JP7286049B1 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP7286049B1 JP7286049B1 JP2023507854A JP2023507854A JP7286049B1 JP 7286049 B1 JP7286049 B1 JP 7286049B1 JP 2023507854 A JP2023507854 A JP 2023507854A JP 2023507854 A JP2023507854 A JP 2023507854A JP 7286049 B1 JP7286049 B1 JP 7286049B1
- Authority
- JP
- Japan
- Prior art keywords
- machining
- reference information
- processing device
- information
- learning
- 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
Images
Abstract
Description
図1は、実施の形態1にかかる加工システム100の構成例を示す図である。加工システム100は、学習装置1、第1加工装置3および第2加工装置4を含んで構成される。第1加工装置3と第2加工装置4とは同種の加工装置である。ここでの同種とは、同様の機能を有し、加工対象物であるワークに対して同様の加工を行うことが可能な加工装置であることを意味する。第1加工装置3および第2加工装置4が行う加工の内容は、後述する加工パラメータの設定に従う。なお詳細については後述するが、図1に示す加工システム100では、学習装置1が学習を行う際、第1加工装置3および第2加工装置4に対して、同じ加工パラメータとして基準加工パラメータ2が設定される。学習装置1が学習を行わない場合、第1加工装置3および第2加工装置4のそれぞれに対して個別に加工パラメータが設定される。
実施の形態2では、実施の形態1との相違点を主に説明する。なお、本実施の形態の説明で用いる各図において、同じ番号が付され、特に説明のない構成要素は、実施の形態1で説明したものと同様である。
実施の形態3では、実施の形態1および2との相違点を主に説明する。なお、本実施の形態の説明で用いる各図において、同じ番号が付され、特に説明のない構成要素は、実施の形態1で説明したものと同様である。
Claims (14)
- 加工パラメータに従って加工を行い加工中にワークの状態、加工装置の状態のうちの少なくともいずれか一方の観測結果を示すセンサ信号、前記センサ信号の特徴量のうちのいずれか一方をセンサ情報として取得する観測部を備える加工装置である第1加工装置の前記観測部が取得した前記センサ情報と前記センサ情報に対応するラベルとを関連付けて学習したモデルを前記第1加工装置と異なる前記加工装置である第2加工装置で利用する場合において、
前記第1加工装置において前記加工パラメータの一つである基準加工パラメータによる加工を実行した際の前記センサ情報を第1基準情報として記録する記録部と、
前記第2加工装置において前記基準加工パラメータによる加工を実行した際の前記センサ情報を第2基準情報として取得する基準情報取得部と、
前記第2加工装置において前記センサ情報を補正した後に前記モデルに入力する場合の前記補正に使用する補正関数を、補正後の前記第2基準情報の特徴が前記第1基準情報の特徴に近づくように学習する補正関数学習部と、
を備え、
前記補正関数学習部は、前記第1基準情報の特徴量の分布を前記第1基準情報の前記特徴として使用し、前記第2基準情報の特徴量の分布を前記第2基準情報の前記特徴として使用して前記学習を行う、
ことを特徴とする学習装置。 - 加工パラメータに従って加工を行い加工中にワークの状態、加工装置の状態のうちの少なくともいずれか一方の観測結果を示すセンサ信号、前記センサ信号の特徴量のうちのいずれか一方をセンサ情報として取得する観測部を備える加工装置である第1加工装置の前記観測部が取得した前記センサ情報と前記センサ情報に対応するラベルとを関連付けて学習したモデルを前記第1加工装置と異なる前記加工装置である第2加工装置で利用する場合において、
前記第1加工装置において前記加工パラメータの一つである基準加工パラメータによる加工を実行した際の前記センサ情報を第1基準情報として記録する記録部と、
前記第2加工装置において前記基準加工パラメータによる加工を実行した際の前記センサ情報を第2基準情報として取得する基準情報取得部と、
前記第2加工装置において前記センサ情報を補正した後に前記モデルに入力する場合の前記補正に使用する補正関数を、補正後の前記第2基準情報の特徴が前記第1基準情報の特徴に近づくように学習する補正関数学習部と、
を備え、
前記記録部は、さらに、前記第1基準情報に対応する前記ラベルを記録し、
前記補正関数学習部は、前記基準情報取得部が取得した前記第2基準情報に対応付けられたラベルと同じラベルに対応する前記第1基準情報を前記記録部から選択し、選択した前記第1基準情報と、前記基準情報取得部が取得した前記第2基準情報とを使用して前記学習を行う、
ことを特徴とする学習装置。 - 加工パラメータに従って加工を行い加工中にワークの状態、加工装置の状態のうちの少なくともいずれか一方の観測結果を示すセンサ信号、前記センサ信号の特徴量のうちのいずれか一方をセンサ情報として取得する観測部を備える加工装置である第1加工装置の前記観測部が取得した前記センサ情報と前記センサ情報に対応するラベルとを関連付けて学習したモデルを前記第1加工装置と異なる前記加工装置である第2加工装置で利用する場合において、
前記第1加工装置において前記加工パラメータの一つである基準加工パラメータによる加工を実行した際の前記センサ情報を第1基準情報として記録する記録部と、
前記第2加工装置において前記基準加工パラメータによる加工を実行した際の前記センサ情報を第2基準情報として取得する基準情報取得部と、
前記第2加工装置において前記センサ情報を補正した後に前記モデルに入力する場合の前記補正に使用する補正関数を、補正後の前記第2基準情報の特徴が前記第1基準情報の特徴に近づくように学習する補正関数学習部と、
を備え、
前記基準加工パラメータは、複数組の前記加工パラメータであって、
前記記録部は、前記第1加工装置が前記基準加工パラメータに含まれる各加工パラメータによる加工を実行した際の各前記センサ情報である前記第1基準情報と、各前記第1基準情報に対応する各前記ラベルと、を第1群として記録し、
前記基準情報取得部は、前記第2加工装置が前記基準加工パラメータに含まれる各加工パラメータによる加工を実行した際の各前記センサ情報である前記第2基準情報と、各前記第2基準情報に対応する前記ラベルと、を第2群として取得し、
前記補正関数学習部は、
前記第1群および前記第2群から、同一の前記加工パラメータにより加工を行う際に作成され、かつ、同一の前記ラベルが対応付けられた前記第1基準情報および前記第2基準情報をそれぞれ、第1基準群および第2基準群として抽出し、
前記第1基準群に含まれる前記第1基準情報の特徴量の分布を前記第1基準情報の前記特徴として使用し、
前記第2基準群に含まれる前記第2基準情報の特徴量の分布を前記第2基準情報の前記特徴として使用して前記学習を行う、
ことを特徴とする学習装置。 - 前記補正関数学習部は、前記第1群および前記第2群から、同一の前記加工パラメータにより加工を行う際に作成され、かつ、同一の前記ラベルが対応付けられた前記第1基準情報および前記第2基準情報をそれぞれ同じ割合になるよう抽出して、前記第1基準群および前記第2基準群とする、
ことを特徴とする請求項3に記載の学習装置。 - 前記補正関数学習部は、前記第1群および前記第2群から、同一の前記加工パラメータにより加工を行う際に作成され、かつ、同一の前記ラベルが対応付けられた前記第1基準情報および前記第2基準情報をそれぞれ同じ数だけ抽出して、前記第1基準群および前記第2基準群とする、
ことを特徴とする請求項3に記載の学習装置。 - 加工パラメータに従って加工を行い加工中にワークの状態、加工装置の状態のうちの少なくともいずれか一方の観測結果を示すセンサ信号、前記センサ信号の特徴量のうちのいずれか一方をセンサ情報として取得する観測部を備える加工装置である第1加工装置の前記観測部が取得した前記センサ情報と前記センサ情報に対応するラベルとを関連付けて学習したモデルを前記第1加工装置と異なる前記加工装置である第2加工装置で利用する場合において、
前記第1加工装置において前記加工パラメータの一つである基準加工パラメータによる加工を実行した際の前記センサ情報を第1基準情報として記録する記録部と、
前記第2加工装置において前記基準加工パラメータによる加工を実行した際の前記センサ情報を第2基準情報として取得する基準情報取得部と、
前記第2加工装置において前記センサ情報を補正した後に前記モデルに入力する場合の前記補正に使用する補正関数を、補正後の前記第2基準情報の特徴が前記第1基準情報の特徴に近づくように学習する補正関数学習部と、
を備え、
前記基準情報取得部は、少なくとも1台の前記第2加工装置において、前記基準加工パラメータによる加工を実行した際の前記センサ情報を前記第2基準情報として取得し、
前記補正関数学習部は、前記第2加工装置の各々について個別に、前記補正関数を学習し、
前記補正関数の逆関数である逆補正関数を作成する逆補正関数作成部と、
前記第1加工装置の前記観測部で取得した前記センサ情報に前記逆補正関数を作用させて個体模擬情報を作成し、前記個体模擬情報を前記個体模擬情報の作成に用いた前記センサ情報に対応するラベルと対応付けて個体模擬データを作成する個体模擬データ作成部と、
前記第1加工装置の前記観測部で取得した前記センサ情報および前記個体模擬情報と、対応する前記ラベルとの関係を学習して汎化モデルを作成する汎化モデル学習部と、
を備え、
前記汎化モデルを前記第2加工装置で利用する前記モデルとする、
ことを特徴とする学習装置。 - 請求項1から3、6のいずれか1項に記載の学習装置を備え、前記第2加工装置として動作する加工装置を制御する数値制御装置であって、
前記補正関数を使用した前記補正を行う前の前記センサ情報、および、前記補正関数を使用した前記補正を行った後の前記センサ情報のいずれを前記第2加工装置において利用する前記モデルに入力させるかの選択を利用者から受け付ける入力部と、
を備えることを特徴とする数値制御装置。 - 前記入力部が前記選択を利用者から受け付ける際に、前記補正を行う前の前記センサ情報を入力させた場合の前記モデルの出力と、前記補正を行った後の前記センサ情報を入力させた場合の前記モデルの出力と、を表示する表示部、
を備えることを特徴とする請求項7に記載の数値制御装置。 - 請求項1から3のいずれか1項に記載の学習装置を備え、前記第2加工装置として動作する加工装置を制御する数値制御装置であって、
動作中の前記第2加工装置で取得される前記センサ情報を前記補正関数で補正し、補正後の前記センサ情報を前記モデルへ入力して出力を得ることを特徴とする数値制御装置。 - 請求項6に記載の学習装置で作成された前記汎化モデルを備え、前記第2加工装置として動作する加工装置を制御する数値制御装置であって、
動作中の前記第2加工装置で取得される前記センサ情報を前記汎化モデルへ入力して出力を得ることを特徴とする数値制御装置。 - 加工パラメータに従って加工を行い加工中にワークの状態、加工装置の状態のうちの少なくともいずれか一方の観測結果を示すセンサ信号、前記センサ信号の特徴量のうちのいずれか一方をセンサ情報として取得する観測部を備える加工装置である第1加工装置の前記観測部が取得した前記センサ情報と前記センサ情報に対応するラベルとを関連付けて学習したモデルを前記第1加工装置と異なる前記加工装置である第2加工装置で利用する場合の加工結果予測方法であって、
記録部が、前記第1加工装置において前記加工パラメータの一つである基準加工パラメータによる加工を実行した際の前記センサ情報を第1基準情報として記録するステップと、
基準情報取得部が、前記第2加工装置において前記基準加工パラメータによる加工を実行した際の前記センサ情報を第2基準情報として取得するステップと、
補正関数学習部が、前記第2加工装置において前記センサ情報を補正した後に前記モデルに入力する場合の前記補正に使用する補正関数を、補正後の前記第2基準情報の特徴が前記第1基準情報の特徴に近づくように学習するステップと、
前記補正関数が、加工中の前記第2加工装置から取得された前記センサ情報を補正するステップと、
前記モデルが、前記補正関数により補正された前記センサ情報に基づいて、前記第2加工装置による加工結果を予測するステップと、
を含み、
前記補正関数学習部は、前記第1基準情報の特徴量の分布を前記第1基準情報の前記特徴として使用し、前記第2基準情報の特徴量の分布を前記第2基準情報の前記特徴として使用して前記学習を行う、
ことを特徴とする加工結果予測方法。 - 加工パラメータに従って加工を行い加工中にワークの状態、加工装置の状態のうちの少なくともいずれか一方の観測結果を示すセンサ信号、前記センサ信号の特徴量のうちのいずれか一方をセンサ情報として取得する観測部を備える加工装置である第1加工装置の前記観測部が取得した前記センサ情報と前記センサ情報に対応するラベルとを関連付けて学習したモデルを前記第1加工装置と異なる前記加工装置である第2加工装置で利用する場合の加工結果予測方法であって、
記録部が、前記第1加工装置において前記加工パラメータの一つである基準加工パラメータによる加工を実行した際の前記センサ情報を第1基準情報として記録するステップと、
基準情報取得部が、前記第2加工装置において前記基準加工パラメータによる加工を実行した際の前記センサ情報を第2基準情報として取得するステップと、
補正関数学習部が、前記第2加工装置において前記センサ情報を補正した後に前記モデルに入力する場合の前記補正に使用する補正関数を、補正後の前記第2基準情報の特徴が前記第1基準情報の特徴に近づくように学習するステップと、
前記補正関数が、加工中の前記第2加工装置から取得された前記センサ情報を補正するステップと、
前記モデルが、前記補正関数により補正された前記センサ情報に基づいて、前記第2加工装置による加工結果を予測するステップと、
を含み、
前記記録部は、さらに、前記第1基準情報に対応する前記ラベルを記録し、
前記補正関数学習部は、前記基準情報取得部が取得した前記第2基準情報に対応付けられたラベルと同じラベルに対応する前記第1基準情報を前記記録部から選択し、選択した前記第1基準情報と、前記基準情報取得部が取得した前記第2基準情報とを使用して前記学習を行う、
ことを特徴とする加工結果予測方法。 - 加工パラメータに従って加工を行い加工中にワークの状態、加工装置の状態のうちの少なくともいずれか一方の観測結果を示すセンサ信号、前記センサ信号の特徴量のうちのいずれか一方をセンサ情報として取得する観測部を有する第1加工装置と、
前記第1加工装置の前記観測部と同様の観測部、および、該観測部が取得する前記センサ情報に基づいて予測を行うモデルを有する第2加工装置と、
前記第1加工装置の前記観測部で取得された前記センサ情報と前記センサ情報に対応するラベルとを関連付けて学習したモデルを前記第2加工装置で利用する場合において、前記第2加工装置の前記観測部で取得された前記センサ情報を補正した後に前記モデルに入力する場合の前記補正に使用する補正関数の学習を行う学習装置と、
を備え、
前記学習装置は、
前記第1加工装置において前記加工パラメータの一つである基準加工パラメータによる加工を実行した際の前記センサ情報を第1基準情報として記録する記録部と、
前記第2加工装置において前記基準加工パラメータによる加工を実行した際の前記センサ情報を第2基準情報として取得する基準情報取得部と、
補正後の前記第2基準情報の特徴が前記第1基準情報の特徴に近づくように前記補正関数を学習する補正関数学習部と、
を備え、
前記補正関数学習部は、前記第1基準情報の特徴量の分布を前記第1基準情報の前記特徴として使用し、前記第2基準情報の特徴量の分布を前記第2基準情報の前記特徴として使用して前記学習を行う、
ことを特徴とする加工システム。 - 加工パラメータに従って加工を行い加工中にワークの状態、加工装置の状態のうちの少なくともいずれか一方の観測結果を示すセンサ信号、前記センサ信号の特徴量のうちのいずれか一方をセンサ情報として取得する観測部を有する第1加工装置と、
前記第1加工装置の前記観測部と同様の観測部、および、該観測部が取得する前記センサ情報に基づいて予測を行うモデルを有する第2加工装置と、
前記第1加工装置の前記観測部で取得された前記センサ情報と前記センサ情報に対応するラベルとを関連付けて学習したモデルを前記第2加工装置で利用する場合において、前記第2加工装置の前記観測部で取得された前記センサ情報を補正した後に前記モデルに入力する場合の前記補正に使用する補正関数の学習を行う学習装置と、
を備え、
前記学習装置は、
前記第1加工装置において前記加工パラメータの一つである基準加工パラメータによる加工を実行した際の前記センサ情報を第1基準情報として記録する記録部と、
前記第2加工装置において前記基準加工パラメータによる加工を実行した際の前記センサ情報を第2基準情報として取得する基準情報取得部と、
補正後の前記第2基準情報の特徴が前記第1基準情報の特徴に近づくように前記補正関数を学習する補正関数学習部と、
を備え、
前記記録部は、さらに、前記第1基準情報に対応する前記ラベルを記録し、
前記補正関数学習部は、前記基準情報取得部が取得した前記第2基準情報に対応付けられたラベルと同じラベルに対応する前記第1基準情報を前記記録部から選択し、選択した前記第1基準情報と、前記基準情報取得部が取得した前記第2基準情報とを使用して前記学習を行う、
ことを特徴とする加工システム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/039316 WO2024084688A1 (ja) | 2022-10-21 | 2022-10-21 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP7286049B1 true JP7286049B1 (ja) | 2023-06-02 |
Family
ID=86547687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023507854A Active JP7286049B1 (ja) | 2022-10-21 | 2022-10-21 | 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 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7286049B1 (ja) |
WO (1) | WO2024084688A1 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020189400A (ja) | 2019-05-21 | 2020-11-26 | ジー・エフ マシーニング ソリューションズ アー・ゲーGF Machining Solutions AG | 工作機械のびびり振動を予測するための方法 |
JP6818970B1 (ja) | 2020-05-20 | 2021-01-27 | 三菱電機株式会社 | データ作成装置、機械学習システムおよび加工状態推定システム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6691087B2 (ja) * | 2017-10-04 | 2020-04-28 | ファナック株式会社 | 熱変位補正システム |
-
2022
- 2022-10-21 WO PCT/JP2022/039316 patent/WO2024084688A1/ja unknown
- 2022-10-21 JP JP2023507854A patent/JP7286049B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020189400A (ja) | 2019-05-21 | 2020-11-26 | ジー・エフ マシーニング ソリューションズ アー・ゲーGF Machining Solutions AG | 工作機械のびびり振動を予測するための方法 |
JP6818970B1 (ja) | 2020-05-20 | 2021-01-27 | 三菱電機株式会社 | データ作成装置、機械学習システムおよび加工状態推定システム |
Also Published As
Publication number | Publication date |
---|---|
WO2024084688A1 (ja) | 2024-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI640390B (zh) | 刀具磨耗監測與預測方法 | |
CN108500736B (zh) | 工具状态推定装置以及机床 | |
CN110153801B (zh) | 一种基于多特征融合的刀具磨损状态辨识方法 | |
US10739230B2 (en) | System and method for detecting anomaly of a machine tool | |
Kothuru et al. | Application of deep visualization in CNN-based tool condition monitoring for end milling | |
US7933679B1 (en) | Method for analyzing and optimizing a machining process | |
EP0879674B1 (en) | Generation of measurement program in nc machining and machining management based on the measurement program | |
CN104898565A (zh) | 改进的用于颤振预测的数据库 | |
Costes et al. | Surface roughness prediction in milling based on tool displacements | |
CN108475052A (zh) | 诊断设备、计算机程序和诊断系统 | |
US11662706B2 (en) | Life expectancy prediction system for a tool | |
JP6832327B2 (ja) | 生産プロセス中に異常なワークピースを自動検出するためのデータ駆動方法 | |
Brecher et al. | Use of NC kernel data for surface roughness monitoring in milling operations | |
CN114237155A (zh) | 一种多轴数控加工的误差预测及补偿方法、系统及介质 | |
US11144040B2 (en) | Method for estimating error propagation | |
WO2006137120A1 (ja) | 加工工程生成装置 | |
JP2019145086A (ja) | 制御装置、機械学習装置及びシステム | |
CN114207663A (zh) | 工具的磨损程度的确定 | |
Oberle et al. | A use case to implement machine learning for life time prediction of manufacturing tools | |
CN110174871B (zh) | 控制装置、机器学习装置以及系统 | |
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 | |
CN114326593A (zh) | 一种刀具寿命预测系统及方法 | |
JP7251955B2 (ja) | 検出装置及び機械学習方法 | |
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 | |
JP7286023B1 (ja) | 加工不良分析装置、加工システム、加工不良分析方法、および、加工方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230203 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230203 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230203 |
|
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: 20230425 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230523 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7286049 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |