JP7415100B1

JP7415100B1 - パラメータ調整装置およびパラメータ調整方法

Info

Publication number: JP7415100B1
Application number: JP2023568589A
Authority: JP
Inventors: 誠二魚住; 潤丸田; 勇太中西; 慎哉西野
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2023-06-28
Filing date: 2023-06-28
Publication date: 2024-01-16
Anticipated expiration: 2043-06-28

Abstract

パラメータ調整装置は、特徴量算出部、評価指標計算部、第１最適解探索部および表示制御部を備える。特徴量算出部は、工具移動指令から制御対象の工作機械の動作をシミュレーションし、加工の特徴量を算出する。評価指標計算部は、加工の特徴量から加工結果を評価する１つ以上の評価指標値を計算する。第１最適解探索部は、指令値生成パラメータセットから評価指標値を推論するための第１学習結果を用いて、第１探索用の指令値生成パラメータセットに対応する評価指標値を推論し、推論した結果を用いてそれぞれの評価指標値を同時に最適化する複数の指令値生成パラメータセットである指令値生成パラメータセット候補を探索する。表示制御部は、指令値生成パラメータセット候補が、工具移動指令を生成する指令値生成装置に設定されて当該指令値生成装置が動作したときに算出された加工の特徴量とそれぞれの評価指標値とを対応付けて表示部に表示する。

Description

本開示は、加工プログラムに基づいて工作機械の駆動装置を駆動するための工具移動指令を生成する指令値生成装置で指令値生成に関わるパラメータを調整するパラメータ調整装置およびパラメータ調整方法に関する。

工作機械を用いて被加工物を所望の形状に加工する場合、ＣＡＭ（Computer Aided Manufacturing）などで加工プログラムを作成するのが一般的である。加工プログラムには加工形状に関する情報、工具の送り速度、工具の回転数などが記述されている。また、指令値生成装置は、この加工プログラムを読込み、座標変換、工具長補正、工具径補正、機械誤差補正などを行うことで工具経路を計算する。指令値生成装置は、さらに加減速などの処理を行い、単位時間毎の工具経路上の指令点である補間点を計算する。多くの場合、指令値生成装置には数値制御装置（Numerical Control：ＮＣ）が用いられる。

指令値生成装置には、工作機械による加工をより高速かつ高精度に行うための機能が多数搭載されている。作業者は、加工対象であるワークの形状、用途等に応じて、サイクルタイム、すなわち加工時間を重視する場合と、加工面の形状精度である加工精度を重視する場合と、加工面の面精度である面品位を重視する場合と、を判断し、これらの機能に関係する膨大なパラメータを調整する必要がある。このため、指令値生成装置のパラメータ調整作業に膨大な時間を要し、あるいは調整作業が煩雑となり、作業者の嗜好に合わせた調整ができないという課題がある。このような場合に、テストプログラムを複数のパラメータ設定で実行し、加工精度および加工時間から決まる評価指標が最も良い値となるパラメータセットを選択することで、パラメータ調整を支援する技術が特許文献１に開示されている。

特許第５９５６６１９号公報

しかしながら、特許文献１に記載の技術では、パラメータ調整に使用するテストプログラムが、作業者が加工するワーク形状と異なる場合には、パラメータ調整の精度が悪化して、作業者の嗜好に合った調整結果を得ることができない。一方で、作業者の嗜好に合った調整結果を得るために、パラメータ調整の精度を維持しようとすると、テストプログラムの変更または各パラメータにおける調整範囲の修正を実施して、パラメータ調整作業をはじめのステップから再度やり直すといった一連の作業を何度も繰り返して、作業者の嗜好に収束させる必要がある。従来では、パラメータを作業者の嗜好に収束させる場合に、試行錯誤的にパラメータ調整作業を行う必要があったため、作業者に対して、追加の手間と時間とを負担させることになる。このため、パラメータ調整において、従来に比して作業者の嗜好に集束させることができる技術が求められていた。

本開示は、上記に鑑みてなされたものであって、作業者の嗜好に合った指令値に関するパラメータを従来に比して早く収束させることができるパラメータ調整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、本開示のパラメータ調整装置は、加工対象物を加工するための加工プログラムに基づいて計算される工具経路上の単位時間毎の補間点群によって構成される工具移動指令の生成に使用される複数のパラメータである指令値生成パラメータセットを調整するパラメータ調整装置であって、特徴量算出部と、評価指標計算部と、第１最適解探索部と、表示制御部と、を備える。特徴量算出部は、工具移動指令から制御対象の工作機械の動作をシミュレーションし、加工の特徴量を算出する。評価指標計算部は、加工の特徴量から加工結果を評価する１つ以上の評価指標値を計算する。第１最適解探索部は、指令値生成パラメータセットと評価指標値とを用いて学習された指令値生成パラメータセットから評価指標値を推論するための第１学習結果を用いて、第１探索用の指令値生成パラメータセットに対応する評価指標値を推論し、推論した結果を用いてそれぞれの評価指標値を同時に最適化する複数の指令値生成パラメータセットである指令値生成パラメータセット候補を探索する。表示制御部は、指令値生成パラメータセット候補が、工具移動指令を生成する指令値生成装置に設定されて当該指令値生成装置が動作したときに算出された加工の特徴量とそれぞれの評価指標値とを対応付けて表示部に表示する。

本開示に係るパラメータ調整装置は、作業者の嗜好に合った指令値に関するパラメータを従来に比して早く収束させることができるという効果を奏する。

実施の形態１に係るパラメータ調整装置の構成の一例を示す図加工目標形状の一例を示す図加工目標形状の一例を示す図加工目標形状の一例を示す図図２から図４に示される加工目標形状を加工する加工プログラムの一例を示す図許容加速度が変化したときの加減速波形の変化の一例を示す図許容経路誤差が変化したときの移動経路の変化の一例を示す図許容経路誤差が変化したときの加減速波形の変化の一例を示す図フィルタ時定数が変化したときの工具の移動経路の変化の一例を示す図フィルタ時定数が変化したときの加減速波形の変化の一例を示す図第１組から第４組までの指令値生成パラメータセットに基づいて生成された加工動作が行われた場合の加工目標形状における加工曲面の加工誤差量のマッピング図および加工時間の関係の一例を示す図実施の形態１の学習処理で用いられるニューラルネットワークの一例を示す図実施の形態１において第１最適解探索部が探索した加工曲面についての指令値生成パラメータセットの一例を示す図図１３に示す加工曲面についての加工時間優先モード、加工精度優先モード、面品位優先モードおよびバランスモードのカテゴリの中から選択した１つの指令値生成パラメータセット候補について作業者による嗜好情報の設定の一例を示す図実施の形態１に係るパラメータ調整方法の手順の一例を示すフローチャートブレードの形状の部材の加工の様子の一例を示す図実施の形態２に係るパラメータ調整装置の構成の一例を示す図実施の形態２に係るパラメータ調整方法の手順の一例を示すフローチャート実施の形態１，２に係るパラメータ調整装置を実現するコンピュータシステムの構成の一例を示す図

以下に、本開示の実施の形態に係るパラメータ調整装置およびパラメータ調整方法を図面に基づいて詳細に説明する。

実施の形態１．
図１は、実施の形態１に係るパラメータ調整装置の構成の一例を示す図である。パラメータ調整装置１は、加工対象物を加工するための加工プログラムに基づいて計算される工具経路上の単位時間毎の補間点群によって構成される工具移動指令の生成に使用される複数のパラメータである指令値生成パラメータセットを調整する装置である。工具移動指令は、工作機械のサーボモータ等の駆動装置を駆動するための指令である。

指令値生成装置３は、外部入力された加工プログラム３１０に従い、単位時間毎の工具の移動指令をパラメータ調整装置１に出力する。加工プログラム３１０は、加工目標形状３２０に対応した工具経路の移動指令と、このときの移動速度指令と、が記述されたコンピュータプログラムである。工具経路の移動指令は座標値とこのときの移動モードとをＧ０、Ｇ１等のＧコードによって指定され、工具経路の移動速度指令は速度値が記述されたＦコードによって指定される。

加工目標形状３２０は、加工すべき曲面である加工曲面を含む加工対象物の目標の形状データである。加工目標形状３２０は、パラメータ調整装置１に外部入力される。一例では、加工目標形状３２０は、ＣＡＤ（Computer Aided Design）データからのデータ変換による入力、キーボードなどの作業者の操作による図形入力などの方法によってパラメータ調整装置１に入力される。

図２から図４は、加工目標形状の一例を示す図である。図２は、加工目標形状３２０の斜視図であり、図３は、加工目標形状３２０の正面図であり、図４は、加工目標形状３２０の上面図である。加工目標形状３２０は、直方体状のブロック３２１の上面３２１ａに半球状の突起部３２２を有し、上面３２１ａにおける１つの角部が平面によって切り取られた形状を有する。加工目標形状３２０は、上面３２１ａに注目すると、半球状の突起部３２２を形成する加工曲面Ｓ１と、上面３２１ａの加工曲面Ｓ１以外の領域を形成する平面状の加工曲面Ｓ２と、角部が切り取られた位置の平面上の加工曲面Ｓ３と、を有する。また、加工曲面Ｓ１と加工曲面Ｓ２との境界には円環状の加工エッジＥ１が存在し、加工曲面Ｓ２と加工曲面Ｓ３との境界には直線状の加工エッジＥ２が存在している。

図５は、図２から図４に示される加工目標形状を加工する加工プログラムの一例を示す図である。加工プログラム３１０には、直方体状のブロック３２１の上面３２１ａを図２から図４に示される加工目標形状３２０となるように工作機械を動作させる処理が記述されている。図５に示される例では走査線加工の加工パスを例に扱うが、等高線加工であってもよい。また、加工方向についても限定されない。

指令値生成装置３は、外部入力された加工プログラム３１０に従った単位時間毎の工具の移動指令を出力するにあたって、解析処理、加減速処理、平滑化処理、スムージング処理、補間処理などを行う。解析処理は、加工プログラム３１０に基づいて、移動経路および移動経路上の送り速度を出力する処理である。加減速処理は、予め設定された許容加速度に基づいて停止状態と送り速度の状態との間の加減速波形を計算する処理である。平滑化処理は、予め設定された許容経路誤差および加減速波形に基づいて移動経路を平滑化した移動指令を出力する処理である。スムージング処理は、平滑化処理後の速度波形を滑らかにする処理である。スムージング処理は、移動平均フィルタ処理とも称される。補間処理は、スムージング処理後の速度で移動したときの単位時間毎の工具位置である補間点を計算する処理である。ここでは、単位時間毎の工具の移動指令の１つ１つは、補間点と称される。

指令値生成装置３におけるそれぞれの処理はパラメータに従って動作する。以下に、パラメータについて説明する。

加減速処理では、設定する許容加速度によって加減速波形が変化する。つまり、許容加速度がパラメータとなる。図６は、許容加速度が変化したときの加減速波形の変化の一例を示す図である。この図において、横軸は時刻を示し、縦軸は速さを示している。実線で示されるグラフは、許容加速度が高いときの加減速波形であり、破線で示されるグラフは、許容加速度が低いときの加減速波形である。図６によれば、許容加速度を低くすることで、許容加速度が高いときと比較して、加速度が低く滑らかな加減速波形が得られるが、加工時間が増加するようになることがわかる。

平滑化処理では、設定する許容経路誤差によって、移動指令および速度波形が変化する。つまり、許容経路誤差がパラメータとなる。図７は、許容経路誤差が変化したときの移動経路の変化の一例を示す図であり、図８は、許容経路誤差が変化したときの加減速波形の変化の一例を示す図である。図８において、横軸は時刻を示し、縦軸は速さを示している。図７において、加工プログラム３１０上の工具の移動経路は、点線で示されるように、Ｘ軸に沿って進み、その後Ｙ軸に沿って進むものである。実線で示される移動経路は許容経路誤差が大きいときの移動経路であり、破線で示される移動経路は許容経路誤差が小さいときの移動経路である。図８においては、図７の移動経路に沿って加工を行うときのＸ軸方向の加減速波形と、Ｙ軸方向の加減速波形と、が示されている。また、Ｙ軸方向の加減速波形で、実線のものは許容経路誤差が大きい場合を示し、破線のものは許容経路誤差が小さい場合を示している。図７および図８によれば、許容経路誤差が大きくなることで、許容経路誤差が小さいときと比較して、加工時間を短縮することができるが、工具の経路誤差が大きくなることがわかる。

スムージング処理では、設定する移動平均フィルタの時定数によって、工具の移動指令および速度波形が滑らかになるように変化する。以下では、移動平均フィルタの時定数は、フィルタ時定数と称される。この処理では、フィルタ時定数がパラメータとなる。移動平均フィルタ後経路、すなわち工具移動指令の経路上の補間点ｘは移動平均フィルタ前経路、すなわち加工プログラム３１０の経路上の点Ｘの平均値で表されるため、次式（１）で表すことができる。

ここで、ｎは始点から終点までの補間点の番号を示している。また、ｍは移動平均フィルタのフィルタ時定数であり、パラメータにより設定される。

図９は、フィルタ時定数が変化したときの工具の移動経路の変化の一例を示す図であり、図１０は、フィルタ時定数が変化したときの加減速波形の変化の一例を示す図である。図１０において、横軸は時刻を示し、縦軸は速さを示している。図９において、加工プログラム３１０上の工具の移動経路は、点線で示されるように、Ｘ軸に沿って進み、その後Ｙ軸に沿って進むものである。実線で示される移動経路はフィルタ時定数が小さいときの移動経路であり、破線で示される移動経路はフィルタ時定数が大きいときの移動経路である。図１０においては、図９の移動経路に沿って加工を行うときのＸ軸方向の加減速波形と、Ｙ軸方向の加減速波形と、が示されている。また、破線のものはフィルタ時定数が大きい場合を示し、実線のものはフィルタ時定数が小さい場合を示している。図９および図１０によれば、移動平均フィルタのフィルタ時定数を大きくすることで、フィルタ時定数が小さいときと比較して、滑らかな加減速波形が得られるが、加工時間および工具の経路誤差が大きくなることがわかる。

以下で説明するように実施の形態１では、パラメータ調整装置１は許容加速度、許容経路誤差およびフィルタ時定数の合計３つを指令値生成パラメータセットとして扱う。つまり、パラメータ調整装置１は、これら３つの指令値生成パラメータセットをパラメータ調整の対象とする。ただし、実施の形態１において扱う３つのパラメータに限らず、指令値生成装置３から生成される補間点に影響するすべてのパラメータをパラメータ調整の対象として扱うことが可能である。

なお、指令値生成装置３は、指令値生成装置３の設定値記憶部に予め記憶された指令値生成パラメータセットの設定値で動作する。パラメータ調整装置１からの外部入力によって設定値記憶部の設定値を書き換えることが可能である。

図１に戻り、パラメータ調整装置１は、特徴量算出部１１と、評価指標計算部１２と、評価指標情報記憶部１３と、第１最適解探索部１４と、候補情報記憶部１５と、嗜好情報設定部１６と、表示部１７と、第２最適解探索部１８と、調整後指令値生成パラメータセット記憶部１９と、を備える。

特徴量算出部１１は、指令値生成装置３で生成された工具移動指令から制御対象の工作機械の動作をシミュレーションし、加工の特徴量を算出する。加工の特徴量の一例は、加工目標形状３２０と工具先端点の位置に配置された工具との間の距離である加工誤差量、工具先端点の速度、工具先端点の加速度、工具先端点の加加速度、工作機械の複数の駆動軸のそれぞれの位置、工作機械の複数の駆動軸のそれぞれの速度、工作機械の複数の駆動軸のそれぞれの加速度、工作機械の複数の駆動軸のそれぞれの加加速度、工作機械の複数の駆動軸のそれぞれの反転位置である。

ここで、ワークの全体を同じ１つの条件で加工する場合には、上記のように処理が行われるが、ワークを複数の部分に分けて、分けた部分ごとに条件を変更して加工を行うようにすることもできる。この場合には、特徴量算出部１１は、指令値生成装置３で生成された工具移動指令から制御対象の工作機械の動作をシミュレーションして工具先端点を求め、工具先端点における加工の情報である加工の特徴量を、加工目標形状３２０が有する１つ以上の加工曲面毎または加工エッジ毎に算出する。加工目標形状３２０が有する１つ以上の加工曲面または加工エッジは、形状構成要素に対応する。

特徴量算出部１１は、まず、工具先端点を推定する工具先端点推定処理を行い、その後に、工具先端点における加工の特徴量を算出する特徴量算出処理を行う。以下に、工具先端点推定処理および特徴量算出処理を順に説明する。

＜工具先端点推定処理＞
特徴量算出部１１は、指令値生成装置３で生成された工具移動指令に追従するように、実際にまたはシミュレーションで駆動する制御対象である工作機械の駆動制御部から得られる結果情報を用いて工具先端点を推定する。シミュレーションの結果を利用する場合には、特徴量算出部１１は、工作機械の挙動を計算機上でシミュレーションして、指令値生成装置３の出力である補間点から実際の工具先端点を推定する。具体的には、工作機械の慣性、粘性および弾性のパラメータ、慣性、粘性および弾性に起因する共振周波数または反共振周波数、軸反転時のバックラッシまたはロストモーションのパラメータ、熱変位のパラメータ、加工時の反力に起因する変位量のパラメータ等を予め設定して、工作機械の動作をシミュレーションする。ここで、シミュレーションで計算される工具先端点の推定精度は変更することができ、一例では工作機械の駆動軸相当の推定精度が求められる場合には、工具先端点として駆動軸の位置情報が使用されてもよく、補間点相当の推定精度が求められる場合には、工具先端点として補間点が使用されてもよい。また、実際の動作の結果を利用する場合には、特徴量算出部１１は、実際の工作機械を運転させて工具先端点相当の情報を取得する。

＜特徴量算出処理＞
特徴量算出部１１は、工具先端点推定処理で求めた工具先端点のそれぞれについて、当該工具先端点における加工の特徴量を加工目標形状３２０の加工曲面または加工エッジに対応付けて算出する。以下に、加工の特徴量の一例である加工誤差量、工具先端点の速度、工具先端点の加速度、工具先端点の加加速度、工作機械の複数の駆動軸のそれぞれの位置、工作機械の複数の駆動軸のそれぞれの速度、工作機械の複数の駆動軸のそれぞれの加速度、工作機械の複数の駆動軸のそれぞれの加加速度、工作機械の複数の駆動軸のそれぞれの反転位置の算出方法について説明する。

加工誤差量は、工具先端点に対応する切削点の位置と、工具先端点の位置および工具方向に従って配置された工具の形状表面と、の間の最短距離として算出することができる。工具先端点の位置は、制御対象である工作機械の挙動をシミュレーションして得られる情報から計算されたもの、あるいは制御対象を運転させて得られたものである。

工具先端点の速度、加速度および加加速度は、次のように算出することができる。始点から終点までの工具先端点において、ｎ番目の工具先端点の位置をＰＴ（ｎ）とし、所定の制御周期の時間Δｔだけ進んだｎ＋１番目の工具先端点の位置をＰＴ（ｎ＋１）とすれば、ｎ番目における工具先端点の速度ＶＴ（ｎ）は、次式（２）で表されるように、二つの工具先端点の位置ＰＴ（ｎ＋１），ＰＴ（ｎ）の間の距離を所定の制御周期の時間Δｔで除算することで算出される。

同様に、ｎ番目における工具先端点の加速度ＡＴ（ｎ）は、次式（３）で表されるように、二つの工具先端点での速度ＶＴ（ｎ＋１），ＶＴ（ｎ）の間の差を所定の制御周期の時間Δｔで除算することで算出される。

同様に、ｎ番目における工具先端点の加加速度ＪＴ（ｎ）は、次式（４）で表されるように、二つの工具先端点の加速度ＡＴ（ｎ＋１），ＡＴ（ｎ）の間の差を所定の制御周期の時間Δｔで除算することで算出される。

また、工作機械の複数の駆動軸のそれぞれの位置、速度、加速度および加加速度は、次のように算出することができる。ｎ番目の工具先端点に対応した第１駆動軸の位置ＰＭ１（ｎ）は、工作機械の運転情報の時系列データから取得することができる。運転情報は、工作機械を運転させた際の運転状態を示す情報である。運転情報は、工作機械、工作機械を制御する数値制御装置すなわち指令値生成装置３、または工作機械に取り付けられたセンサなどから得た情報を含む。この例の場合には、運転情報は、工作機械が有する複数の駆動軸のそれぞれの位置データを含む。

所定の制御周期の時間Δｔだけ進んだｎ＋１番目における工具先端点に対応した第１駆動軸の位置をＰＭ１（ｎ＋１）とすれば、時刻ｔのｎ番目における工具先端点に対応した第１駆動軸の速度ＶＭ１（ｎ）は、次式（５）によって算出される。

同様に、所定の制御周期の時間Δｔだけ進んだｎ＋１番目における工具先端点に対応した第１駆動軸の速度をＶＭ１（ｎ＋１）とすれば、ｎ番目における工具先端点に対応した第１駆動軸の加速度ＡＭ１（ｎ）は、次式（６）によって算出される。

同様に、所定の制御周期の時間Δｔだけ進んだｎ＋１番目における工具先端点に対応した第１駆動軸の加速度をＡＭ１（ｎ＋１）とすれば、ｎ番目における工具先端点に対応した第１駆動軸の加加速度ＪＭ１（ｎ）は、次式（７）によって算出される。

なお、第１駆動軸以外の他の駆動軸のそれぞれについても同様の方法で位置、速度、加速度および加加速度を算出することができる。

工作機械の複数の駆動軸のそれぞれの反転位置は、次のように算出することができる。上述の方法によって、ｎ番目における工具先端点に対応した第１駆動軸の速度ＶＭ１（ｎ）および所定の制御周期の時間Δｔだけ進んだｎ＋１番目における工具先端点に対応した第１駆動軸の速度ＶＭ１（ｎ＋１）が算出される。このとき、速度ＶＭ１（ｎ）の符号と速度ＶＭ１（ｎ＋１）の符号とを比較して、符号が反転した時刻に対応する位置を第１駆動軸の反転位置とすることができる。なお、第１駆動軸以外の他の駆動軸のそれぞれについても同様の方法で反転位置を求めることができる。

特徴量算出部１１は、加工の特徴量を、加工目標形状３２０の加工曲面または加工エッジと対応付ける。一例では加工目標形状３２０において、加工曲面および加工エッジを識別する識別情報であるＩＤ番号を加工曲面および加工エッジの情報毎に予め割り振っておくことで、該当するＩＤ番号の加工の特徴量を特定することが可能である。

特徴量算出部１１は、以上のようにして算出した加工の特徴量を評価指標計算部１２に出力する。ワークの全体を１つの条件で加工する場合には、特徴量算出部１１は、加工目標形状３２０についての加工の特徴量を評価指標計算部１２に出力する。また、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、特徴量算出部１１は、加工の特徴量を加工目標形状３２０の加工曲面毎または加工エッジ毎に分けて評価指標計算部１２に出力する。

評価指標計算部１２は、特徴量算出部１１で算出された加工の特徴量から加工結果を評価する１つ以上の評価指標値を計算する。以下の説明では、加工結果が、サイクルタイムである加工時間、加工面の形状精度である加工精度および加工面の面精度である面品位である場合を例に挙げる。なお、加工時間と加工精度と面品位とは互いにトレードオフ関係にある。

加工時間に関する評価指標値Ｑｔは、一例では、加工プログラム３１０に記述された指令速度に対する結果情報から計算された工具先端点の速度の減速率を使用することができ、次式（８）によって算出される。

ここで、〇は、加工目標形状３２０が持つ加工曲面または加工エッジを表している。図２から図４の加工目標形状３２０の場合には、〇は、加工曲面Ｓ１－Ｓ３および加工エッジＥ１，Ｅ２を表している。また、Ｎは、加工曲面および加工エッジのそれぞれに該当する工具先端点のデータ点数を示し、Ｆ_cは、指令速度を示し、Ｆは、工具先端点の速度を示している。

（８）式によれば、工具先端点の速度Ｆが指令速度Ｆ_cと一致するほど加工時間の評価指標値Ｑｔは小さい値になる。つまり、実施の形態１においては、評価指標値Ｑｔが小さな値であるほど、パラメータ調整装置１における指令値生成パラメータセットは、加工時間の側面から優良であるといえる。ただし、評価指標値Ｑｔは、加工時間を評価することができるものであればよく、（８）式によって特定されるものに限定されない。一例では、評価指標値Ｑｔは、特定の加工曲面および加工エッジのそれぞれに該当する工具先端点のデータ点数Ｎそのものであってもよいし、データ点数Ｎに対して実行単位を乗じて計算した時間を使用してもよい。

また、（８）式では、加工時間の評価指標値Ｑｔを算出するのに、工具先端点の速度を使用したが、工具先端点の速度の平均値、速度の最大値、工作機械の複数の駆動軸のそれぞれの速度の平均値、速度の最大値を使用することも可能である。

また一般的に、加工時間が短くなる場合、加速度の平均値、加速度の最大値、加加速度の平均値、加加速度の最大値が大きくなる傾向があるため、工具先端点の加速度の平均値、加速度の最大値、加加速度の平均値、加加速度の最大値、工作機械の複数の駆動軸のそれぞれの加速度の平均値、加速度の最大値、加加速度の平均値、加加速度の最大値などを加工時間の評価指標値Ｑｔとして使用することも可能である。ただしこの場合には、評価指標値Ｑｔが大きな値であるほど、パラメータ調整装置１における指令値生成パラメータセットは加工時間の側面から優良であると定められる。

加工精度に関する評価指標値Ｑａは、一例では、加工目標形状３２０と工具先端点の位置に配置された工具との間の距離である加工誤差量の平均値を使用することができ、次式（９）によって算出される。

ここで、〇は、加工目標形状３２０が持つ加工曲面または加工エッジを表している。図２から図４の加工目標形状３２０の場合には、〇は、加工曲面Ｓ１－Ｓ３および加工エッジＥ１，Ｅ２を表している。また、Ｎは、加工曲面および加工エッジのそれぞれに該当する工具先端点のデータ点数を示し、ｅは、加工の特徴量として計算された加工誤差量を示している。

（９）式によれば、加工誤差量ｅが小さくなるほど加工精度の評価指標値Ｑａは小さい値になる。つまり、実施の形態１においては、評価指標値Ｑａが小さな値であるほど、パラメータ調整装置１における指令値生成パラメータセットは、加工精度の側面から優良であるといえる。ただし、評価指標値Ｑａは、加工精度を評価することができるものであればよく、（９）式によって特定されるものに限定されない。一例では、機械振動の程度、または、工具の追従性を示す値であってもよい。

また、（９）式では、加工精度の評価指標値Ｑａを算出するのに、加工曲面および加工エッジのそれぞれに該当する加工誤差量を使用したが、特定の加工曲面および加工エッジのそれぞれに該当する加工誤差量の最大値および最小値を使用することも可能である。

また一般的に、加工精度が悪化する場合、加速度の平均値、加速度の最大値、加加速度の平均値、加加速度の最大値が大きくなる傾向があるため、工具先端点の加速度の最大値および最小値、工具先端点の加加速度の最大値および最小値、工作機械の複数の駆動軸のそれぞれの加速度の最大値および最小値、工作機械の複数の駆動軸のそれぞれの加加速度の最大値および最小値などを加工精度の評価指標値Ｑａとして使用することも可能である。

さらに、評価指標値Ｑａが大きな値であるほど、パラメータ調整装置１における指令値生成パラメータセットは加工精度の側面から優良であると定められてもよい。

面品位に関する評価指標値Ｑｑは、一例では、加工目標形状３２０と工具先端点の位置に配置された工具との間の距離である加工誤差量の分散値を使用することができ、次式（１０）によって算出される。

ここで、〇は、加工目標形状３２０が持つ加工曲面または加工エッジを表している。図２から図４の加工目標形状３２０の場合には、〇は、加工曲面Ｓ１－Ｓ３および加工エッジＥ１，Ｅ２を表している。また、Ｎは、加工曲面および加工エッジのそれぞれに該当する工具先端点のデータ点数を示し、ｅは、加工の特徴量として計算された加工誤差量を示し、ｅ_aは、加工誤差量の平均値を示している。

（１０）式によれば、加工誤差量ｅの分散が小さくなるほど面品位の評価指標値Ｑｑは小さい値になる。つまり、実施の形態１においては、評価指標値Ｑｑが小さな値であるほど、パラメータ調整装置１における指令値生成パラメータセットは、面品位の側面から優良であるといえる。ただし、評価指標値Ｑｑは、面品位を評価することができるものであればよく、（１０）式によって特定されるものに限定されない。一例では、機械振動の程度を示す値であってもよい。

また、（１０）式では、面品位の評価指標値Ｑｑを算出するのに、加工曲面および加工エッジのそれぞれに該当する加工誤差量と加工誤差の平均値との差を使用したが、特定の加工曲面および加工エッジのそれぞれに該当する加工誤差量の最大値と最小値との差、工具先端点の加速度の最大値と最小値との差、工具先端点の加加速度の最大値と最小値との差、工作機械の複数の駆動軸のそれぞれの加速度の最大値と最小値との差、工作機械の複数の駆動軸のそれぞれの加加速度の最大値と最小値との差などを使用することも可能である。

さらに、評価指標値Ｑｑが大きな値であるほど、パラメータ調整装置１における指令値生成パラメータセットは面品位の側面から優良であると定められてもよい。

なお、ここでは、加工時間、加工精度および面品位に関する３つの評価指標が計算されたが、作業者の嗜好に合わせて、加工時間、加工精度および面品位のうちのいずれか１つ以上の評価指標が計算されてもよい。

評価指標情報記憶部１３は、加工目標形状３２０の加工曲面または加工エッジのそれぞれについて、評価指標計算部１２によって算出された加工時間、加工精度および面品位に関する評価指標値と、指令値生成パラメータセットと、を対応付けた評価指標情報を記憶する。なお、評価指標情報は、加工時間、加工精度および面品位に関する評価指標値並びに指令値生成パラメータセットに加えて対応する加工の特徴量を有していてもよい。

第１最適解探索部１４は、指令値生成パラメータセットと評価指標値とを用いて学習された指令値生成パラメータセットから評価指標値を推論するための第１学習結果を用いて、第１探索用の指令値生成パラメータセットに対応する評価指標値を推論し、推論した結果を用いてそれぞれの評価指標値を同時に最適化する複数の指令値生成パラメータセットである指令値生成パラメータセット候補を探索する。なお、複数の指令値生成パラメータセット候補を探索する場合には、トレードオフ関係にある評価指標値のバランスが異なるように、それぞれの評価指標値を同時に最適化する指令値生成パラメータセット候補を探索する。一例では、加工時間、加工精度および面品位の評価指標値の和に対するそれぞれの評価指標値の割合が、バランスとなる。また、一例では、指令値生成パラメータセット候補の３つの評価指標値のうち少なくとも１つの評価指標値が他の指令値生成パラメータセット候補の対応する評価指標値と定められた割合以上離れていることが、評価指標値のバランスが異なると称される。この例では、第１最適解探索部１４は、それぞれの評価指標値を同時に最小化する１つ以上の指令値生成パラメータセット候補を探索する。ここで、同時に最小化するとは、トレードオフ関係にある３つの評価指標値において、ある１つの評価指標値を良くしようとすると、他の目的関数が悪化するような解を見つけることである。

以下では、指令値生成パラメータセットと評価指標値との関係を学習する学習処理と、学習結果を用いてパラメータセットを探索する探索処理と、について説明を行う。

＜学習処理＞
学習処理では、第１最適解探索部１４は、加工時間、加工精度および面品位に関する評価指標値とパラメータ範囲とを入力として、指令値生成パラメータセットと評価指標計算部１２において計算した評価指標値との関係を学習し、学習結果を出力する。すなわち、第１最適解探索部１４は、指令値生成パラメータセットと加工時間、加工精度および面品位に関する評価指標値とを含む学習用データを用いて、指令値生成パラメータセットから評価指標値を推論するための第１学習結果を生成する。

具体的には、指令値生成パラメータセットを入力とし、評価指標値を出力とするニューラルネットワークが構成され、第１最適解探索部１４は、ニューラルネットワークの重み係数を更新して学習を行う。重み係数を更新して学習が行われた場合には、ニューラルネットワークは指令値生成パラメータセットに対応する評価指標値の良好な推定値を出力する。第１最適解探索部１４は、ニューラルネットワークを用い、指令値生成パラメータセットを入力として評価指標値を出力とする関数を得ることで、学習結果として指令値生成パラメータセットと評価指標値との関係式である第１学習結果を得る。

第１最適解探索部１４は、加工目標形状３２０において、次回の加工動作を実行するための指令値生成パラメータセットを、規定されるパラメータ範囲の中から選定して出力する。第１最適解探索部１４は、次の指令値生成パラメータセットの選定にあたって、学習結果に基づいて優良な評価指標値を示す指令値生成パラメータセットを選定してもよいし、等間隔に刻んだグリッドの点の中から各指令値生成パラメータセットを順に選定してもよい。第１最適解探索部１４は指令値生成パラメータセットに基づいて、加工時間、加工精度および面品位に関する評価指標値を計算する関数を更新する機能を有する。

ここでは、第１最適解探索部１４の動作が４回実行されて、第４組までの指令値生成パラメータセットが評価される過程を説明する。第１組の指令値生成パラメータセットはＰｒ１と表記され、第２組の指令値生成パラメータセットはＰｒ２と表記され、第３組の指令値生成パラメータセットはＰｒ３と表記され、第４組の指令値生成パラメータセットはＰｒ４と表記される。４組の指令値生成パラメータセットのそれぞれは、許容加速度、許容経路誤差およびフィルタ時定数の３個のパラメータを有している。

図１１は、第１組から第４組までの指令値生成パラメータセットに基づいて生成された加工動作が行われた場合の加工目標形状における加工曲面の加工誤差量のマッピング図および加工時間の関係の一例を示す図である。図１１では、加工曲面Ｓ１の加工誤差量のマッピング図が示されている。マッピング図Ｍａは、第１組の指令値生成パラメータセットが用いられた場合の加工曲面Ｓ１の加工誤差量および加工時間を示している。マッピング図Ｍｂは、第２組の指令値生成パラメータセットが用いられた場合の加工曲面Ｓ１の加工誤差量および加工時間を示している。マッピング図Ｍｃは、第３組の指令値生成パラメータセットが用いられた場合の加工曲面Ｓ１の加工誤差量および加工時間を示している。マッピング図Ｍｄは、第４組の指令値生成パラメータセットが用いられた場合の加工曲面Ｓ１の加工誤差量および加工時間を示している。また、加工曲面Ｓ１における加工誤差量の分布は、面品位を示している。加工曲面Ｓ１において加工誤差量が一様であれば面品位は高く、加工誤差量が均一ではない場合には面品位は低いと考えられる。これらのマッピング図Ｍａ－Ｍｄの加工曲面Ｓ１に付されているハッチングは誤差量を示しており、誤差量の凡例が各マッピング図Ｍａ－Ｍｄの右側の「誤差量」に示されている。また、加工時間は、各マッピング図Ｍａ－Ｍｄの右側の「タクト」におけるスライドバーで示されている。

第１最適解探索部１４は、指令値生成パラメータを第１組の指令値生成パラメータセットＰｒ１とした場合の加工動作の結果によって得られた加工目標形状３２０における加工曲面Ｓ１についての加工時間、加工精度および面品位に関する評価指標値Ｑｔ１，Ｑａ１，Ｑｑ１を受け取ると、第１組の指令値生成パラメータセットＰｒ１を第２組の指令値生成パラメータセットＰｒ２に変更する。このとき、第１組の指令値生成パラメータセットＰｒ１が用いられた加工動作の結果に基づいて第２組の指令値生成パラメータセットＰｒ２が選定されてもよいし、第１組の指令値生成パラメータセットＰｒ１が用いられた加工動作の結果に関わらず、予め定められていた通りに第２組の指令値生成パラメータセットＰｒ２が選定されてもよい。

第１最適解探索部１４は、第１組の指令値生成パラメータセットＰｒ１の場合と同様の手順で、第２組から第４組までの指令値生成パラメータセットＰｒ２－Ｐｒ４に対応する評価指標値Ｑｔ２－Ｑｔ４，Ｑａ２－Ｑａ４，Ｑｑ２－Ｑｑ４を受け取る。

図１１に示される加工の特徴量が得られた場合には、加工時間の側面からは４つの評価指標値Ｑｔ１－Ｑｔ４の中では評価指標値Ｑｔ１が最も小さい。つまり、第１組の指令値生成パラメータセットＰｒ１は加工時間を優先した指令値生成パラメータセットであるといえる。

加工精度の側面からは４つの評価指標値Ｑａ１－Ｑａ４の中では評価指標値Ｑａ２が最も小さい。つまり、第２組の指令値生成パラメータセットＰｒ２は加工精度を優先した指令値生成パラメータセットであるといえる。

面品位の側面からは４つの評価指標値Ｑｑ１－Ｑｑ４の中では評価指標値Ｑｑ３が最も小さい。つまり、第３組の指令値生成パラメータセットＰｒ３は面品位を優先した指令値生成パラメータセットであるといえる。

なお、第４組の指令値生成パラメータセットＰｒ４は加工時間、加工精度および面品位のすべての側面からみてバランスの取れた指令値生成パラメータセットであるといえる。

第１最適解探索部１４は、上述のように、指令値生成パラメータに対応する評価指標値を取得する動作を繰り返し実施する。第１最適解探索部１４は、繰り返し実施して得た指令値生成パラメータと指令値生成パラメータに対応する評価指標値とを学習用データとして、ニューラルネットワークを用いた学習動作を行う。図１２は、実施の形態１の学習処理で用いられるニューラルネットワークの一例を示す図である。当該ニューラルネットワークは、入力層、中間層および出力層を有する。左端の入力層に指令値生成パラメータセットが入力され、右端の出力層から評価指標値が出力される。入力層の各ノードから中間層の各ノードに対する重み係数は全て独立に設定することができるが、図１２ではこれらは全て同一の重み係数Ｗ１として表記されている。同様に、中間層の各ノードから出力層の各ノードに対する重み係数は全て独立に設定することができるが、図１２では全て同一の重み係数Ｗ２として表記されている。

入力層の各ノードの出力値に対して重み係数Ｗ１が乗算され、乗算によって得られた結果の線形結合が中間層の各ノードに入力される。中間層の各ノードの出力値に対して重み係数Ｗ２が乗算され、乗算によって得られた結果の線形結合が出力層のノードに入力される。各層の各ノードでは、一例ではシグモイド関数といった非線形関数により入力値から出力値が計算されてもよい。入力層および出力層では、出力値は入力値の線形結合であってもよい。

第１最適解探索部１４は、指令値生成パラメータセットと評価指標値とを用いて、ニューラルネットワークの重み係数Ｗ１と重み係数Ｗ２とを計算する。ニューラルネットワークの重み係数Ｗ１および重み係数Ｗ２は、誤差逆伝播法または勾配降下法を用いることで計算することができる。一例では、ニューラルネットワークは、入力層に指令値パラメータセットを入力して出力層から出力された結果が、評価指標値に近づくように重み係数Ｗ１と重み係数Ｗ２とを調整することで学習する。ただし、ニューラルネットワークの重み係数が得られる計算方法であれば、重み係数Ｗ１および重み係数Ｗ２の計算方法は上述の方法に限られない。

ニューラルネットワークの重み係数Ｗ１，Ｗ２が決定されれば、指令値生成パラメータと評価指標値との関係式が得られたことになる。ここまでにおいて、３層のニューラルネットワークを用いた学習を行う例が示された。ニューラルネットワークを用いた学習は、上述の例に限定されない。

以上の動作によって、ニューラルネットワークによる関係式である指令値生成パラメータセットを入力として評価指標値を出力とする関数が第１学習結果として得られることになる。第１学習結果は、指令値生成パラメータから評価指標値を推論するための学習結果である。

この第１学習結果を用いれば、新たな指令値生成パラメータセットに対して加工動作を実行しなくても、この新たな指令値生成パラメータセットに対応する加工時間、加工精度および面品位に関する評価指標値Ｑｔ，Ｑａ，Ｑｑを得ることが可能になる。

なお、実施の形態１では、指令値生成パラメータセットと評価指標値との関係式を構築するために、ニューラルネットワークが用いられた。しかしながら、指令値生成パラメータセットと評価指標値との関係を得ることができれば、ニューラルネットワーク以外の方法を用いてもよい。一例では、指令値生成パラメータセットと評価指標値との関係を得るために、２次多項式のような単純な関数が用いられてもよいし、ガウス過程モデルのような確率モデルが用いられてもよい。

また、第１学習結果の予測精度は指令値生成パラメータセットに対応する評価指標値を取得する動作のくり返し回数に依存する。繰り返し回数が少ない場合には、第１学習結果を短時間で得ることが可能であるが、指令値生成パラメータセットから予測した評価指標値に含まれる誤差が大きくなる傾向にある。一方で、十分な繰り返し回数が確保された場合には、指令値生成パラメータセットから予測した評価指標値に含まれる誤差は小さくなるが、精度の良い第１学習結果を得るために長い時間を要する傾向になる。

学習動作を行うにあたって、加工時間、加工精度および面品位に関する評価指標値が最大または最小となる、評価指標値の分布における境界付近に関しては、指令値生成パラメータセットに対応する評価指標値を取得する動作について十分な繰り返し回数を確保した方がよい。一方で、上記境界付近以外の領域に関しては、指令値生成パラメータに対応する評価指標値を取得する動作について十分な繰り返し回数を確保する必要はない。この場合には、指定されたパラメータ範囲内を広範囲に評価指標値が取得されるようにすればよく、少ない繰り返し回数であっても問題ない。

また、この例では、加工目標形状３２０における加工曲面毎または加工エッジ毎に、学習処理を行っているが、複数の加工曲面および加工エッジについて同時に学習処理を行ってもよい。図２から図４に示される加工目標形状３２０の例では、加工曲面Ｓ１および加工曲面Ｓ２と、加工曲面Ｓ１および加工曲面Ｓ２に囲まれた加工エッジＥ１と、を同時に処理する場合には、加工曲面Ｓ１，Ｓ２と加工エッジＥ１とにおける評価指標値を線形結合したものを新たな評価式Ｑ’とする。加工曲面Ｓ１での評価指標値をＱ（Ｓ１）とし、加工曲面Ｓ２での評価指標値をＱ（Ｓ２）とし、加工エッジＥ１での評価指標値をＱ（Ｅ１）とし、ａ_S1，ａ_S2，ａ_E1を係数とすると、新たな評価式Ｑ’は、次式（１１）によって表される。

ここで、□は、評価対象となる加工時間、加工精度または面品位を表している。つまり、評価式Ｑ’は、加工目標形状３２０が持つ複数の加工曲面および加工エッジの評価指標値を表しており、図２から図４の例では、加工曲面Ｓ１－Ｓ３および加工エッジＥ１，Ｅ２の評価対象となる加工時間、加工精度および面品位のいずれかの評価指標値を表している。これによって、１つの指令値生成パラメータセットで加工曲面または加工エッジが複数のものからなる形状構成要素を加工する場合でも学習処理を行うことができる。

第１最適解探索部１４が学習処理を行う際に使用する学習用データは、特徴量算出部１１で特徴量の算出に使用された制御対象についてのデータである。

＜探索処理＞
探索処理では、第１最適解探索部１４は、指令値生成パラメータセットから評価指標値を推論するための第１学習結果を用いて探索用の指令値生成パラメータセットに対応する評価指標値を推論する。また、第１最適解探索部１４は、推論した結果を用いてそれぞれの評価指標値を同時に最適化する指令値生成パラメータセットである指令値生成パラメータセット候補を探索する。ワークの全体を１つの条件で加工する場合には、第１最適解探索部１４は、加工目標形状３２０について指令値生成パラメータセット候補を探索する。一方、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、第１最適解探索部１４は、加工目標形状３２０の加工曲面毎または加工エッジ毎に指令値生成パラメータセット候補を探索する。指令値生成パラメータセット候補は、それぞれの評価指標値を同時に最適化する１つの指令値生成パラメータセットであってもよいし、複数の指令値生成パラメータセットであってもよい。第１最適解探索部１４が使用する探索用の指令値生成パラメータセットは、第１探索用の指令値生成パラメータセットに対応する。

つまり、第１最適解探索部１４は、指令値生成パラメータと評価指標値との関係式である第１学習結果に基づいて、数値計算によって、加工時間、加工精度および面品位に関する評価指標値のバランスが異なり、定められた指令値生成パラメータの範囲内で同時に加工時間、加工精度および面品位に関する評価指標値を最小化するような指令値生成パラメータセットである指令値生成パラメータセット候補を加工目標形状３２０についてあるいは加工目標形状３２０における加工曲面毎または加工エッジ毎に１つまたは複数求める。一例では、第１最適解探索部１４は、グリッド探索、ランダム探索、ニュートン法、ベイズ最適化または進化計算といった最適化アルゴリズムを用いて、指令値生成パラメータセットを求める。進化計算の一例は、ＮＳＧＡ－ＩＩ（Non-dominated Sorting Genetic Algorithms II）、ＡＧＥ－ＭＯＥＡ（Adaptive Geometry Estimation based a MultiObjective Evolutional Algorithm）、ＡＧＥ－ＭＯＥＡ２、Ｒ－ＮＳＧＡ－ＩＩ（Reference point based NSGA-II）である。この指令値生成パラメータセットは、探索用の指令値生成パラメータセットとなる。そして、探索用の指令値生成パラメータセットを第１学習結果に入力することで、加工時間、加工精度および面品位に関する評価指標値を求め、探索用の指令値生成パラメータセットと評価指標値とが対応付けられる。探索用の指令値生成パラメータと対応する評価指標値との組み合わせの中で、加工時間、加工精度および面品位に関する評価指標値を用いて分類したものの中で最良の評価指標値に対応する指令値生成パラメータセットを指令値生成パラメータ候補とする。

図１３は、実施の形態１において第１最適解探索部が探索した加工曲面についての指令値生成パラメータセットの一例を示す図である。図１３では、指令値生成パラメータセットに対応する加工時間、加工精度および面品位に関する評価指標値の組み合わせを、加工時間、加工精度および面品位に関する評価指標値をそれぞれ軸とする直交座標系にプロットした分布図が示されている。また、この例では、図２から図４の加工目標形状３２０の加工曲面Ｓ１の指令値生成パラメータセットを探索した結果の一例が示されている。図１３で抽出された指令値生成パラメータセット候補は、加工時間、加工精度および面品位の３つの評価指標値のうち、加工時間を優先して短縮する指令値生成パラメータセット候補である加工時間優先モードと、加工精度を優先して向上させる指令値生成パラメータセット候補である加工精度優先モードと、面品位を優先して向上させる指令値生成パラメータセット候補である面品位優先モードと、３つの評価指標をバランスよく向上させる指令値生成パラメータセット候補であるバランスモードと、の４つにカテゴライズできる。これら４つのモード以外の評価指標値はその他の指令値生成パラメータセットによるものである。

図１３では、指令値生成パラメータセット候補が加工時間優先モード、加工精度優先モード、面品位優先モードおよびバランスモードの４つのカテゴリのそれぞれについて１つずつ抽出された一例が記載されているが、すべてのカテゴリに該当する指令値生成パラメータセットが抽出される必要はなく、少なくとも１つのカテゴリに該当する指令値生成パラメータセットが抽出されればよい。また、１つのカテゴリに該当する指令値生成パラメータセットが複数抽出されてもよい。

このように、第１最適解探索部１４は、探索用の指令値生成パラメータセットと、探索用の指令値生成パラメータセットを第１学習結果に入力したときに得られる評価指標値と、の組み合わせから、加工時間、加工精度および面品位の評価指標値のうちのいずれか１つを定められた指令値生成パラメータの範囲内で優先的に向上させた条件下で残りの２つを最適化する指令値生成パラメータセット、並びに加工時間、加工精度および面品位の評価指標値を定められた指令値生成パラメータの範囲内でバランスよく向上させる指令値生成パラメータセットのうちいずれか１つを含む指令値生成パラメータセット候補を探索する機能を有する。ワークの全体を１つの条件で加工する場合には、指令値生成パラメータセット候補は、加工目標形状３２０について探索される。ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、指令値生成パラメータセット候補は、加工曲面毎または加工エッジ毎に探索される。また、第１最適解探索部１４は、学習処理と推論処理とを同時に実施することも可能である。

図１に戻り、候補情報記憶部１５は、第１最適解探索部１４で抽出された指令値生成パラメータセット候補を評価指標値および特徴量算出部１１で算出された加工の特徴量と対応付けた情報である候補情報を記憶する。一例では、複数の指令値生成パラメータセット候補が抽出された場合には、複数の指令値生成パラメータセット候補がそれぞれの評価指標値および特徴量算出部１１で算出された加工の特徴量と対応付けされて候補情報記憶部１５に記憶される。ワークの全体を１つの条件で加工する場合には、候補情報は、加工目標形状３２０毎に、指令値生成パラメータセット候補を評価指標値および加工の特徴量と対応付けたものである。また、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、候補情報は、加工曲面毎または加工エッジ毎に指令値生成パラメータセット候補を評価指標値および加工の特徴量と対応付けたものである。なお、第１最適解探索部１４における学習処理および探索処理で得られるすべての指令値生成パラメータセットにおける評価指標値および特徴量算出部１１で算出された加工の特徴量が候補情報記憶部１５に記憶されてもよい。

嗜好情報設定部１６は、指令値生成パラメータセット候補が、工具移動指令を生成する指令値生成装置３に設定されて指令値生成装置３が動作したときに算出された加工の特徴量とそれぞれの評価指標値とを対応付けて表示部１７に表示する制御を行う。ワークの全体を１つの条件で加工する場合には、嗜好情報設定部１６は、加工目標形状３２０に対して指令値生成パラメータセット候補の加工の特徴量とそれぞれの評価指標値とを対応付けて表示部１７に表示する。また、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、嗜好情報設定部１６は、指令値生成パラメータセット候補の加工の特徴量とそれぞれの評価指標値とを対応付けて加工曲面毎または加工エッジ毎に表示部１７に表示する。また、指令値生成パラメータセットに従って実際の工作機械を運転させて、実際に加工した加工目標形状３２０のワークをそれぞれの評価指標値と対応付けて作業者に提示してもよいし、加工した加工目標形状３２０のワークの画像データをそれぞれの評価指標値と対応付けて表示部１７に表示してもよい。

また、嗜好情報設定部１６は、表示部１７に表示された加工の特徴量とそれぞれの評価指標値のうち、作業者によって選択された指令値生成パラメータセット候補のそれぞれの評価指標値に対して嗜好情報を設定する。一例では、嗜好情報設定部１６は、表示部１７に表示された加工の特徴量とそれぞれの評価指標値のうち、作業者によって選択され、調整された指令値生成パラメータセット候補のそれぞれの評価指標値を嗜好情報として設定する。ワークの全体を１つの条件で加工する場合には、嗜好情報は、加工目標形状３２０に対して設定される。ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、嗜好情報は、加工目標形状３２０の加工曲面毎または加工エッジ毎に設定される。なお、表示制御部は、嗜好情報設定部１６に対応する。

なお、第１最適解探索部１４による処理の時点で、作業者の可能な範囲で予め嗜好情報を設定しておいてもよい。このとき、第１最適解探索部１４では、予め設定した嗜好情報を反映した指令値生成パラメータセット候補が抽出されるため、嗜好情報設定部１６は予め設定した項目以外の嗜好情報を設定してもよいし、嗜好情報設定部１６は予め設定した項目を設定し直してもよい。

一例では、嗜好情報設定部１６は、候補情報記憶部１５に記憶された指令値生成パラメータセット候補と、指令値生成パラメータセット候補に対応付けられた評価指標値および加工の特徴量と、を表示部１７に表示する。この例では、指令値生成パラメータセット候補は、加工時間優先モード、加工精度優先モード、面品位優先モードおよびバランスモードである。作業者は、図示しない入力部を介して特徴量算出部１１で求めた加工の特徴量に基づいて、加工時間優先モード、加工精度優先モード、面品位優先モードおよびバランスモードの４つのカテゴリの中から、指令値生成パラメータセット候補を１つ選択する。また、作業者は、入力部を介して、選択した指令値生成パラメータセット候補から得られる加工の特徴量並びに加工時間、加工精度および面品位に関する評価指標値を参考に、作業者の嗜好情報を設定する。嗜好情報は、作業者が設定した評価指標値、すなわち作業者が持つ加工時間、加工形状および面品位に関しての評価指標値である。嗜好情報は、作業者が加工時間、加工精度および面品位のどれを重要視して加工するかを示す情報であるといえる。ワークの全体を１つの条件で加工する場合には、作業者は、加工目標形状３２０に対して加工時間、加工精度および面品位について嗜好情報を設定する。また、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、作業者は、加工曲面毎または加工エッジ毎に、加工時間、加工精度および面品位について嗜好情報を設定する。後者の場合には、作業者によって、対象となる加工曲面または加工エッジに対して、選択された指令値生成パラメータセット候補についての加工時間、加工精度および面品位の評価指標値が調整される。この調整は、作業者の嗜好によるものである。嗜好情報設定部１６は、調整された加工時間、加工精度および面品位の評価指標値を嗜好情報とし、対象となる加工曲面または加工エッジに嗜好情報を設定する。

図２から図４に示される例では、加工目標形状３２０は加工曲面Ｓ１－Ｓ３および加工エッジＥ１，Ｅ２から構成されており、加工曲面Ｓ１－Ｓ３および加工エッジＥ１，Ｅ２のそれぞれにおいて作業者の嗜好に最も近い指令値生成パラメータセット候補が作業者によって選択される。図１４は、図１３に示す加工曲面についての加工時間優先モード、加工精度優先モード、面品位優先モードおよびバランスモードのカテゴリの中から選択した１つの指令値生成パラメータセット候補についての作業者による嗜好情報の設定の一例を示す図である。図１４も図１３と同様に加工曲面Ｓ１についての評価指標値が示されている。図１４に示されるように、具体的な処理としては、作業者が予め加工目標形状３２０の加工曲面Ｓ１上の位置を指示すると、指示した加工曲面Ｓ１についての現在の加工時間、加工精度および面品位の評価指標値が表示部１７に表示される。一例では、作業者によって選択された指令値生成パラメータセット候補に対応付けられた加工時間、加工精度および面品位の評価指標値が表示される。作業者は、表示された現在の加工時間、加工精度および面品位の評価指標値を入力部を介して修正する。嗜好情報設定部１６は、作業者によって修正された加工時間、加工精度および面品位の評価指標値を嗜好情報として、加工曲面Ｓ１に設定する。図１４の例では、面品位優先モードが作業者によって選択され、面品位を維持して加工時間を短縮するような調整が行われている。

このとき加工曲面の指定方法は、一例ではマウス、タッチパネルなどのポインティングデバイスによって加工目標形状３２０の加工曲面上の位置を作業者に選択させればよい。また指示位置は、特定の一点でもよいし複数の点でもよいし連続した領域が指示されてもよい。

また、評価指標値の修正方法は、一例では数値入力でもよいし、ボタン、バーなどのＧＵＩ（Graphical User Interface）ボタンを使用して現在の設定値に対して調整していく形であってもよい。このとき、パラメータ調整装置１の候補情報記憶部１５に記憶された指令値生成パラメータセット候補に対応する評価指標値の最大値および最小値から、入力可能な範囲あるいは調整可能な範囲が設定されてもよい。

さらに、嗜好情報設定部１６は、パラメータ調整装置１の候補情報記憶部１５に記憶された指令値生成パラメータセット候補に対応する評価指標値および加工の特徴量を基に、嗜好情報を設定したときに得られる加工の特徴量を予測して加工目標形状３２０と対応付けて表示部１７等に表示してもよい。一例では、パラメータ調整装置１の候補情報記憶部１５に記憶された指令値生成パラメータセット候補に対応する評価指標値のうち、設定後の嗜好情報に最も近い評価指標値における加工の特徴量と、嗜好情報の設定前の評価指標値における加工の特徴量と、を線形補間して、設定後の嗜好情報に対する加工の特徴量を予測する方法が考えられる。

嗜好情報は、加工時間、加工精度および面品位すべてに対して設定してもよいし、一部のみに設定してもよい。なお、作業者により嗜好情報が設定されなかった場合には、嗜好情報設定部１６は、現在の評価指標値が選考情報として設定されたことと同義であると解釈して嗜好情報を設定する。

図１に戻り、表示部１７は、嗜好情報設定部１６からの指示にしたがって、候補情報記憶部１５に記憶されている記憶情報を表示する。一例では、表示部１７は、指令値生成パラメータセット候補の加工の特徴量とそれぞれの評価指標値とを対応付けて表示する。ワークの全体を１つの条件で加工する場合には、表示部１７は、加工目標形状３２０に対して指令値生成パラメータセット候補の加工の特徴量とそれぞれの評価指標値とを対応付けて表示する。また、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、表示部１７は、指令値生成パラメータセット候補の加工の特徴量とそれぞれの評価指標値とを対応付けて加工目標形状３２０の加工曲面毎または加工エッジ毎に表示する。

第２最適解探索部１８は、嗜好情報との差が最も小さくなる評価指標値に対応する指令値生成パラメータセットを探索する。つまり、第２最適解探索部１８は、嗜好情報設定部１６において設定された嗜好情報に評価指標値が近づくように複数の指令値生成パラメータセットの中から１つの指令値生成パラメータセットを探索する。具体的には、第２最適解探索部１８は、指令値生成パラメータセットに対応する加工時間、加工精度および面品位を評価する評価指標値と、加工時間、加工精度および面品位に関して作業者が持つ嗜好情報と、の差を取得する動作を繰り返し実施し、評価指標値と作業者の嗜好情報との差を最も小さくするような指令値生成パラメータセットを求める。求める指令値生成パラメータセットは、１つであってもよいし、複数であってもよい。ワークの全体を１つの条件で加工する場合には、第２最適解探索部１８は、加工目標形状３２０に対して評価指標値と作業者の嗜好情報との差を最も小さくするような指令値生成パラメータセットを求める。また、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、第２最適解探索部１８は、評価指標値と作業者の嗜好情報との差を最も小さくするような指令値生成パラメータセットを加工目標形状３２０における加工曲面毎および加工エッジ毎に求める。

第２最適解探索部１８は、指令値生成パラメータセットと、指令値生成パラメータセットに対応する評価指標値と、評価指標値と作業者の嗜好情報との差と、を学習用データとして、ニューラルネットワークを用いた学習処理を行う。指令値生成パラメータと、評価指標値と嗜好情報との差と、の関係を得ることができれば、ニューラルネットワークを用いる方法ではない別の方法を用いて、指令値生成パラメータセットと、評価指標値と嗜好情報との差と、の関係を学習してもよい。一例では、指令値生成パラメータセットと、評価指標値と嗜好情報との差と、の関係を得るために、２次多項式のような単純な関数が用いられてもよいし、ガウス過程モデルのような確率モデルが用いられてもよい。このように、第２最適解探索部１８は、指令値生成パラメータセット、および指令値生成パラメータセットに対応する評価指標値と嗜好情報との差を含む学習用データを用いて、指令値生成パラメータセットから指令値生成パラメータセットに対応する評価指標値と嗜好情報との差を推論するための第２学習結果を生成する。

また、評価指標値と作業者の嗜好情報との差は、加工時間、加工精度および面品位の３次元のデータであるが、ノルムなどの１次元データに変換して学習用データとして使用してもよい。

さらに、第２最適解探索部１８における第２学習結果は、第１最適解探索部１４の学習処理に基づいて得られた第１学習結果を使用してもよいし、第１最適解探索部１４の学習処理に基づいて得られた第１学習結果に対して、追加で学習処理を実施して得られた学習結果を使用してもよい。

第２最適解探索部１８は、学習結果である指令値生成パラメータセットと、評価指標値と嗜好情報との差と、の関係式に基づいて、数値計算により、加工時間、加工精度および面品位に関して、評価指標値と作業者の嗜好情報との差を最も小さくするような指令値生成パラメータセットを求める。換言すると、第２最適解探索部１８は、指令値生成パラメータセットから指令値生成パラメータセットに対応する評価指標値と嗜好情報との差を推論するための関係式である第２学習結果を用いて、探索用の指令値生成パラメータセットに対応する評価指標値と嗜好情報との差を推論し、推論した結果を用いて評価指標値と嗜好情報との差が最も小さくなるような１つの指令値生成パラメータセットを探索する。一例では、第２最適解探索部１８は、グリッド探索、ランダム探索、ニュートン法、ベイズ最適化または進化計算といった最適化アルゴリズムを用いて、探索用の指令値生成パラメータセットを求める。進化計算の一例は、ＮＳＧＡ－ＩＩ、ＡＧＥ－ＭＯＥＡ、ＡＧＥ－ＭＯＥＡ２、Ｒ－ＮＳＧＡ－ＩＩである。

そして、第２最適解探索部１８は、求めた探索用の指令値生成パラメータセットを関係式に入力することによって得られる評価指標値と作業者の嗜好情報との差を求める。そして、評価指標値と嗜好情報との差が最も小さくなる指令値生成パラメータセットを求める。このとき、価指標値と嗜好情報との差が最も小さくなる１つの指令値生成パラメータセットを求めることが望ましい。しかし、価指標値と嗜好情報との差が最も小さくなるものから順に複数の指令値生成パラメータセットを求めてもよいし、評価指標値と嗜好情報との差が作業者の設定する閾値以内に収まる指令値生成パラメータセットをすべて求めてもよい。つまり、第２最適解探索部１８は、嗜好情報との差が一定値以内に収まる評価指標値に対応する指令値生成パラメータセットを探索するようにしてもよい。この場合には、第２最適解探索部１８によって探索される指令値生成パラメータセットは、１つの場合もあるし、複数の場合もある。このようにして求められた指令値生成パラメータセットは、調整後指令値生成パラメータセットと称される。第２最適解探索部１８は、算出した調整後指令値生成パラメータセットを調整後指令値生成パラメータセット記憶部１９に保存する。第２最適解探索部１８が使用する探索用の指令値生成パラメータセットは、第２探索用の指令値生成パラメータセットに対応する。第２最適解探索部１８は、学習処理と推論処理とを同時に実施することも可能である。

調整後指令値生成パラメータセット記憶部１９は、第２最適解探索部１８によって探索された調整後指令値生成パラメータセットを記憶する。ワークの全体を１つの条件で加工する場合には、調整後指令値生成パラメータセット記憶部１９は、加工目標形状３２０に対して算出した調整後指令値生成パラメータセットを記憶する。また、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、調整後指令値生成パラメータセット記憶部１９は、加工目標形状３２０における加工曲面毎および加工エッジ毎に算出した調整後指令値生成パラメータセットを記憶する。指令値生成装置３は、指令値生成パラメータセットの設定値を第２最適解探索部１８において抽出された調整後指令値生成パラメータセットに書き換える。そして、設定された指令値生成パラメータを用いて指令値生成装置３を動作させて加工することで、作業者の嗜好にあった加工結果を得ることができる。

次に、このような構成のパラメータ調整装置１におけるパラメータ調整方法について説明する。図１５は、実施の形態１に係るパラメータ調整方法の手順の一例を示すフローチャートである。なお、ここでは、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合を例に挙げる。

まず、パラメータ調整装置１および指令値生成装置３の初期設定が行われる（ステップＳ１１）。具体的には、加工すべき曲面である加工曲面を含む加工対象物の目標の形状である加工目標形状３２０がパラメータ調整装置１に外部入力される。また、指令値生成装置３においては、加工目標形状３２０に対応した工具経路の移動指令とこのときの移動速度指令とが記述されている加工プログラム３１０が外部入力される。

次いで、指令値生成装置３は、外部入力された加工プログラム３１０に従い、単位時間毎の工具の移動指令を出力する（ステップＳ１２）。その後、特徴量算出部１１は、制御対象である工作機械の挙動を計算機上でシミュレーションして、指令値生成装置３の出力である補間点から実際の工具先端点を推定する（ステップＳ１３）。

次いで、特徴量算出部１１は、ステップＳ１３で推定した工具先端点のそれぞれについて、当該工具先端点における加工の特徴量を加工目標形状３２０の加工曲面または加工エッジに対応付けて算出する（ステップＳ１４）。その後、評価指標計算部１２は、ステップＳ１４で算出された加工の特徴量に基づいて加工時間、加工精度および面品位のそれぞれを評価する評価指標値を計算する（ステップＳ１５）。

次いで、第１最適解探索部１４は、加工時間、加工精度および面品位に関する評価指標値とパラメータ範囲とを入力として、指令値生成パラメータセットと評価指標計算部１２で計算した評価指標値との関係を学習し、第１学習結果を出力する（ステップＳ１６）。その後、第１最適解探索部１４は、第１学習結果である指令値生成パラメータと評価指標値との関係式に基づいて、数値計算により、加工時間、加工精度および面品位に関する評価指標値のバランスが異なり、加工時間、加工精度および面品位に関する評価指標値を同時に最適化するような指令値生成パラメータセット候補を加工目標形状３２０における加工曲面毎または加工エッジ毎に求める（ステップＳ１７）。一例では、加工曲面または加工エッジのそれぞれについて、加工時間優先モード、加工精度優先モード、面品位優先モードおよびバランスモードの４つの指令値生成パラメータセット候補を求める。また、指令値生成パラメータセット候補は、加工曲面毎または加工エッジ毎に１つ求めてもよいし、複数求めてもよい。

その後、嗜好情報設定部１６は、加工の特徴量を取得した指令値生成パラメータセット候補について、指令値生成パラメータセット候補の加工の特徴量並びに加工時間、加工精度および面品位の評価指標値を、加工曲面毎および加工エッジ毎に表示部１７に表示する（ステップＳ１８）。つまり、嗜好情報設定部１６は、指令値生成パラメータセット候補が指令値生成装置３に設定されて当該指令値生成装置３が動作したときに算出された加工の特徴量とそれぞれの評価指標値とを対応付けて表示部１７に表示する。このように、指令値生成パラメータセット候補についての加工の特徴量とそれぞれの評価指標値とが対応付けされて作業者に表示される。この後、作業者は、表示されたものの中から作業者の嗜好に合うまたは作業者の嗜好に近い評価指標値に対応する加工の特徴量、すなわち指令値生成パラメータセットを選択することができ、結果として、指令値生成パラメータを作業者の嗜好に収束させることが可能となる。

作業者によって加工の特徴量に基づいて１つの指令値生成パラメータセット候補が加工曲面毎および加工エッジ毎に選択され、加工時間、加工精度および面品位の評価指標値が必要に応じて調整される。嗜好情報設定部１６は、作業者によって調整された加工時間、加工精度および面品位の評価指標値を嗜好情報として加工曲面毎または加工エッジ毎に設定する（ステップＳ１９）。

次いで、第２最適解探索部１８は、第２学習結果に基づいて、指令値生成パラメータセットに対応する加工時間、加工精度および面品位を評価する評価指標値と、加工時間、加工精度および面品位に関して作業者が持つ嗜好情報と、の差を取得する動作を繰り返し実施し、評価指標値と作業者の嗜好情報との差を最も小さくするような指令値生成パラメータセットである調整後指令値生成パラメータセットを加工目標形状３２０における加工曲面毎または加工エッジ毎に求める（ステップＳ２０）。

その後、指令値生成装置３は、指令値生成パラメータセットの設定値を第２最適解探索部１８において抽出された調整後指令値パラメータセットに書き換えて動作させて加工を実行することで、作業者の嗜好にあった加工結果を得ることができる。なお、作業者の嗜好が変化した場合には、作業者の嗜好が反映されるステップＳ１８からステップＳ２０までの処理を再開することで、短時間で嗜好が変化した作業者に対して最適な調整後指令値生成パラメータセットを算出することが可能になる。以上で、パラメータ調整方法が終了する。なお、ここでは、各ステップの概要を説明したが、各ステップの詳細は、上述の通りである。

また、ワークの全体を１つの条件で加工する場合には、ステップＳ１４では、特徴量算出部１１は、工具先端点における加工の特徴量を加工目標形状３２０に対応付けて算出する。ステップＳ１７では、第１最適解探索部１４は、指令値生成パラメータセット候補を加工目標形状３２０に対して求める。ステップＳ１８では、嗜好情報設定部１６は、加工目標形状３２０についての指令値生成パラメータセット候補の加工の特徴量並びに加工時間、加工精度および面品位の評価指標値を、表示部１７に表示する。また、ステップＳ１９では、嗜好情報設定部１６は、作業者によって調整された加工時間、加工精度および面品位の評価指標値を嗜好情報として加工目標形状３２０に設定する。そして、ステップＳ２０では、第２最適解探索部１８は、加工目標形状３２０についての調整後指令値生成パラメータセットを求める。

以上のように、実施の形態１では、指令値生成パラメータセットから加工結果を評価する１つ以上の評価指標値を推論するための第１学習結果を用いて、探索用の指令値生成パラメータセットに対応する評価指標値を推論し、推論した結果を用いてそれぞれの評価指標値を同時に最適化する複数の指令値生成パラメータセット候補を探索する。そして、探索した指令値生成パラメータセット候補を指令値生成装置３に設定して動作させたときに算出された加工の特徴量とそれぞれの評価指標値とを対応付けて表示部１７に表示するようにした。これによって、作業者は、複数の指令値生成パラメータセット候補についての評価指標値と加工の特徴量とを見て、作業者の嗜好に合うものまたは作業者の嗜好に近いものを指令値生成パラメータセットとして選択することが可能となる。そして、選択した指令値生成パラメータセットを用いることで、作業者の嗜好に合った指令値生成パラメータセットに従来に比して早く収束させることができる。つまり、作業者の嗜好に合った指令値生成パラメータセットに従来に比して早く収束させることができる環境を作業者に提供することが可能となる。

また、実施の形態１によって、加工時間、加工精度および面品位の３つを評価指標として、加工目標形状３２０に対して作業者の嗜好に合わせてパラメータの自動調整を行うことができる。これによって、所望の加工精度を満たしつつ最短の加工時間での加工を実現することが可能となる。つまり、作業者の嗜好に合った指令値生成パラメータセットを従来に比して早く収束させることができるという効果を奏する。

また、作業者の嗜好に合った調整結果を得られなかった場合、あるいは作業者の嗜好に変更があった場合には、図１５のステップＳ１８からステップＳ２０までの処理を実行すればよい。これによって、作業者は少ない手間および時間で指令値生成パラメータセットの細かい調整および修正を実施することができる。

さらに、特許文献１に記載の技術では、複数のパラメータセットで動作を確認し、この中で一番適切となるパラメータセットを選択することが可能となるが、一連の加工を通して一条件のパラメータセットを適用することになる。つまり、特許文献１に記載の技術では、部分的に最適なパラメータを設定することはできない。図１６は、ブレードの形状の部材の加工の様子の一例を示す図である。図１６に示されるように、一例では、ブレード形状の部材４００を工具４０を用いて加工する場合に、丸みを帯びた両端部分４０１は高精度に加工し、両端部分４０１の間の平坦部分４０２は高速に加工したいというような場合には、一条件のパラメータセットでは対応できない。さらに、パラメータ調整に使用するテストプログラムが、作業者が加工するワーク形状と異なる場合には、パラメータ調整の精度が悪化して、作業者の嗜好に合った調整結果を得ることができない。しかし、実施の形態１では、ワークの全体を複数の部分に分け、分けた部分ごとに異なる条件で加工する場合には、加工目標形状３２０の加工曲面毎および加工エッジ毎に、作業者の嗜好を反映した調整後指令値生成パラメータセットを求めるようにした。図１６の例では、両端部分４０１と平坦部分４０２とで作業者の嗜好を反映した異なる調整後指令値生成パラメータが求められる。これによって、ワークの全体または部分的な形状を考慮しつつ、作業者の嗜好に合った評価指標値に対応する指令値生成パラメータセットを従来に比して早く収束させることができる。また、１つのワークの部分ごとに作業者の嗜好に応じて加工することができるという効果を有する。

なお、第２最適解探索部１８で使用する学習用データは、第１最適解探索部１４で使用する学習用データと同じ制御対象から取得したデータであってもよい。また、第２最適解探索部１８で使用する学習用データは、第１最適解探索部１４で使用する学習用データとは異なる制御対象から取得したデータであってもよい。つまり、実施の形態１における第１最適解探索部１４および第２最適解探索部１８の学習結果は、それぞれ異なる制御対象において得られた学習結果であってもよい。一例では、第２最適解探索部１８は実際の工作機械において得られた学習結果であり、第１最適解探索部１４はこの工作機械の挙動を計算機上で模擬したシミュレーションによる学習結果であってよい。このような構成をとることで、工作機械の経年変化、熱変異などの状態変化が発生した場合においても、シミュレーション上で作業者の嗜好にある程度合わせた後、実際の工作機械において少ない調整回数で高精度に調整することで、作業者の嗜好に合わせてパラメータの自動調整を行うことができる。

実施の形態２．
図１７は、実施の形態２に係るパラメータ調整装置の構成の一例を示す図である。なお、実施の形態１と同一の構成要素には同一の符号を付してその説明を省略し、実施の形態１と異なる部分について説明する。パラメータ調整装置１Ａは、実施の形態１の構成に、加工の特徴量から加工目標形状３２０の加工曲面または加工エッジ毎の形状を示す情報である形状情報を分析する形状分析部２０をさらに備える。

形状分析部２０は、特徴量算出部１１によって算出された加工の特徴量に基づいて、加工目標形状３２０の加工曲面毎または加工エッジ毎の形状を示す情報である形状情報を分析する。形状分析部２０は、一例では、加工目標形状３２０の加工曲面毎または加工エッジ毎に代表する工具先端点経路に隣接する工具先端点経路である隣接経路を抽出し、抽出した隣接経路に該当する加工の特徴量から形状情報を導出する。一例では、形状分析部２０は、隣接経路に該当する加工の特徴量から計算した接線ベクトル変化の累積値を形状情報とする。あるいは、形状分析部２０は、加工の特徴量から導出した接線ベクトル変化の平均値を形状情報としてもよい。このときの加工の特徴量は、工具先端点の速度である。また、他の例では、形状分析部２０は、隣接経路の重心からの距離を１次元化してフィッティングした関数を形状情報とする。このとき、形状情報は、２次多項式のような単純な関数でフィッティングしたものであってもよい。

なお、隣接経路の抽出方法としては、一例では、加工目標形状３２０における各加工曲面または各加工エッジに該当する加工の特徴量が対応付けされているため、時系列において連続する加工の特徴量毎にグルーピングして隣接経路が抽出される。

形状分析部２０は、以上のようにして算出した隣接経路を基に求めた形状情報を、指令値生成パラメータセットおよび加工時間、加工精度および面品位に関する評価指標値と対応付けて評価指標情報記憶部１３に保存する。このように、実施の形態２では、評価指標情報は、加工目標形状３２０の加工曲面または加工エッジのそれぞれについて、加工時間、加工精度および面品位に関する評価指標値と、指令値生成パラメータセットと、形状情報と、を対応付けたものとなる。なお、評価指標情報は、加工時間、加工精度および面品位に関する評価指標値、指令値生成パラメータセット並びに形状情報に加えて対応する加工の特徴量を有していてもよい。

第１最適解探索部１４は、指令値生成装置３におけるパラメータセットである指令値生成パラメータセットと、評価指標計算部１２で計算された評価指標値と、の関係に形状分析部２０で導出された形状情報を追加して学習して第１学習結果を得る。第１最適解探索部１４は、第１学習結果を用いて、加工時間、加工精度および面品位の評価指標値を同時に最適化する指令値生成パラメータセットを１つ以上探索する。複数の指令値生成パラメータセットを探索する場合には、トレードオフ関係にある評価指標値のバランスが異なり、加工時間、加工精度および面品位の評価指標値を同時に最適化する指令値生成パラメータセットが探索される。

ここで、第１最適解探索部１４の学習処理について説明する。第１最適解探索部１４は、加工時間、加工精度および面品位に関する評価指標値と、指令値生成パラメータセットと、形状情報と、を入力として、指令値生成パラメータと評価指標計算部１２で計算された評価指標値と形状情報との関係を学習し、第１学習結果を出力する。

具体的には、指令値生成パラメータセットと形状情報とを入力として評価指標値を出力とするニューラルネットワークが構成され、第１最適解探索部１４は、このニューラルネットワークの重み係数を更新して学習を行う。

第１最適解探索部１４は、加工目標形状３２０において、次回の加工動作を実行するための指令値生成パラメータセットを、規定されるパラメータ範囲の中から選定して出力する。第１最適解探索部１４は、次の指令値生成パラメータセットの選定にあたって、第１学習結果に基づいて優良な評価指標値を示す指令値生成パラメータセットを選定してもよいし、各指令値生成パラメータセットを等間隔に刻んだグリッドの点の中から順に選定してもよい。第１最適解探索部１４は指令値生成パラメータセットおよび形状情報に基づいて、加工時間、加工精度および面品位に関する評価指標値を計算する関数を更新する機能を有する。

第１最適解探索部１４は、指令値生成パラメータセットおよび形状情報に対応する評価指標値を取得する動作を繰り返し実施する。第１最適解探索部１４は、指令値生成パラメータセットと、指令値生成パラメータセットに対応する評価指標値および形状情報と、を学習用データとして、実施の形態１で説明したようにニューラルネットワークを用いた学習処理を行う。

以上の動作によって、ニューラルネットワークによる関係式である指令値生成パラメータセットおよび形状情報を入力として評価指標値を出力とする関数が第１学習結果として得られることになる。

この第１学習結果を用いれば、新たな指令値生成パラメータセットおよび形状情報に対して加工動作を実行しなくても、この新たな指令値生成パラメータセットおよび形状情報に対応する加工時間、加工精度および面品位に関する評価指標値Ｑｔ，Ｑａ，Ｑｑを得ることが可能になる。

なお、実施の形態２では、指令値生成パラメータセットと形状情報と評価指標値との関係式を構築するために、ニューラルネットワークが用いられた。しかしながら、指令値生成パラメータセットと形状情報と評価指標値との関係を得ることができれば、ニューラルネットワーク以外の方法を用いてもよい。一例では、指令値生成パラメータセットと形状情報と評価指標値との関係式を得るために、２次多項式のような単純な関数が用いられてもよいし、ガウス過程モデルのような確率モデルが用いられてもよい。

次に、実施の形態２でのパラメータ調整方法について説明する。図１８は、実施の形態２に係るパラメータ調整方法の手順の一例を示すフローチャートである。なお、実施の形態１の図１５と同一の処理には同一のステップ番号を付してその説明を省略する。

実施の形態２では、ステップＳ１５の後に、形状分析部２０が、ステップＳ１４で算出された加工の特徴量に基づいて、加工目標形状３２０の加工曲面毎または加工エッジ毎に形状情報を分析する（ステップＳ３１）。次いで、ステップＳ１６の処理に代えて、第１最適解探索部１４は、加工時間、加工精度および面品位に関する評価指標値と指令値生成パラメータセットと形状情報とを入力として、指令値生成パラメータセットと評価指標計算部１２で計算された評価指標値と形状情報との関係を学習し、第１学習結果を出力する（ステップＳ３２）。その後、ステップＳ１７に処理が移る。

以上のように、実施の形態２によれば、実施の形態１に対して加工曲面または加工エッジの形状情報を追加して学習して第１学習結果を得るようにした。これによって、作業者が所望とする加工目標形状３２０を変更した場合においても、加工時間、加工精度および面品位の３つを評価指標値として、加工目標形状３２０における加工曲面毎または加工エッジ毎に作業者の嗜好に合わせてパラメータの自動調整を行うことができる。

なお、実施の形態２における第１最適解探索部１４の第１学習結果および第２最適解探索部１８の第２学習結果は、実施の形態１と同様でそれぞれ異なる制御対象において得られた第１学習結果および第２学習結果であってもよい。一例では、第２最適解探索部１８は実際の工作機械において得られた学習用データを用いた第２学習結果を使用し、第１最適解探索部１４はこの工作機械の挙動を計算機上で模擬したシミュレーションにおいて得られた学習用データを用いた第１学習結果を使用するものであってもよい。このような構成をとることで、工作機械の経年変化または熱変異などの状態変化が発生した場合においても、シミュレーション上で作業者の嗜好にある程度合わせた後、実際の工作機械において少ない調整回数で高精度に調整して、作業者の嗜好に合わせて指令値生成パラメータセットの自動調整を行うことができる。もちろん、第１最適解探索部１４の第１学習結果および第２最適解探索部１８の第２学習結果は、同じ制御対象において得られた第１学習結果および第２学習結果であってもよい。

また、実施の形態２における第１最適解探索部１４の第１学習結果および第２最適解探索部１８の第２学習結果は、それぞれ異なる加工プログラム３１０において得られた第１学習結果および第２学習結果であってもよい。一例では、第１最適解探索部１４では、様々な形状情報に対応できる汎用的な加工プログラム３１０を用いて第１学習結果を得て、第２最適解探索部１８では作業者が所望する加工目標形状３２０における加工プログラム３１０を用いて第２学習結果を得るようにしてもよい。これによって、作業者が所望とする加工目標形状３２０を変更した場合においても、作業者に少ない手間および時間で、指令値生成パラメータセットの自動調整を行うことができる。

次に、パラメータ調整装置１，１Ａのハードウェア構成について説明する。実施の形態１，２のパラメータ調整装置１，１Ａは、コンピュータシステム上で、パラメータ調整装置１，１Ａにおける処理が記述されたコンピュータプログラムであるプログラムが実行されることにより、コンピュータシステムがパラメータ調整装置１，１Ａとして機能する。

図１９は、実施の形態１，２に係るパラメータ調整装置を実現するコンピュータシステムの構成の一例を示す図である。図１９に示されるように、このコンピュータシステムは、制御部９０１と、入力部９０２と、記憶部９０３と、表示部９０４と、通信部９０５と、出力部９０６と、を備え、これらはシステムバス９０７を介して接続されている。

図１９において、制御部９０１は、一例では、ＣＰＵ（Central Processing Unit）等のプロセッサであり、実施の形態１，２のパラメータ調整装置１，１Ａにおける処理が記述されたプログラムを実行する。入力部９０２は、一例ではキーボード、マウスなどで構成され、コンピュータシステムのユーザが、各種情報の入力を行うために使用する。記憶部９０３は、ＲＡＭ（Random Access Memory），ＲＯＭ（Read Only Memory）などの各種メモリおよびハードディスクなどのストレージデバイスを含み、上記制御部９０１が実行すべきプログラム、処理の過程で得られた必要なデータなどを記憶する。また、記憶部９０３は、プログラムの一時的な記憶領域としても使用される。表示部９０４は、ディスプレイ、液晶表示パネルなどで構成され、コンピュータシステムのユーザに対して各種画面を表示する。一例では、入力部９０２と表示部９０４とが一体的に形成されたタッチパネルで入力部９０２および表示部９０４が構成されていてもよい。通信部９０５は、通信処理を実施する受信機および送信機である。出力部９０６は、プリンタ、スピーカなどである。なお、図１９は、一例であり、コンピュータシステムの構成は図１９の例に限定されない。

ここで、プログラムが実行可能な状態になるまでのコンピュータシステムの動作例について説明する。上述した構成をとるコンピュータシステムには、たとえば、図示しないＣＤ（Compact Disc）－ＲＯＭドライブまたはＤＶＤ（Digital Versatile Disc）－ＲＯＭドライブにセットされたＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭから、プログラムが記憶部９０３にインストールされる。そして、プログラムの実行時に、記憶部９０３から読み出されたプログラムが記憶部９０３の主記憶領域に格納される。この状態で、制御部９０１は、記憶部９０３に格納されたプログラムに従って、実施の形態１，２のパラメータ調整装置１，１Ａとしての処理を実行する。

なお、上記の説明においては、ＣＤ－ＲＯＭまたはＤＶＤ－ＲＯＭを記録媒体として、パラメータ調整装置１，１Ａにおける処理を記述したプログラムを提供しているが、これに限らず、コンピュータシステムの構成、提供するプログラムの容量などに応じて、たとえば、通信部９０５を経由してインターネットなどの伝送媒体により提供されたプログラムを用いることとしてもよい。

図１および図１７に示したパラメータ調整装置１，１Ａの特徴量算出部１１、評価指標計算部１２、第１最適解探索部１４、嗜好情報設定部１６および第２最適解探索部１８並びに図１７に示した形状分析部２０は、図１９に示した記憶部９０３に記憶されたプログラムが図１９に示した制御部９０１により実行されることによって実現される。特徴量算出部１１、評価指標計算部１２、第１最適解探索部１４、嗜好情報設定部１６、第２最適解探索部１８および形状分析部２０の実現には、図１９に示した記憶部９０３も用いられる。評価指標情報記憶部１３、候補情報記憶部１５および調整後指令値生成パラメータセット記憶部１９は、図１９に示した記憶部９０３によって実現される。表示部１７は、図１９に示した表示部９０４によって実現される。

以上の実施の形態に示した構成は、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、実施の形態同士を組み合わせることも可能であるし、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。

１，１Ａパラメータ調整装置、３指令値生成装置、１１特徴量算出部、１２評価指標計算部、１３評価指標情報記憶部、１４第１最適解探索部、１５候補情報記憶部、１６嗜好情報設定部、１７表示部、１８第２最適解探索部、１９調整後指令値生成パラメータセット記憶部、２０形状分析部、３１０加工プログラム、３２０加工目標形状、３２１ブロック、３２１ａ上面、３２２突起部、Ｅ１，Ｅ２加工エッジ、Ｓ１，Ｓ２，Ｓ３加工曲面。

Claims

加工対象物を加工するための加工プログラムに基づいて計算される工具経路上の単位時間毎の補間点群によって構成される工具移動指令の生成に使用される複数のパラメータである指令値生成パラメータセットを調整するパラメータ調整装置であって、
前記工具移動指令から制御対象の工作機械の動作をシミュレーションし、加工の特徴量を算出する特徴量算出部と、
前記加工の特徴量から加工結果を評価する１つ以上の評価指標値を計算する評価指標計算部と、
前記指令値生成パラメータセットと前記評価指標値とを用いて学習された前記指令値生成パラメータセットから前記評価指標値を推論するための第１学習結果を用いて、第１探索用の指令値生成パラメータセットに対応する前記評価指標値を推論し、推論した結果を用いてそれぞれの前記評価指標値を同時に最適化する複数の指令値生成パラメータセットである指令値生成パラメータセット候補を探索する第１最適解探索部と、
前記指令値生成パラメータセット候補が、前記工具移動指令を生成する指令値生成装置に設定されて当該指令値生成装置が動作したときに算出された前記加工の特徴量とそれぞれの前記評価指標値とを対応付けて表示部に表示する表示制御部と、
を備えることを特徴とするパラメータ調整装置。
前記表示制御部は、前記表示部に表示された前記加工の特徴量とそれぞれの前記評価指標値のうち、作業者によって選択された前記指令値生成パラメータセット候補のそれぞれの前記評価指標値に対して嗜好情報を設定することを特徴とする請求項１に記載のパラメータ調整装置。
前記嗜好情報との差が最も小さくなる評価指標値に対応する指令値生成パラメータセットを探索する第２最適解探索部をさらに備えることを特徴とする請求項２に記載のパラメータ調整装置。
前記嗜好情報との差が一定値以内に収まる評価指標値に対応する指令値生成パラメータセットを探索する第２最適解探索部をさらに備えることを特徴とする請求項２に記載のパラメータ調整装置。
前記第２最適解探索部は、前記指令値生成パラメータセットから前記指令値生成パラメータセットに対応する評価指標値と前記嗜好情報との差を推論するための第２学習結果を用いて、第２探索用の指令値生成パラメータセットに対応する前記評価指標値と前記嗜好情報との差を推論し、推論した結果を用いて前記評価指標値と前記嗜好情報との差が最も小さくなる指令値生成パラメータセットを探索することを特徴とする請求項３または４に記載のパラメータ調整装置。
前記第２最適解探索部は、前記指令値生成パラメータセット、および前記指令値生成パラメータセットに対応する評価指標値と前記嗜好情報との差を含む学習用データを用いて、前記第２学習結果を生成する機能を有することを特徴とする請求項５に記載のパラメータ調整装置。
前記第１最適解探索部は、前記指令値生成パラメータセットと前記評価指標値とを含む学習用データを用いて、前記第１学習結果を生成する機能を有することを特徴とする請求項３または４に記載のパラメータ調整装置。
前記第２最適解探索部で使用する前記学習用データは、前記第１最適解探索部で使用する前記学習用データと同じ制御対象から取得したデータであることを特徴とする請求項７に記載のパラメータ調整装置。
前記第２最適解探索部で使用する前記学習用データは、前記第１最適解探索部で使用する前記学習用データとは異なる制御対象から取得したデータであることを特徴とする請求項７に記載のパラメータ調整装置。
前記特徴量算出部は、前記加工の特徴量を、加工すべき曲面である加工曲面を含む加工対象物の目標の形状データである加工目標形状が有する１つ以上の形状構成要素毎に算出し、
前記第１最適解探索部は、前記指令値生成パラメータセット候補を前記形状構成要素毎に探索し、
前記表示制御部は、前記作業者によって選択され、調整された前記指令値生成パラメータセット候補のそれぞれの前記評価指標値を嗜好情報として前記形状構成要素毎に設定することを特徴とする請求項２に記載のパラメータ調整装置。
前記加工の特徴量は、工具先端点の速度であり、
前記評価指標値の１つは、加工時間に関する評価指標値であり、
前記加工時間に関する評価指標値は、前記加工プログラムに記述された指令速度に対する前記工具先端点の速度の減速率であることを特徴とする請求項１に記載のパラメータ調整装置。
前記加工の特徴量は、加工すべき曲面である加工曲面を含む加工対象物の目標の形状データである加工目標形状と工具先端点の位置に配置された工具との間の距離である加工誤差量であり、
前記評価指標値の１つは、加工精度に関する評価指標値であり、
前記加工精度に関する評価指標値は、前記加工誤差量の平均値であることを特徴とする請求項１に記載のパラメータ調整装置。
前記加工の特徴量は、加工すべき曲面である加工曲面を含む加工対象物の目標の形状データである加工目標形状と工具先端点の位置に配置された工具との間の距離である加工誤差量であり、
前記評価指標値の１つは、面品位に関する評価指標値であり、
前記面品位に関する評価指標値は、前記加工誤差量の分散値であることを特徴とする請求項１に記載のパラメータ調整装置。
前記特徴量算出部で算出された前記加工の特徴量に基づいて、前記加工目標形状の前記形状構成要素毎の形状を示す情報である形状情報を分析する形状分析部をさらに備え、
前記第１最適解探索部は、
前記指令値生成パラメータセットと前記評価指標値との関係に前記形状情報を加えて学習して前記第１学習結果を生成し、
前記第１学習結果を用いて前記第１探索用の指令値生成パラメータセットおよび前記形状情報に対応する前記評価指標値を推論することを特徴とする請求項１０に記載のパラメータ調整装置。
前記形状分析部は、前記形状構成要素毎に代表する工具先端点経路に隣接する工具先端点経路である隣接経路に該当する前記加工の特徴量から計算した接線ベクトル変化の累積値または前記隣接経路の重心からの距離を１次元化してフィッティングした関数を前記形状情報とすることを特徴とする請求項１４に記載のパラメータ調整装置。
加工対象物を加工するための加工プログラムに基づいて計算される工具経路上の単位時間毎の補間点群によって構成される工具移動指令の生成に使用される複数のパラメータである指令値生成パラメータセットを調整するパラメータ調整装置でのパラメータ調整方法であって、
前記工具移動指令から制御対象の工作機械の動作をシミュレーションし、加工の特徴量を算出する特徴量算出工程と、
前記加工の特徴量から加工結果を評価する１つ以上の評価指標値を計算する評価指標計算工程と、
前記指令値生成パラメータセットと前記評価指標値とを用いて学習された前記指令値生成パラメータセットから前記評価指標値を推論するための第１学習結果を用いて、第１探索用の指令値生成パラメータセットに対応する前記評価指標値を推論し、推論した結果を用いてそれぞれの前記評価指標値を同時に最適化する複数の指令値生成パラメータセットである指令値生成パラメータセット候補を探索する第１最適解探索工程と、
前記指令値生成パラメータセット候補が、前記工具移動指令を生成する指令値生成装置に設定されて当該指令値生成装置が動作したときに算出された前記加工の特徴量とそれぞれの前記評価指標値とを対応付けて表示部に表示する表示制御工程と、
を含むことを特徴とするパラメータ調整方法。