JP7459196B2

JP7459196B2 - 加工制御装置、加工制御方法及びプログラム

Info

Publication number: JP7459196B2
Application number: JP2022141045A
Authority: JP
Inventors: 祐貴太田
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2018-05-08
Filing date: 2022-09-05
Publication date: 2024-04-01
Anticipated expiration: 2038-05-08
Also published as: JP2022171749A; JP7353019B2; JP2019197326A

Description

本発明は、加工制御装置、加工制御方法及びプログラムに関する。

数値制御によるＮＣ（Numerical Control）加工において、板材に複数の部品をネスティングさせて配置する方法がある。特許文献１は、同一形状の部品同士を複数組み合わせて板材に配置する方法を開示している。

特許第４４３０１７２号公報

特許文献１の技術は、歩留まり率を向上させるため、同一形状の部品を複数組み合わせて板材に配置した後、他の部品を配置可能な空き領域がある場合には、更に、この空き領域に他の部品を配置する。このように、特許文献１の技術は、実際の加工の際に切り抜かれる部品相互に与える影響を考慮していないため、加工不具合、加工品の品質低下を招くおそれがあり、加工品質を向上させることが困難である。

本発明は、上述のような事情に鑑みてなされたものであり、数値制御によるＮＣ加工において、加工品質を向上させることを目的とする。

上記の目的を達成するため、本発明に係る加工制御装置は、板材から切り抜く加工品毎の形状を示すデータおよび板材に対して複数の加工品を切り抜くためのデータを含む設計データに基づいて求められた、複数の加工品を板材から板取りするための最適化された数値制御データによりＮＣ加工機を制御する加工制御装置であって、データ解析手段と、教師データ取得手段と、機械学習手段と、数値制御データ生成手段とを備える。データ解析手段は、設計データから板材上の複数の加工品毎の配置情報のデータと、加工順序を含む加工情報のデータとを生成する。教師データ取得手段は、最適化された数値制御データに従って板材をＮＣ加工機により加工し、加工された加工品の良否を示すラベルを対応付けた最適化された数値制御データを教師データとして取得する。機械学習手段は、教師データ取得手段が取得した教師データを学習し、加工モデルを生成する。数値制御データ生成手段は、機械学習手段により生成された加工モデルと、配置情報のデータおよび加工情報のデータとに基づいて、最適化された数値制御データを生成する。

本発明に係る加工制御装置は、数値制御データに従ってＮＣ加工機によって加工された加工品の品質の良否を示す教師データに基づいて、加工モデルを学習し、この学習結果に基づいて、数値制御データを生成する。このため、本発明によれば、数値制御によるＮＣ加工において、加工品質を向上させることができる。

本発明の実施の形態に係る加工システムの構成を示すブロック図設計装置の構成を示すブロック図加工制御装置の構成を示すブロック図ワークにおける部品の配置位置を説明するための図ワークにおける部品の配置位置を説明するための図ワーク各辺までの距離を説明するための図加工制御処理の流れを示すフローチャート

以下、本発明の実施の形態に係る加工システムについて、図面を参照しながら詳細に説明する。

本発明の実施の形態に係る加工システム１は、図１に示すように、おもに設計者によって操作される設計装置１００と、ＮＣ加工機３００を制御する加工制御装置２００と、数値制御によって加工対象物であるワークを加工するＮＣ加工機３００とを含む。設計装置１００、加工制御装置２００、ＮＣ加工機３００は、例えば、有線ＬＡＮ（Local Area Network）、無線ＬＡＮ、Ｗｉ－Ｆｉ（Wireless Fidelity）（登録商標）等のネットワークＮＷを介して相互に通信可能に接続されている。

本実施の形態では、ＮＣ加工機３００の加工に用いられる数値制御データをＮＣデータと称する。また、加工システム１が実施する加工として、加工対象物である板状のワークから複数の部品を切り抜く切り抜き加工を例に説明する。そして、ＮＣ加工機３００は、タレットパンチプレス機であるものとして説明するが、例えばレーザ加工機であってもよい。

（設計装置１００）
設計装置１００は、設計者の操作に応じてＣＡＤデータおよびＮＣ加工機３００用のＮＣデータを生成するソフトウェアが予めインストールされ、ＣＡＤ（Computer Aided Design）／ＣＡＭ（Computer Aided Manufacturing）機能を有する。設計装置１００は、図２に示すように、制御部１１０、記憶部１２０、入力部１３０、表示部１４０、通信部１５０を備える。これらの各部は、バスラインＢＬを介して相互に電気的に接続されている。

制御部１１０は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を有するコンピュータを備え、ＣＰＵがＲＯＭに記憶された各種の制御プログラムを読み出してＲＡＭ上で実行することにより、設計装置１００の各構成部位を制御する。

制御部１１０は、ＣＡＤ／ＣＡＭ機能を用いてワークから切り抜く各部品の形状を示すＣＡＤデータ、切り抜き加工に使用する工具および金型、加工内容等を示す部品ＮＣデータ、部品ＮＣデータに基づいてワークに対して複数の部品が板取り、すなわち、ネスティングされたＮＣデータを生成する。制御部１１０は、通信部１５０を制御して、設計データとしてＣＡＤデータおよびＮＣデータを加工制御装置２００に送信する。

記憶部１２０は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Dive）等の記憶内容が書き換え可能な不揮発性の記憶装置を備え、設計装置１００が各処理に用いる各種データを記憶する。記憶部１２０は、例えば、制御部１１０により生成されたＣＡＤデータ、部品ＮＣデータ、ＮＣデータを記憶する。

入力部１３０は、キーボード、マウス、タッチパネル、操作ボタン等を備え、ユーザの操作、ＣＡＤデータ、部品ＮＣデータ、ＮＣデータ等を生成するために必要となる各種データの入力等を受け付ける。

表示部１４０は、ＬＣＤ（Liquid Crystal Display）、ＰＤＰ（Plasma Display Panel）、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示装置を備え、制御部１１０の制御に従って、例えば、部品の形状をＣＡＤ空間上に描写したＣＡＤ画像を表示する。

通信部１５０は、有線または無線の通信モジュールを備え、制御部１１０の制御に従って、加工制御装置２００と通信する。通信部１５０は、例えば、制御部１１０により生成されたＣＡＤデータおよびＮＣデータを加工制御装置２００に送信する。

（加工制御装置２００）
加工制御装置２００は、設計装置１００から取得したＮＣデータを最適化した最適化ＮＣデータを生成し、この最適化ＮＣデータを用いてＮＣ加工機３００を制御する。より詳細には、加工制御装置２００は、教師あり学習による機械学習を行い、設計装置１００から取得したＣＡＤデータおよびＮＣデータから最適化ＮＣデータを生成し、ＮＣ加工機３００を制御する。加工制御装置２００は、図３に示すように、制御部２１０、記憶部２２０、入力部２３０、表示部２４０、通信部２５０を備える。

制御部２１０は、ＣＰＵ、ＲＡＭ、ＲＯＭ等を有するコンピュータを備え、ＣＰＵがＲＯＭに記憶された各種の制御プログラムを読み出してＲＡＭ上で実行することにより、加工制御装置２００の全体の動作を制御する。制御部２１０は、機能的には、設計データ解析部２１１、機械学習部２１２、最適化ＮＣデータ生成部２１３を有する。

設計データ解析部２１１は、設計装置１００から設計データとして取得したＣＡＤデータおよびＮＣデータを解析し、部品形状情報２２１Ａ、配置情報２２１Ｂ、加工情報２２１Ｃ、加工ワーク情報２２１Ｄを生成する。設計データ解析部２１１は、生成したこれらの情報を、記憶部２２０の設計データＤＢ（Data Base）２２１に記憶する。設計データ解析部２１１は、設計データ解析手段の一例である。設計データ解析部２１１は、ＣＡＤデータ解析部２１１Ａ、ＮＣデータ解析部２１１Ｂを有する。

ＣＡＤデータ解析部２１１Ａは、設計装置１００から取得したＣＡＤデータを解析し、切り抜き対象である部品毎に、その部品の外形を形成する外形線に関する情報として、例えば、「外形線の長さ」、「直線部の角度」、「円弧部の半径」、「外形線の始点位置」、「外形線の終点位置」等を抽出する。また、ＣＡＤデータ解析部２１１Ａは、ＣＡＤデータから抽出したこれらの情報を、部品形状情報２２１Ａとして記憶部２２０の設計データＤＢ２２１に記憶する。

ＮＣデータ解析部２１１Ｂは、設計装置１００から取得したＮＣデータを解析し、切り抜き対象である部品毎に、「配置位置」、「配置角度」、「配置個数」等を抽出し、「隣接部品の配置位置」、「ワーク各辺までの距離」等を算出する。また、ＮＣデータ解析部２１１Ｂは、ＮＣデータから抽出および算出したこれらの情報を、配置情報２２１Ｂとして記憶部２２０の設計データＤＢ２２１に記憶する。

ここで、「配置位置」は、例えば、ワークに設定された座標系における座標により表現される。また、「配置角度」は、例えば、ワークに設定された座標系における基準座標軸に対する角度により表現される。例えば、図４に示すように、矩形ワークＷの左下の頂点を原点Ｏとし、長辺に沿ったＸ軸と短辺に沿ったＹ軸を座標軸とする直交座標系を設定する。このとき、部品Ｐ１の配置位置は、部品Ｐ１の左下の頂点Ｖａの座標（Ｘ_ａ，Ｙ_ａ）によって表現される。また、部品Ｐ１の配置角度が、Ｘ軸に対して角度θ（≠０°）である場合、部品Ｐ１の配置位置は、図５に示すように、部品Ｐ１の外形を囲む破線で示す矩形領域Ｒの左下の頂点Ｖｂの座標（Ｘ_ｂ，Ｘ_ｂ）によって表現される。「配置個数」は、ワークに配置された部品の識別情報をＮＣデータから収集することにより抽出することができる。

「隣接部品の配置位置」は、例えば、ワークに配置されたすべての部品の「配置位置」を比較することにより算出することができる。例えば、ワークにＰ_１からＰ_ｎのｎ個の部品が配置され、各部品の配置位置が座標（Ｘ_１，Ｙ_１）、（Ｘ_２，Ｙ_２）、（Ｘ_３，Ｙ_３）、…、（Ｘ_ｎ，Ｙ_ｎ）である場合、基準となる部品Ｐ１のＸ座標Ｘ_１と他の部品のＸ座標との差、すなわち、Ｘ_１－Ｘ_２、Ｘ_１－Ｘ_３、…、Ｘ_１－Ｘ_ｎを算出する。これらの差のうち最も小さい正の値、最も大きい負の値となる部品が部品Ｐ１のＸ軸方向における隣接部品であり、それらの配置座標が部品Ｐ１のＸ軸方向における隣接部品の配置位置となる。

ここで、最も小さい正の値となる差が存在しない場合、部品Ｐ１は、Ｘ座標が最も小さい位置、すなわち、Ｘ軸に最も近い位置に配置されていることを意味する。また、最も大きい負の値となる差が存在しない場合、部品Ｐ１は、Ｘ座標が最も大きい位置、すなわち、Ｘ軸から最も離れた位置に配置されていることを意味する。

同様に、基準となる部品Ｐ１のＹ座標Ｙ１と他の部品のＹ座標との差を算出し、これらの差のうち最も小さい正の値、最も大きい負の値となる部品が部品Ｐ１のＹ軸方向における隣接部品であり、それらの配置座標が部品Ｐ１のＹ軸方向における隣接部品の配置位置となる。

「ワーク各辺までの距離」は、部品の配置位置を示す点からワークの各辺までの距離を示す。「ワーク各辺までの距離」は、図６に示すように、部品の配置位置を示す頂点Ｖｂから、矩形ワークＷの右辺ＷＲまでのＸ軸正方向距離Ｄｘｐ、左辺ＷＬまでのＸ軸負方向距離Ｄｘｍ、上辺ＷＵまでのＹ軸正方向距離Ｄｙｐ、下辺ＷＤまでのＹ軸負方向距離Ｄｙｍは、頂点Ｖｂの座標と矩形ワークＷのＸ寸法ＬｘおよびＹ寸法Ｌｙから算出される。

機械学習部２１２は、入力部２３０を介して取得した検査データに基づいて、教師データを用いて教師あり学習を行い、加工モデルを生成する。また、機械学習部２１２は、生成した加工モデルを記憶部２２０の加工モデルＤＢ２２３に記憶する。本実施の形態において、機械学習部２１２は、適正な歩留まりで板取りを行うためのネスティングパターンを学習し、加工モデルを生成する。機械学習部２１２は、入力部２３０と共に教師データ取得手段の一例であり、機械学習手段の一例である。

機械学習部２１２は、入力部２３０を介して取得した検査データに基づいて、実際に加工に用いた最適化ＮＣデータに対して正例と負例とを分類する２種類のラベルを付与する。検査データは、例えば、最適化ＮＣデータに従ってＮＣ加工機３００によって実際に加工された部品の品質の良否を示す検査結果と、その検査結果に対応する最適化ＮＣデータを特定するための情報を含む。検査結果は、例えば、加工された部品に不良または不具合が発生していない場合には「良好」、加工された部品に不良または不具合が発生した場合には「不良」とする。また、検査結果には、例えば、その加工に実際に用いられた最適化ＮＣデータを識別する識別情報が対応付けられる。

機械学習部２１２は、例えば、検査結果が「良好」である最適化ＮＣデータに正例のラベルを付与し、検査結果が「不良」である最適化ＮＣデータに負例のラベルを付与する。ここで、正例のラベルが付与された最適化ＮＣデータを正例ＮＣデータ、負例のラベルが付与された最適化ＮＣデータを負例ＮＣデータと称する。機械学習部２１２は、ラベルを付与した最適化ＮＣデータ、すなわち、正例ＮＣデータまたは負例ＮＣデータを、教師データとして記憶部２２０の教師データＤＢ２２２に記憶する。

最適化ＮＣデータ生成部２１３は、機械学習部２１２により生成された加工モデルに基づいて、設計装置１００から取得したＮＣデータを最適化した最適化ＮＣデータを生成する。本実施の形態において、最適化ＮＣデータ生成部２１３は、機械学習部２１２により加工モデルとして生成されたネスティングモデルに基づいて、最適化ＮＣデータを生成する。最適化ＮＣデータ生成部２１３は、通信部２５０を制御して、ネスティングモデルに基づいて生成した最適化ＮＣデータをＮＣ加工機３００に送信することにより、ＮＣ加工機３００を制御する。最適化ＮＣデータ生成部２１３は、数値制御データ生成手段の一例である。

なお、設計データ解析部２１１、機械学習部２１２、最適化ＮＣデータ生成部２１３は、単一のコンピュータで各機能を実現してもよいし、各々別個のコンピュータによって各機能を実現してもよい。

記憶部２２０は、ＨＤＤ、ＳＳＤ等の記憶内容が書き換え可能な不揮発性の記憶装置を備え、加工制御装置２００が各処理に用いる各種データを記憶する。記憶部２２０は、例えば、設計データＤＢ２２１、教師データＤＢ２２２、加工モデルＤＢ２２３、最適化ＮＣデータＤＢ２２４、加工基本情報ＤＢ２２５を有する。

設計データＤＢ２２１は、上述したように、設計データ解析部２１１によって生成された部品形状情報２２１Ａ、配置情報２２１Ｂ、加工情報２２１Ｃ、加工ワーク情報２２１Ｄを記憶する。

部品形状情報２２１Ａは、ＣＡＤデータ解析部２１１Ａが設計装置１００から取得したＣＡＤデータから抽出した各部品の外形を示す「外形線分の長さ」、「直線部の角度」等の各種情報を含む。

配置情報２２１Ｂは、ＮＣデータ解析部２１１Ｂが設計装置１００から取得したＮＣデータから抽出した各種情報を含む。

加工情報２２１Ｃは、ＮＣデータ解析部２１１Ｂが設計装置１００から取得したＮＣデータから抽出した、「工具識別子」、「加工順序」、「加工位置」等の各種情報を含む。

加工ワーク情報２２１Ｄは、ＮＣデータ解析部２１１Ｂが設計装置１００から取得したＮＣデータから抽出した、加工対象であるワークを識別する「ワーク識別子」を含む。

教師データＤＢ２２２は、教師データを記憶する。教師データは、入力部２３０を介して取得した検査データに基づいて、実際に加工に用いられた最適化ＮＣデータと正例または負例を示すラベルとが対応付けられた情報である。

加工モデルＤＢ２２３は、機械学習部２１２が生成した加工モデルを記憶する。

最適化ＮＣデータＤＢ２２４は、最適化ＮＣデータ生成部２１３が生成した最適化ＮＣデータを記憶する。

加工基本情報ＤＢ２２５は、ワーク基本情報２２５Ａ、設備基本情報２２５Ｂを記憶する。ワーク基本情報２２５Ａは、ＮＣ加工機３００によって加工可能な各ワークの「材質」、「形状」、「サイズ」、「加工不可領域」、「さん幅」等を示す情報を含む。ワークの「サイズ」は、例えばワークが矩形板材である場合、長辺寸法を示すＸ寸法および短辺寸法を示すＹ寸法、板厚等で表される。設備基本情報２２５Ｂは、例えば、ＮＣ加工機３００が有する工具の種別を示す「工具情報」、加工速度を示す「加工速度情報」を含む。

入力部２３０は、キーボード、マウス、タッチパネル、操作ボタン等を備え、ユーザの操作、各種データの入力等を受け付ける。入力部２３０は、例えば、加工制御装置２００から取得した最適化ＮＣデータに従ってＮＣ加工機３００によってワークから切り抜かれた部品の品質の良否を示す検査結果と、最適化ＮＣデータを特定するための情報とを含む検査データの入力を受け付ける。検査データは、例えば、ＮＣ加工機３００による加工品の品質を検査する検査担当者によって入力される。入力部２３０は、機械学習部２１２と共に、教師データ取得手段の一例である。

表示部２４０は、ＬＣＤ（Liquid Crystal Display）、ＰＤＰ（Plasma Display Panel）、有機ＥＬ（Electro-Luminescence）ディスプレイ等の表示装置を備え、制御部２１０の制御に従って、例えば、設計装置１００から設計データとして取得したＣＡＤデータが示すＣＡＤ画像を表示する。

通信部２５０は、有線または無線の通信モジュールを備え、制御部２１０の制御に従って、設計装置１００およびＮＣ加工機３００と通信する。通信部２５０は、例えば、設計装置１００から設計データとしてＣＡＤデータおよびＮＣデータを加工制御装置２００に受信する。また、通信部２５０は、例えば、最適化ＮＣデータをＮＣ加工機３００に受信する。通信部２５０は、設計データ取得手段の一例である。

（ＮＣ加工機３００）
ＮＣ加工機３００は、数値制御によって加工対象であるワークを加工するＮＣ加工機である。ＮＣ加工機３００は、加工制御装置２００から供給された最適化ＮＣデータに従って、ワークを加工する。

次に、図７に示すフローチャートを参照して、加工制御装置２００の制御部２１０が実行する加工制御処理について説明する。加工制御処理は、設計装置１００から取得したＮＣデータを最適化した最適化ＮＣデータを用いてＮＣ加工機３００の加工を制御する処理である。制御部２１０、例えば、加工制御装置２００の電源の投入に応答して、加工制御処理を開始する。

制御部２１０は、加工制御処理を開始すると、まず、設計データを取得したか否かを判定する（ステップＳ１０１）。制御部２１０は、通信部２５０を介して設計装置１００からＣＡＤデータおよびＮＣデータを受信したか否かに応じて判定する。

設計データを取得したと判定した場合（ステップＳ１０１：ＹＥＳ）、制御部２１０の設計データ解析部２１１は、設計データを解析し、各情報を生成する（ステップＳ１０２）。設計データ解析部２１１は、設計データとして取得したＣＡＤデータおよびＮＣデータを解析し、部品形状情報２２１Ａ、配置情報２２１Ｂ、加工情報２２１Ｃ、加工ワーク情報２２１Ｄを生成し、各情報を記憶部２２０の設計データＤＢ２２１に記憶する。

続いて、制御部２１０の最適化ＮＣデータ生成部２１３は、加工モデルを取得する（ステップＳ１０３）。最適化ＮＣデータ生成部２１３は、記憶部２２０の加工モデルＤＢ２２３に記憶された加工モデルを読み出すことにより取得する。

最適化ＮＣデータ生成部２１３は、加工モデルＤＢ２２３から読み出した加工モデルと、ステップＳ１０２において生成された各情報とに基づいて、最適化ＮＣデータを生成する（ステップＳ１０４）。

最適化ＮＣデータを生成した後、最適化ＮＣデータ生成部２１３は、通信部２５０を制御して、最適化ＮＣデータをＮＣ加工機３００に送信する（ステップＳ１０５）。ＮＣ加工機３００は、加工制御装置２００から受信した最適化ＮＣデータに従って加工を実施する。

ステップＳ１０１において設計データを取得していないと判定した場合（ステップＳ１０１：ＮＯ）、または、ステップＳ１０５の処理を実行した後、制御部２１０は、検査データを取得したか否かを判定する（ステップＳ１０６）。制御部２１０は、入力部２３０を介して検査データを入力したか否かに応じて判定する。検査データを取得していないと判定した場合（ステップＳ１０６：ＮＯ）、制御部２１０は、ステップＳ１０１に処理を戻す。

一方、検査データを取得したと判定した場合（ステップＳ１０６：ＹＥＳ）、制御部２１０の機械学習部２１２は、取得した検査データに基づいて、実際にＮＣ加工機３００の加工に用いられた最適化ＮＣデータに正例または負例のラベルを付与する（ステップＳ１０７）。続いて、正例または負例のラベルを付与した最適化ＮＣデータ、すなわち、正例ＮＣデータまたは負例ＮＣデータを、教師データとして記憶部２２０の教師データＤＢ２２２に記憶する（ステップＳ１０８）。

そして、機械学習部２１２は、教師データＤＢ２２２に記憶された教師データに基づいて、加工モデルを生成する（ステップＳ１０９）。機械学習部２１２は、教師データＤＢ２２２に蓄積された教師データを用いて、加工モデルを適宜更新することにより、適正な加工モデルを構築する。

ステップＳ１０９の処理を実行した後、制御部２１０は、ステップＳ１０１に処理を戻す。なお、加工制御処理は、例えば、加工制御装置２００の電源が切断されるまで、または、ユーザによる停止の指示があるまで、繰り返し実行される。

以上に述べたように、本実施の形態に係る加工制御装置２００は、ＮＣ加工機３００によって実際に加工された部品の品質の良否を示す検査結果と、使用された最適化ＮＣデータを特定するための情報とを含む検査データに基づく教師データを用いて、加工モデルを学習し、この学習結果に基づいて、最適化ＮＣデータを生成する。これにより、加工制御装置２００は、加工品質を向上させることができる。また、設計業務の偏りに伴う属人化を抑制することができる。

なお、本発明は、上記の実施の形態に限定されず、本発明の要旨を逸脱しない範囲での種々の変形および応用が可能である。

上記の実施の形態では、加工システム１が実施する加工として切り抜き加工を例に説明したが、例えば、穴開け加工、成形加工、切削加工といった切り抜き加工以外の各種加工についても同様に、機械学習することにより、最適化ＮＣデータを生成してもよい。この場合、設計データ解析部２１１は、設計装置１００から設計データとして取得したＣＡＤデータおよびＮＣデータから穴加工、成形加工、切削加工に関する情報を抽出する。

上記の実施の形態では、加工制御装置２００は、通信部２５０を介して設計装置１００から設計データとしてＣＡＤデータおよびＮＣデータを取得したが、例えば、入力部２３０が設計者による入力を受け付けることより設計データを取得してもよい。また、加工制御装置２００は、入力部２３０を介して検査データを取得したが、例えば、通信可能に接続された検査業務用の端末装置から通信部２５０を介して検査データを取得してもよい。

上記の実施の形態において、例えば加工制御装置２００の制御部２１０のＣＰＵが実行する制御プログラムは、あらかじめＲＯＭに記憶されていた。しかしながら、本発明は、これに限定されず、上記の各種処理を実行させるための動作プログラムを、既存の汎用コンピュータや、フレームワーク、ワークステーション等に実装することにより、上記の実施の形態に係る加工制御装置２００に相当する装置として機能させてもよい。

このようなプログラムの提供方法は任意であり、例えば、コンピュータが読取可能な記録媒体（フレキシブルディスク、ＣＤ（Compact Disc）－ＲＯＭ、ＤＶＤ（Digital Versatile Disc）－ＲＯＭ）等に格納して配布してもよいし、インターネットをはじめとするネットワーク上のストレージにプログラムを格納しておき、これをダウンロードさせることにより提供してもよい。

また、上記の処理をＯＳ（Operating System）とアプリケーションプログラムとの分担、または、ＯＳとアプリケーションプログラムとの協働によって実行する場合には、アプリケーションプログラムのみを記録媒体やストレージに格納してもよい。また、搬送波にプログラムを重畳し、ネットワークを介して配信することも可能である。例えば、ネットワーク上の掲示板（Bulletin Board System：BBS）に上記プログラムを掲示し、ネットワークを介してプログラムを配信してもよい。そして、このプログラムを起動し、ＯＳの制御下で、他のアプリケーションプログラムと同様に実行することにより、上記の処理を実行するべく設計してもよい。

１…加工システム、１００…設計装置、１１０…制御部、１２０…記憶部、１３０…入力部、１４０…表示部、１５０…通信部、２００…加工制御装置、２１０…制御部、２１１…設計データ解析部、２１１Ａ…ＣＡＤデータ解析部、２１１Ｂ…ＮＣデータ解析部、２１２…機械学習部、２１３…最適化ＮＣデータ生成部、２２０…記憶部、２２１…設計データＤＢ、２２１Ａ…部品形状情報、２２１Ｂ…配置情報、２２１Ｃ…加工情報、２２１Ｄ…加工ワーク情報、２２２…教師データＤＢ、２２３…加工モデルＤＢ、２２４…最適化ＮＣデータＤＢ、２２５…加工基本情報ＤＢ、２２５Ａ…ワーク基本情報、２２５Ｂ…設備基本情報、２３０…入力部、２４０…表示部、２５０…通信部、３００…ＮＣ加工機、ＢＬ…バスライン、Ｄｘｐ…Ｘ軸正方向距離、Ｄｘｍ…Ｘ軸負方向距離、Ｄｙｐ…Ｙ軸正方向距離、Ｄｙｍ…Ｙ軸負方向距離、Ｌｘ…Ｘ寸法、Ｌｙ…Ｙ寸法、Ｏ…原点、Ｒ…矩形領域、Ｖａ，Ｖｂ…頂点、Ｗ…矩形ワーク、ＷＵ…上辺、ＷＤ…下辺、ＷＬ…左辺、ＷＲ…右辺

Claims

板材から切り抜く加工品毎の形状を示すデータおよび前記板材に対して複数の加工品を切り抜くためのデータを含む設計データに基づいて求められた、複数の加工品を板材から板取りするための最適化された数値制御データによりＮＣ加工機を制御する加工制御装置であって、
前記設計データから、前記板材上の前記複数の加工品毎の配置情報のデータと、加工順序を含む加工情報のデータとを生成するデータ解析手段と、
前記最適化された数値制御データに従って前記板材をＮＣ加工機により加工し、加工された加工品の品質の良否を示すラベルを対応付けた前記最適化された数値制御データを教師データとして取得する教師データ取得手段と、
前記教師データ取得手段が取得した前記教師データを学習し、加工モデルを生成する機械学習手段と、
前記機械学習手段により生成された前記加工モデルと、前記配置情報のデータおよび前記加工情報のデータとに基づいて、前記最適化された数値制御データを生成する数値制御データ生成手段と、を備える、
加工制御装置。
外部から設計データを取得する設計データ取得手段、を備え、
前記データ解析手段は、前記設計データ取得手段が取得した前記設計データを解析し、
前記数値制御データ生成手段は、前記データ解析手段の解析結果に基づいて、前記最適化された数値制御データを生成する、
請求項１に記載の加工制御装置。
前記加工モデルは、板材から複数の部品を板取りするネスティングモデルである、
請求項１または２に記載の加工制御装置。
ＮＣ加工機を制御する加工制御装置が実行する加工制御方法であって、
板材から切り抜く加工品毎の形状を示すデータおよび前記板材に対して複数の加工品を切り抜くためのデータを含む設計データから、前記板材上の複数の加工品毎の配置情報のデータと、加工順序を含む加工情報のデータとを生成し、
前記設計データの数値制御データを最適化した数値制御データに従って前記板材をＮＣ加工機により加工し、加工された加工品の品質の良否を示すラベルを対応付けた前記最適化した数値制御データを教師データとして取得し、
機械学習手段に、前記教師データを学習させ、加工モデルを生成させ、
前記加工モデルと、前記配置情報のデータおよび前記加工情報のデータとに基づいて、前記最適化した数値制御データを生成する、
加工制御方法。
コンピュータを、
板材から切り抜く加工品毎の形状を示すデータおよび前記板材に対して複数の加工品を切り抜くためのデータを含む設計データから、前記板材上の複数の加工品毎の配置情報のデータと、加工順序を含む加工情報のデータとを生成するデータ解析手段、
前記設計データの数値制御データを最適化した数値制御データに従って前記板材をＮＣ加工機により加工し、加工された加工品の品質の良否を示すラベルを対応付けた前記最適化した数値制御データを教師データとして取得する教師データ取得手段、
前記教師データ取得手段が取得した前記教師データを学習し、加工モデルを生成する機械学習手段、
前記機械学習手段による前記加工モデルと、前記配置情報のデータおよび前記加工情報のデータとに基づいて、前記最適化した数値制御データを生成する数値制御データ生成手段、
として機能させるプログラム。