モデルは、推定収束値に加え、暫定評価値のばらつき度合いに関する情報を出力するモデルであってもよい。収束判定部14は、時系列の暫定評価値を第1機械学習モデルに入力して得た暫定評価値のばらつき度合いに関する情報に基づき、暫定評価値が収束しているか否かを判定してもよい。
打ち切り用閾値は、例えば、予め、ユーザによって指定され、停止判定部15に記憶されている。例えば、ユーザは、予め、その値を超えない場合は試行中の加工条件での加工を打ち切るものとする、打ち切りの基準となる評価値(以下「基準評価値」という。)を打ち切り用閾値に指定しておく。ユーザは、例えば、加工機2に求める要求性能に応じて基準評価値を設定する。
図3の横軸はある加工条件に従った加工を実施している時間幅を示し、図3の縦軸は評価値(暫定評価値)を示す。図3の黒丸で示した点は、加工条件に従って実施された加工の加工結果に基づいて算出された暫定評価値を示す。なお、図3では、わかりやすさのため、暫定評価値が収束していく様子を図示するようにしている。図3において、201a、201b、および、201cは、暫定評価値の四分位範囲を示している。
t1時間経過時点では暫定評価値の四分位範囲は201aで示す範囲であり、t2時間経過時点では暫定評価値の四分位範囲は201bで示す範囲である。201aおよび201bに示す四分位範囲について、四分位範囲内の暫定評価値のうち最も大きい暫定評価値は、打ち切り用閾値以上となっている。よって、この場合、停止判定部15は、試行中の加工条件での加工を継続させると判定する。
t3時間が経過すると、暫定評価値の四分位範囲は201cで示す範囲となり、四分位範囲内の暫定評価値のうち最も大きい暫定評価値は打ち切り用閾値未満となる。この場合、停止判定部15は、試行中の加工条件での加工を打ち切ると判定する。
図4の横軸はある加工条件に従った加工を実施している時間幅を示し、図4の縦軸は評価値(暫定評価値)を示す。図4の黒丸で示した点は、加工条件に従って実施された加工の加工結果に基づいて算出された暫定評価値を示す。なお、図4では、わかりやすさのため、暫定評価値が収束していく様子を図示するようにしている。図4において、301a、301b、および、301cは、暫定評価値の平均値±κσの区間に含まれる暫定評価値のうち最も大きい暫定評価値を示している。
t4時間経過時点では暫定評価値の平均値±κσの区間に含まれる暫定評価値のうち最も大きい暫定評価値は301aで示す値であり、t5時間時点で暫定評価値の平均値±κσの区間に含まれる暫定評価値のうち最も大きい暫定評価値は301bで示す値である。301aで示す値および301bで示す値はいずれも打ち切り用閾値以上である。すなわち、301aで示す値を含む暫定評価値の平均値±κσの区間に含まれる全ての暫定評価値が打ち切り用閾値未満となっていない。また、301bで示す値を含む暫定評価値の平均値±κσの区間に含まれる全ての暫定評価値が打ち切り用閾値未満となっていない。よって、この場合、停止判定部15は、試行中の加工条件での加工を継続させると判定する。
t6時間が経過すると、暫定評価値の平均値±κσの区間に含まれる暫定評価値のうち最も大きい暫定評価値は301cで示す値となる。301cで示す値は、打ち切り用閾値未満である。すなわち、301cで示す値を含む暫定評価値の平均値±κσの区間内の全ての暫定評価値が打ち切り用閾値未満となる。この場合、停止判定部15は、試行中の加工条件での加工を打ち切ると判定する。
評価決定部16は、停止判定部15が試行中の初期加工条件での加工を打ち切らないと判定した場合(ステップST6の“NO”の場合)は、収束判定部14が暫定評価値は収束したと判定したか否かを判定する(ステップST7)。収束判定部14が暫定評価値は収束していないと判定した場合(ステップST7の“NO”の場合)、加工条件探索装置1の動作は、ステップST2の処理に戻る。収束判定部14が暫定評価値は収束したと判定すると(ステップST7の“YES”の場合)、評価決定部16は、暫定評価値の収束値を評価値に決定する。そして、評価決定部16は、加工条件と評価値の組み合わせを探索結果として探索結果記憶部18Eに記憶させる(ステップST8)。詳細には、評価決定部16は、初期加工条件と、評価値、ここでは暫定評価値の収束値、の組み合わせを探索結果として探索結果記憶部18Eに記憶させる。
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ST9の“NO”の場合)、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ST8までの処理が順に実施される。2回目以降のステップST1では、加工条件計算部111は、これまでのステップST1にて選択していない初期加工条件を選択する。これにより、探索結果記憶部18Eには、全ての初期加工条件(例えば、10通りの初期加工条件)と評価値の組み合わせとが対応付けられた探索結果が記憶される。
m(xN+1)=kT・(CN -1)・t ・・・(1)
σ2(xN+1)=c-kT・(CN -1)・k ・・・(3)
図5は、実施の形態1における、評価値の予測値と、不確実性を示す指標との関係を概念的に示すグラフである。
図5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5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5の縦軸は評価値を示す。図5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5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)を示す。また、図5において、破線で示された曲線は、m(x)-2σ(x)の曲線、および、m(x)+2σ(x)の曲線を示す。
図5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。
不確実性評価部172は、予測値の不確実性を示す指標を記憶する(ステップST13)。詳細には、不確実性評価部172は、算出した指標の値を加工条件と対応付けた不確実性情報を、不確実性記憶部18Gに記憶させる。
これに対し、実施の形態1に係る加工条件探索装置1は、上述のとおり、評価値を算出するにあたり、このまま加工を継続させても高い評価値が得られないと判定した場合、評価値(暫定評価値)が収束する前に試行中の加工条件での加工を打ち切り、推定収束値を、試行中の加工条件に対応する評価値とする。これにより、加工条件探索装置1は、高い評価値が得られないと判定した、ある加工条件に従った加工について、その加工の加工結果が収束するまでの時間のうち、打ち切った時点から加工結果が収束するまでの間の時間を省略することができる。すなわち、加工条件探索装置1は、上記省略した時間の分だけ、最適加工条件を探索するまでに要するトータルの時間を短縮することができる。
図6Aは、従来の最適加工条件の探索技術において最適加工条件が探索されるまでの評価値を示すグラフであり、図6Bは、実施の形態1に係る加工条件探索装置1によって最適加工条件が探索されるまでの評価値を示すグラフである。
図6Aおよび図6Bにおいて、黒丸で示す点は、加工結果が収束するまで実施した実加工の加工結果に基づいて算出された評価値を示している。図6Bにおいて、白丸で示す点は、加工結果が収束する前に打ち切った実加工の加工結果に基づいて算出された推定収束値を示している。
なお、図6Aおよび図6Bは、同じ加工機2に対して、同じ所望の加工結果を得られるような最適加工条件を探索した結果としている。
これに対し、実施の形態1に係る加工条件探索装置1では、図6Bに示すように、加工結果、言い換えれば、評価値が低いと予想される場合は加工を打ち切るため、短時間で最適加工条件を探索することができる。図6Bに示す例では、14分で最適加工条件が探索されることになる。実施の形態1に係る加工条件探索装置1で最適加工条件が探索されるまでに要した時間は、図6Aに示す従来の最適加工条件の探索技術で最適加工条件が探索されるまでに要した時間よりも7分短縮されている。
例えば、停止判定部15は、試行済みの加工条件および当該加工条件に対応する評価値に基づいて打ち切り用閾値を設定することもできる。試行済みの加工条件および当該加工条件に対応する評価値は、探索結果として、評価決定部16によって探索結果記憶部18Eに記憶されている。停止判定部15が決定済みの評価値に基づいて設定する打ち切り用閾値を、「可変打ち切り用閾値」ともいう。なお、この場合、停止判定部15は、可変打ち切り用閾値を設定すると、例えば、収束判定部14が推定した推定収束値と、可変打ち切り用閾値との比較によって、暫定評価値が収束する前に試行中の加工条件での加工を打ち切るか否かを判定する。収束判定部14が推定した推定収束値は、収束結果記憶部18Cに記憶された最新の収束判定後情報における推定収束値である。
詳細には、停止判定部15は、例えば、試行済みの加工条件および当該加工条件に対応する評価値に基づき、予め設定されている条件(以下「可変打ち切り用閾値設定条件」という。)に従って、可変打ち切り用閾値を設定する。
<条件(1)>
試行回数がX回未満の場合は加工を打ち切らないための値を可変打ち切り用閾値とし、試行回数がX回以上である場合、試行済みの全ての加工条件に対応する各評価値のうち第X位の評価値を可変打ち切り用閾値とする
<条件(2)>
試行済みの全ての加工条件に対応する各評価値のうち、上位Y位の評価値を可変打ち切り用閾値とする
<条件(3)>
試行済みの全ての加工条件に対応する各評価値のうちの上位Z%の評価値のうち、最下位の評価値を可変打ち切り用閾値とする
また、<条件(1)>において、「加工を打ち切らないための値」は、例えば、「0」とする。なお、これは一例に過ぎず、「加工を打ち切らないための値」には、想定され得る推定収束値を超えない値が設定されるようになっていればよい。
図7は、停止判定部15が、試行済みの加工条件および当該加工条件に対応する評価値に基づき、上述の<条件(1)>の可変打ち切り用閾値設定条件に従って可変打ち切り用閾値を設定した場合の、可変打ち切り用閾値の設定方法の一例を説明するための図としている。図7では、一例として、<条件(1)>におけるXを「5」としている。
図7の横軸は加工条件の試行回数を示す。試行回数とは、すなわち、試行済みの加工条件の数である。図7の縦軸は各加工条件に対応する評価値を示す。なお、加工条件が試行中であるとき、図7の縦軸の評価値は推定収束値である。図7において黒丸で示す点が、各加工条件に対応する評価値、または、推定収束値である。
この場合、図7によると、5回の試行を終えた時点で、当該5回試行した試行済みの加工条件に対応する各評価値のうち、第5位の評価値は、3回目に試行された加工条件に対応する評価値である。そこで、停止判定部15は、3回目に試行された加工条件に対応する評価値を、可変打ち切り用閾値に設定する。なお、試行中の加工条件、言い換えれば、6回目に試行されている加工条件に対する推定収束値は、この可変打ち切り用閾値未満であるので、停止判定部15は、試行中の加工条件での加工を打ち切ると判定することになる。
この場合、図7によると、8回の試行を終えた時点で、当該8回試行した試行済みの加工条件に対応する各評価値のうち、第5位の評価値は、4回目に試行された加工条件に対応する評価値である。そこで、停止判定部15は、4回目に試行された加工条件に対応する評価値を、可変打ち切り用閾値に設定する。なお、試行中の加工条件、言い換えれば、9回目に試行されている加工条件に対する推定収束値は、この可変打ち切り用閾値未満であるので、停止判定部15は、試行中の加工条件での加工を打ち切ると判定することになる。
例えば、打ち切り用閾値が高すぎた場合、加工条件探索装置1は、加工結果の収束を待つべき加工の加工条件までも途中で打ち切ってしまい、予測した評価値の予測値のズレが大きくなる可能性がある。その結果、加工条件探索装置1は、最適加工条件を探索できなくなる可能性がある。逆に、例えば、打ち切り用閾値が低すぎた場合、加工条件探索装置1は、高くない評価値に対応する加工条件での加工を暫定評価値の収束前に打ち切ると判定するまでに時間を要してしまう、または、当該暫定評価値が収束するまで加工を打ち切ることなく待ってしまうことになる可能性がある。その結果、加工条件探索装置1は、最適加工条件が探索できるまでに時間を要してしまう可能性がある。
加工条件探索装置1において、停止判定部15が打ち切り用閾値を変更可能とすることで、加工条件探索装置1は、最適加工条件を探索できる可能性を保ちつつ、当該最適加工条件が探索できるまでの時間を短縮できる。
なお、この場合、図2のフローチャートを用いて説明した加工条件探索装置1の動作について、ステップST5とステップST6の間、および、ステップST19とステップST20の間に、停止判定部15が可変打ち切り用閾値を設定する処理を行うステップが追加になる。
加工条件探索装置1における探索加工条件生成部11、加工結果収集部12、評価値取得部13、収束判定部14、停止判定部15、評価決定部16、および、機械学習部17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ST22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。
Claims (11)
- 加工機に設定可能な複数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計算部と、
前記加工機に、前記加工条件計算部により生成された前記加工条件に従って加工を実施させる実加工指令部と、
前記実加工指令部が前記加工機に実施させた前記加工の加工結果を示す加工結果情報を収集する加工結果収集部と、
前記加工結果収集部が収集した前記加工結果情報に基づいて、実施された前記加工に対する暫定評価値を算出する評価値取得部と、
前記評価値取得部が算出した時系列の前記暫定評価値に基づき前記暫定評価値は収束しているか否かを判定し、前記暫定評価値は収束していないと判定した場合、前記暫定評価値の収束先となる推定収束値を推定する収束判定部と、
前記収束判定部が前記暫定評価値は収束していないと判定した場合、前記暫定評価値が収束する前に試行中の前記加工条件での前記加工を打ち切るか否かを判定する停止判定部と、
前記停止判定部が試行中の前記加工条件での前記加工を打ち切ると判定した場合、前記実加工指令部に前記加工機に対する前記加工条件に従った前記加工を終了させるとともに前記収束判定部が推定した前記推定収束値を前記加工条件に従って実施された前記加工の評価値に決定し、前記停止判定部が試行中の前記加工条件での前記加工を打ち切らないと判定した場合は、前記収束判定部が前記暫定評価値は収束したと判定した後、前記暫定評価値の収束値を前記評価値に決定する評価決定部と、
前記評価決定部が決定した前記評価値と、前記評価値に対応する前記加工条件に基づいて、未試行の前記加工条件に対応する前記評価値の予測値を予測する予測部と、
前記加工条件の探索を終了するか否かを判定し、前記探索を終了する場合は、前記評価決定部が決定した前記評価値に基づいて最適な前記加工条件を決定し、前記探索を終了しない場合は、前記加工条件計算部に、前記予測部が予測した前記予測値に基づいて次に試行すべき前記加工条件を生成させる探索終了判定部とを備え、
前記探索終了判定部により前記探索を終了すると判定されるまで、前記加工条件計算部、前記実加工指令部、前記加工結果収集部、前記評価値取得部、前記収束判定部、前記停止判定部、前記評価決定部、前記予測部、前記探索終了判定部による各処理を繰り返し行う加工条件探索装置。 - 前記収束判定部は、前記評価値取得部が算出した時系列の前記暫定評価値のばらつき度合いに基づき、前記推定収束値を推定する
ことを特徴とする請求項1記載の加工条件探索装置。 - 前記収束判定部は、前記評価値取得部が算出した時系列の前記暫定評価値と、時系列の前記評価値を入力とし前記推定収束値を出力する第1機械学習モデルとに基づき、前記推定収束値を推定する
ことを特徴とする請求項1記載の加工条件探索装置。 - 前記停止判定部は、前記評価値取得部が算出した時系列の前記暫定評価値のばらつき度合いと打ち切り用閾値との比較によって、前記暫定評価値が収束する前に試行中の前記加工条件での前記加工を打ち切るか否かを判定する
ことを特徴とする請求項1記載の加工条件探索装置。 - 前記停止判定部は、試行済みの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に基づいて可変打ち切り用閾値を設定し、前記収束判定部が推定した前記推定収束値と設定した前記可変打ち切り用閾値との比較によって、前記暫定評価値が収束する前に試行中の前記加工条件での前記加工を打ち切るか否かを判定する
ことを特徴とする請求項4記載の加工条件探索装置。 - 前記停止判定部は、前記評価値取得部が算出した時系列の前記暫定評価値と、時系列の前記評価値を入力とし加工を停止させるか否かを示す情報を出力する第2機械学習モデルとに基づき、前記暫定評価値が収束する前に、試行中の前記加工条件での前記加工を打ち切るか否かを判定する
ことを特徴とする請求項1記載の加工条件探索装置。 - 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を備え、
前記加工条件計算部は、前記予測部が予測した前記評価値の前記予測値と予測の不確実性を示す前記指標とに基づいて、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。 - 前記探索終了判定部は、前記評価値の前記予測値および前記評価値の不確実性を示す前記指標を用いて前記加工条件の前記探索を終了するか否かを判定し、前記加工条件の前記探索を終了すると判定した場合、前記評価決定部が決定した前記評価値のうち最高となる前記評価値に対応する前記加工条件を、前記最適な前記加工条件とする
ことを特徴とする請求項7記載の加工条件探索装置。 - 前記予測部は、前記加工条件に対する前記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予測し、
前記不確実性評価部は、前記確率モデルを用いて前記予測の不確実性を示す前記指標を算出する
ことを特徴とする請求項7記載の加工条件探索装置。 - 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前記予測値、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。 - 加工条件計算部が、加工機に設定可能な複数の制御パラメータで構成される加工条件を生成するステップと、
実加工指令部が、前記加工機に、前記加工条件計算部により生成された前記加工条件に従って加工を実施させるステップと、
加工結果収集部が、前記実加工指令部が前記加工機に実施させた前記加工の加工結果を示す加工結果情報を収集するステップと、
評価値取得部が、前記加工結果収集部が収集した前記加工結果情報に基づいて、実施された前記加工に対する暫定評価値を算出するステップと、
収束判定部が、前記評価値取得部が算出した時系列の前記暫定評価値に基づき前記暫定評価値は収束しているか否かを判定し、前記暫定評価値は収束していないと判定した場合、前記暫定評価値の収束先となる推定収束値を推定するステップと、
停止判定部が、前記収束判定部が前記暫定評価値は収束していないと判定した場合、前記暫定評価値が収束する前に試行中の前記加工条件での前記加工を打ち切るか否かを判定するステップと、
評価決定部が、前記停止判定部が試行中の前記加工条件での前記加工を打ち切ると判定した場合、前記実加工指令部に前記加工機に対する前記加工条件に従った前記加工を終了させるとともに前記収束判定部が推定した前記推定収束値を前記加工条件に従って実施された前記加工の評価値に決定し、前記停止判定部が試行中の前記加工条件での前記加工を打ち切らないと判定した場合は、前記収束判定部が前記暫定評価値は収束したと判定した後、前記暫定評価値の収束値を前記評価値に決定するステップと、
予測部が、前記評価決定部が決定した前記評価値と、前記評価値に対応する前記加工条件に基づいて、未試行の前記加工条件に対応する前記評価値の予測値を予測するステップと、
探索終了判定部が、前記加工条件の探索を終了するか否かを判定し、前記探索を終了する場合は、前記評価決定部が決定した前記評価値に基づいて最適な前記加工条件を決定し、前記探索を終了しない場合は、前記加工条件計算部に、前記予測部が予測した前記予測値に基づいて次に試行すべき前記加工条件を生成させるステップとを備え、
前記探索終了判定部により前記探索を終了すると判定されるまで、前記加工条件計算部、前記実加工指令部、前記加工結果収集部、前記評価値取得部、前記収束判定部、前記停止判定部、前記評価決定部、前記予測部、前記探索終了判定部による各処理を繰り返し行う加工条件探索方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/025722 WO2023281681A1 (ja) | 2021-07-08 | 2021-07-08 | 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 |
---|---|
JP7109689B1 true JP7109689B1 (ja) | 2022-07-29 |
JPWO2023281681A1 JPWO2023281681A1 (ja) | 2023-01-12 |
Family
ID=82652267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021569281A Active JP7109689B1 (ja) | 2021-07-08 | 2021-07-08 | 加工条件探索装置および加工条件探索方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20240094688A1 (ja) |
JP (1) | JP7109689B1 (ja) |
KR (1) | KR20240005995A (ja) |
CN (1) | CN117500635A (ja) |
DE (1) | DE112021007612T5 (ja) |
TW (1) | TW202302269A (ja) |
WO (1) | WO2023281681A1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003162706A (ja) * | 2001-11-27 | 2003-06-06 | Matsushita Electric Works Ltd | 遺伝的アルゴリズムを用いた最適化装置およびその方法 |
JP2008036812A (ja) * | 2006-07-11 | 2008-02-21 | Mitsubishi Electric Corp | 加工条件探索装置 |
JP2010042499A (ja) * | 2008-07-18 | 2010-02-25 | Mitsubishi Electric Corp | 加工条件探索装置 |
US20160187874A1 (en) * | 2013-07-22 | 2016-06-30 | Texas State University | Autonomous performance optimization in robotic assembly process |
JP2019159864A (ja) * | 2018-03-14 | 2019-09-19 | 株式会社日立ハイテクノロジーズ | 探索装置、探索方法及びプラズマ処理装置 |
WO2020261572A1 (ja) * | 2019-06-28 | 2020-12-30 | 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 |
-
2021
- 2021-07-08 WO PCT/JP2021/025722 patent/WO2023281681A1/ja active Application Filing
- 2021-07-08 JP JP2021569281A patent/JP7109689B1/ja active Active
- 2021-07-08 CN CN202180099531.9A patent/CN117500635A/zh active Pending
- 2021-07-08 KR KR1020237044767A patent/KR20240005995A/ko active Search and Examination
- 2021-07-08 DE DE112021007612.4T patent/DE112021007612T5/de active Pending
- 2021-11-23 TW TW110143466A patent/TW202302269A/zh unknown
-
2023
- 2023-11-29 US US18/522,354 patent/US20240094688A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003162706A (ja) * | 2001-11-27 | 2003-06-06 | Matsushita Electric Works Ltd | 遺伝的アルゴリズムを用いた最適化装置およびその方法 |
JP2008036812A (ja) * | 2006-07-11 | 2008-02-21 | Mitsubishi Electric Corp | 加工条件探索装置 |
JP2010042499A (ja) * | 2008-07-18 | 2010-02-25 | Mitsubishi Electric Corp | 加工条件探索装置 |
US20160187874A1 (en) * | 2013-07-22 | 2016-06-30 | Texas State University | Autonomous performance optimization in robotic assembly process |
JP2019159864A (ja) * | 2018-03-14 | 2019-09-19 | 株式会社日立ハイテクノロジーズ | 探索装置、探索方法及びプラズマ処理装置 |
WO2020261572A1 (ja) * | 2019-06-28 | 2020-12-30 | 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 |
Also Published As
Publication number | Publication date |
---|---|
DE112021007612T5 (de) | 2024-03-14 |
KR20240005995A (ko) | 2024-01-12 |
US20240094688A1 (en) | 2024-03-21 |
CN117500635A (zh) | 2024-02-02 |
WO2023281681A1 (ja) | 2023-01-12 |
TW202302269A (zh) | 2023-01-16 |
JPWO2023281681A1 (ja) | 2023-01-12 |
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 | |
US10885231B2 (en) | Material generation apparatus and material generation method | |
JP6697159B2 (ja) | 機械学習管理プログラム、機械学習管理装置および機械学習管理方法 | |
CN114025912B (zh) | 加工条件搜索装置以及加工条件搜索方法 | |
JP5734086B2 (ja) | 加工条件探索装置 | |
JP7424777B2 (ja) | 機械学習装置、制御装置、生成方法および制御方法 | |
JP2014102578A (ja) | 情報処理装置、制御方法、プログラム、及び記録媒体 | |
JP7109689B1 (ja) | 加工条件探索装置および加工条件探索方法 | |
JP7267966B2 (ja) | 情報処理装置及び情報処理方法 | |
CN111160459A (zh) | 超参数的优化装置和方法 | |
JP6815368B2 (ja) | 異常検知装置、異常検知方法、制御プログラム、および記録媒体 | |
CN110893515B (zh) | 加工条件调整装置以及机器学习装置 | |
WO2020179627A1 (ja) | パラメータ推定装置、方法、及びプログラム | |
JP6903255B1 (ja) | 加工プログラム修正装置、数値制御装置、加工プログラム修正方法および機械学習装置 | |
JP2014041566A (ja) | 線形回帰モデル推定装置、方法、及びプログラム | |
JP6493904B2 (ja) | パラメータ選定方法、パラメータ選定プログラム及びパラメータ選定装置 | |
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 | |
JP7415100B1 (ja) | パラメータ調整装置およびパラメータ調整方法 | |
JP2005258609A (ja) | 画像処理手順探索方法 | |
CN117532625B (zh) | 焊接机器人的路径优化方法及系统 | |
US20240045387A1 (en) | Transfer learning device and transfer learning method | |
JP2023050033A (ja) | ハイパーパラメータ探索システムおよびそのプログラム | |
JP6550899B2 (ja) | モデル推定システム、モデル推定方法およびモデル推定プログラム | |
JP2024014330A (ja) | 影響因子推定装置、影響因子推定方法、およびコンピュータプログラム | |
CN114442482A (zh) | 利用人工智能来求取激光焊接的能量输入的方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211122 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211122 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20211122 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220308 |
|
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: 20220621 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220719 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7109689 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |