KR102605515B1 - 인공지능 기반, 피가공물 두께에 기초한 가공 시스템 - Google Patents

인공지능 기반, 피가공물 두께에 기초한 가공 시스템 Download PDF

Info

Publication number
KR102605515B1
KR102605515B1 KR1020220116501A KR20220116501A KR102605515B1 KR 102605515 B1 KR102605515 B1 KR 102605515B1 KR 1020220116501 A KR1020220116501 A KR 1020220116501A KR 20220116501 A KR20220116501 A KR 20220116501A KR 102605515 B1 KR102605515 B1 KR 102605515B1
Authority
KR
South Korea
Prior art keywords
workpiece
unit
thickness
neural network
artificial neural
Prior art date
Application number
KR1020220116501A
Other languages
English (en)
Inventor
황규하
Original Assignee
(주)성화에스티
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by (주)성화에스티 filed Critical (주)성화에스티
Priority to KR1020220116501A priority Critical patent/KR102605515B1/ko
Application granted granted Critical
Publication of KR102605515B1 publication Critical patent/KR102605515B1/ko

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/02—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation according to the instantaneous size and required size of the workpiece acted upon, the measuring or gauging being continuous or intermittent
    • 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
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/20—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring workpiece characteristics, e.g. contour, dimension, hardness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)

Abstract

피가공물의 거치 공간을 제공하는 작업대; 상기 피가공물의 두께를 측정하는 센서부; 및 상기 피가공물의 상면을 연마하는 가공부;를 포함하는, 가공 시스템을 개시한다.

Description

인공지능 기반, 피가공물 두께에 기초한 가공 시스템{STEEL SHEET MANUFACTURING SYSTEM}
본 발명은 인공지능 기반, 피가공물 두께에 기초한 가공 시스템에 관한 것이다.
일반적으로 밀링장치는 밀링커터를 회전 운동하는 축에 고정시킨 후 가공물을 다이 등에 고정시켜 고정된 가공 물의 평면절삭, 홈절삭, 절단 등을 위해 이용되는 장치를 말한다.
예전의 밀링장치의 경우 대부분이 작업자가 가공될 치수를 조작하여 작업하는 것이었지만 최근에는 CNC(Computerized Numerical Control) 밀링을 통해 정밀한 가공과 더불어 다양한 형태(평면, 홈, 절단 등)의 가공이 테이블 하나에서 가능할 뿐만 아니라 원하는 형상의 디자인을 가공할 수 있게 되는 기술까지 발전하였다.
한편, 규격용 금속 판재의 가공에 있어 100mm당 허용 오차를 0.05 mm 이내의 정밀도를 갖추어야 하므로 단순 연삭기로는 규격을 맞추기 어려운 가공 오차를 갖는다는 문제점이 있었다.
본 발명의 일측면은 피가공물의 두께에 기초하여 가공 툴의 작동을 제어하는 가공 시스템을 개시한다.
본 발명의 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명의 가공 시스템은, 피가공물의 거치 공간을 제공하는 작업대; 상기 피가공물의 두께를 측정하는 센서부; 및 상기 피가공물의 상면을 연마하는 가공부;를 포함한다.
한편, 상기 센서부로부터 상기 피가공물의 두께를 수신하고, 상기 피가공물의 두께와 미리 설정된 임계값을 비교하고, 상기 피가공물의 두께가 미리 설정된 임계값 이상인 경우, 상기 가공부의 작동을 중단시키는 제어부;를 더 포함할 수 있다.
또한, 상기 제어부는, 복수의 피가공물의 두께 측정 데이터를 트레이닝 데이터로 획득하고, 가공 가능 또는 가공 불가능의 가공 상태를 각각의 트레이닝 데이터에 대한 레이블로 획득하며, 상기 트레이닝 데이터 및 상기 레이블을 이용하여 인공 신경망을 학습하고, 상기 센서부로부터 수신하는 측정값을 상기 인공 신경망에 입력하여 상기 피가공물의 가공 상태를 출력하고, 상기 인공 신경망의 출력 결과가 가공 불가능 상태로 출력되는 경우, 상기 가공부에 포함되는 가공 툴의 회전 모터의 구동을 중단시키는 것을 더 포함하고,
상기 작업대는, 한 쌍 마련되어 상기 작업대의 양 측 모서리 부분이 각각 삽입되는 사이드 프레임; 및 상기 사이드 프레임의 일측에 연장 설치되고, 소정의 제어 신호가 인가되는 경우 승하강하여 상기 작업대의 상부면에 경사면을 형성하는 승하강부;를 포함할 수 있다.
상술한 본 발명의 일 측면에 따르면, 피가공물의 두께에 기초하여 가공부의 작동을 제어함으로써 규격에 맞는 정밀 가공을 가능하게 하며, 나아가, 인공 신경망을 이용하여 피가공물의 두께에 따른 가공 상태를 결정하여 가공 정밀도를 높일 수 있다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반, 피가공물 두께에 기초한 가공 시스템의 개념도이다.
도 2는 도 1에 도시된 작업대를 설명하기 위한 도면이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계 및 동작은 하나 이상의 다른 구성요소, 단계 및 동작의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 일 실시예에 따른 인공지능 기반, 피가공물 두께에 기초한 가공 시스템의 개념도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 가공 시스템(1)은 작업대(100), 센서부(200), 가공부(300) 및 제어부(400)를 포함할 수 있다.
작업대(100)는 피가공물(10)의 거치 공간을 제공할 수 있다.
센서부(200)는 작업대(100)에 놓인 피가공물(10)의 두께를 측정할 수 있다.
예를 들면, 센서부(200)는 피가공물(10)의 상면으로 광을 반사시켜 피가공물(10)의 두께를 측정할 수 있다.
센서부(200)는 측정한 피가공물(10)의 두께를 제어부(400)로 전달할 수 있다.
가공부(300)는 작업대(100)의 상부에서 슬라이딩 이동되어 작업대(100)에 놓인 피가공물(10)의 상면에 대하여 연마 가공을 수행할 수 있다.
예를 들면, 가공부(300)는 가공 툴 및 회전 모터를 포함할 수 있다. 가공 툴 및 회전 모터는 각각 풀리에 결합되고 풀리들은 벨트에 의해 연결될 수 있다. 회전 모터의 구동력은 풀리와 벨트를 통하여 가공 툴로 전달되고, 가공 툴의 회전에 의하여 피가공물(10)의 표면을 연마할 수 있다.
제어부(400)는 센서부(200)와 유선 또는 무선으로 연결되어 센서부(200)로부터 피가공물(10)의 두께를 수신할 수 있다.
제어부(400)는 피가공물(10)의 두께와 미리 설정된 임계값을 비교할 수 있으며, 피가공물(10)의 두께가 미리 설정된 임계값 이상인 경우, 가공부(300)의 작동을 중단시킬 수 있다. 이때, 임계값은 정밀 규격에 따른 두께 공차에 기반하여 설정될 수 있다.
예를 들면, 제어부(400)는 딥러닝 기반의 인공지능 학습 알고리즘을 이용하여 피가공물(10)의 가공 상태를 가능 또는 불가능 중 하나의 상태로 식별할 수 있다.
제어부(400)는 트레이닝 데이터(training data) 및 레이블(label)을 획득할 수 있다. 제어부(400)는 복수의 피가공물(10)의 두께 측정 데이터를 트레이닝 데이터로 획득하고, 가공 상태를 각각의 트레이닝 데이터에 대한 레이블로 획득할 수 있다.
제어부(400)는 트레이닝 데이터로부터 인공 신경망의 입력을 생성할 수 있다. 제어부(400)는 트레이닝 데이터를 인공 신경망의 입력으로 그대로 사용하거나, 각각의 트레이닝 데이터에서 불필요한 정보를 제거하는 등의 기 알려진 처리를 거친 후, 인공 신경망의 입력을 생성할 수 있다.
제어부(400)는 입력을 인공 신경망에 적용할 수 있다. 여기에서, 인공 신경망은 지도 학습에 따라 학습되는 인공 신경망일 수 있다. 인공 신경망은 지도 학습을 통해 학습시키기에 적합한 컨볼루션 신경망(CNN) 또는 리커런트 신경망(RNN) 구조일 수 있다.
제어부(400)는 인공 신경망으로부터 출력을 획득할 수 있다. 인공 신경망의 출력은 피가공물(10)의 두께에 따른 가공 상태의 추론일 수 있다.
제어부(400)는 인공 신경망의 출력과 레이블을 비교할 수 있다. 추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 비교하는 과정은 손실 함수(loss function)를 계산하여 이루어질 수 있다. 손실함수는 기 알려진 평균 제곱 오차(mean squared error, MSE), 교차 엔트로피 오차(cross entropy error, CEE) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 인공 신경망의 출력과 레이블 간의 편차, 오차 내지는 차이를 측정할 수 있다면, 다양한 인공 신경망 모델들에서 이용되는 손실함수들이 이용될 수 있다.
제어부(400)는 비교값을 기초로 인공 신경망을 최적화할 수 있다. 학습 장치 비교값이 점점 작아지도록 인공 신경망의 노드(node)들의 웨이트(weight)를 갱신함으로써, 추론에 해당하는 인공 신경망의 출력과 정답에 해당하는 레이블을 점점 일치시킬 수 있고, 이를 통해 인공 신경망은 정답에 가까운 추론을 출력하도록 최적화될 수 있다. 예컨대, 제어부(400)는 비교값에 해당하는 손실함수가 최소값의 추정치에 가까워지도록 인공 신경망의 웨이트(weight)를 재설정하는 과정을 반복함으로써 인공 신경망을 최적화할 수 있다. 인공 신경망의 최적화를 위해 기 알려진 역전파(backpropagation) 알고리즘, 확률론적 경사하강법(stochastic gradient descent) 등이 이용될 수 있다. 그러나, 이에 제한되는 것은 아니며, 다양한 신경망 모델들에서 이용되는 웨이트의 최적화 알고리즘이 이용될 수 있다. 제어부(400)는 이와 같은 과정을 반복함으로써 인공 신경망을 학습시킬 수 있다.
제어부(400)는 인공 신경망에 센서부(200)로부터 수신한 측정값을 입력하여, 피가공물(10)의 가공 상태를 출력할 수 있다.
제어부(400)는 인공 신경망의 출력 결과가 따라 가공부(300)의 작동을 중단시킬 수 있다. 예를 들면, 제어부(400)는 인공 신경망의 출력 결과가 가공 불가능 상태로 출력되는 경우, 가공부(300)에 포함되는 가공 툴의 회전 모터의 구동을 중단시킬 수 있다.
이와 같은 본 발명의 일 실시예에 다른 가공 시스템(1)은 피가공물(10)의 두께에 기초하여 가공부(300)의 작동을 제어함으로써 규격에 맞는 정밀 가공을 가능하게 하며, 나아가, 인공 신경망을 이용하여 피가공물(10)의 두께에 따른 가공 상태를 결정하여 가공 정밀도를 높일 수 있다.
도 2는 본 발명의 일 실시예에 따른 작업대를 설명하기 위한 도면이다.
도 2를 참조하면, 본 발명의 일 실시예에 따른 작업대(100)는 사이드 프레임(110), 승하강부(120), 회전부(130) 및 진동부(140)를 포함할 수 있다.
사이드 프레임(110)은 한 쌍 마련되어 작업대(100)의 양 측 모서리 부분이 삽입될 수 있다.
승하강부(120)는 사이드 프레임(110)의 일측에 연장 설치될 수 있으며, 소정의 제어 신호가 인가되는 경우, 승하강할 수 있다.
예를 들면, 승하강부(120)는 액추에이터로 형성될 수 있으며, 소정의 제어 신호가 인가되는 경우 상승하여 작업대(100)의 일측을 들어올릴 수 있다. 이에 따라 작업대(100)의 상부면은 경사면이 형성됨으로써 작업대(100)의 상부면에 가공 공정에 따라 발생할 수 있는 잔여물의 제거를 용이하게 한다.
승하강부(120)는 사이드 프레임(110)의 일측에 설치되는 승하강 블록(125)을 통해 사이드 프레임(110)에 설치될 수 있다.
회전부(130)는 사이드 프레임(110)의 타측에 설치될 수 있으며, 사용자의 조작에 의해 회전되어 사이드 프레임(110)을 회동시킬 수 있다.
예를 들면, 회전부(130)는 승하강부(120)에 의해 사이드 프레임(110)의 일측이 상승한 상태에서 사이드 프레임(110)의 타측을 회동 축으로 하여 사이드 프레임(110)을 회동시킴으로써 사이드 프레임(110)이 원래의 상태(지면과 수평한 상태)로 복귀할 수 있도록 한다.
진동부(140)는 한 쌍의 사이드 프레임(110)을 연결하여 작업대(100)의 상부면에 배치되는 와이어(145)를 포함할 수 있으며, 와이어(145)로 진동을 인가할 수 있다.
이와 같은 진동부(140)에 의해 작업대(100)의 상부면에 진동이 인가됨으로써 작업대(100)의 상부면에 가공 공정에 따라 발생할 수 있는 잔여물의 제거를 용이하게 한다. 도 2에서는 하나의 진동부(140)를 도시하였으나 이에 한정하는 것은 아니며 사이드 프레임(110)을 따라 복수 개 마련될 수 있음은 물론이다.
이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
1: 가공 시스템
10: 피가공물
100: 작업대
200: 센서부
300: 가공부
400: 제어부

Claims (3)

  1. 피가공물의 거치 공간을 제공하는 작업대;
    상기 피가공물의 두께를 측정하는 센서부; 및
    상기 피가공물의 상면을 연마하는 가공부;를 포함하고,
    상기 센서부로부터 상기 피가공물의 두께를 수신하고, 상기 피가공물의 두께와 미리 설정된 임계값을 비교하고, 상기 피가공물의 두께가 미리 설정된 임계값 이상인 경우, 상기 가공부의 작동을 중단시키는 제어부;를 더 포함하고,
    상기 제어부는,
    복수의 피가공물의 두께 측정 데이터를 트레이닝 데이터로 획득하고, 가공 가능 또는 가공 불가능의 가공 상태를 각각의 트레이닝 데이터에 대한 레이블로 획득하며, 상기 트레이닝 데이터 및 상기 레이블을 이용하여 인공 신경망을 학습하고, 상기 센서부로부터 수신하는 측정값을 상기 인공 신경망에 입력하여 상기 피가공물의 가공 상태를 출력하고, 상기 인공 신경망의 출력 결과가 가공 불가능 상태로 출력되는 경우, 상기 가공부에 포함되는 가공 툴의 회전 모터의 구동을 중단시키는 것을 더 포함하고,
    상기 작업대는,
    한 쌍 마련되어 상기 작업대의 양 측 모서리 부분이 각각 삽입되는 사이드 프레임; 및
    상기 사이드 프레임의 일측에 연장 설치되고, 소정의 제어 신호가 인가되는 경우 승하강하여 상기 작업대의 상부면에 경사면을 형성하는 승하강부;를 포함하고,
    상기 작업대는,
    상기 사이드 프레임의 타측에 설치되고, 사용자의 조작에 의해 회전되어 상기 사이드 프레임을 회동시키는 회전부; 및
    한 쌍의 사이드 프레임을 연결하여 상기 작업대의 상부면에 배치되는 와이어를 포함하고, 상기 와이어로 진동을 인가하는 진동부;를 더 포함하는, 가공 시스템.
  2. 삭제
  3. 삭제
KR1020220116501A 2022-09-15 2022-09-15 인공지능 기반, 피가공물 두께에 기초한 가공 시스템 KR102605515B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220116501A KR102605515B1 (ko) 2022-09-15 2022-09-15 인공지능 기반, 피가공물 두께에 기초한 가공 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220116501A KR102605515B1 (ko) 2022-09-15 2022-09-15 인공지능 기반, 피가공물 두께에 기초한 가공 시스템

Publications (1)

Publication Number Publication Date
KR102605515B1 true KR102605515B1 (ko) 2023-12-29

Family

ID=89333996

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220116501A KR102605515B1 (ko) 2022-09-15 2022-09-15 인공지능 기반, 피가공물 두께에 기초한 가공 시스템

Country Status (1)

Country Link
KR (1) KR102605515B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006305619A (ja) * 2005-05-02 2006-11-09 Amada Co Ltd 板材加工機のワークテーブル装置
KR20130035318A (ko) * 2011-09-30 2013-04-09 박재성 연마 장치 및 이를 이용한 연마 방법
KR20200120958A (ko) * 2018-03-13 2020-10-22 어플라이드 머티어리얼스, 인코포레이티드 반도체 처리의 모니터링을 위한 기계 학습 시스템들
KR20220011144A (ko) * 2019-05-22 2022-01-27 가부시키가이샤 에바라 세이사꾸쇼 기판 처리 시스템
JP2022025851A (ja) * 2020-07-30 2022-02-10 株式会社日立ハイテクファインシステムズ 加工システムおよび加工方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006305619A (ja) * 2005-05-02 2006-11-09 Amada Co Ltd 板材加工機のワークテーブル装置
KR20130035318A (ko) * 2011-09-30 2013-04-09 박재성 연마 장치 및 이를 이용한 연마 방법
KR20200120958A (ko) * 2018-03-13 2020-10-22 어플라이드 머티어리얼스, 인코포레이티드 반도체 처리의 모니터링을 위한 기계 학습 시스템들
KR20220011144A (ko) * 2019-05-22 2022-01-27 가부시키가이샤 에바라 세이사꾸쇼 기판 처리 시스템
JP2022025851A (ja) * 2020-07-30 2022-02-10 株式会社日立ハイテクファインシステムズ 加工システムおよび加工方法

Similar Documents

Publication Publication Date Title
CN107797516B (zh) 数值控制装置
ES2939000T3 (es) Método para optimizar la productividad de un proceso de mecanizado de una máquina CNC
JP6940542B2 (ja) 把持力調整装置及び把持力調整システム
JP6499710B2 (ja) 加減速制御装置
EP3736648B1 (en) Method for autonomous optimization of a grinding process
CN110174871B (zh) 控制装置、机器学习装置以及系统
JP2018120347A (ja) データ分析装置およびデータ分析方法
KR102605515B1 (ko) 인공지능 기반, 피가공물 두께에 기초한 가공 시스템
CN110426151A (zh) 工件动平衡校正控制系统及动平衡校正方法
CN106393111B (zh) 针对机器人形变问题的机器人曲面切削力控制方法
KR101896291B1 (ko) 공작 기계의 가공경로 보정방법
CN116810540A (zh) 一种芯轴加工方法、系统、智能终端及存储介质
JP2020196108A (ja) 眼鏡レンズ加工用装置および眼鏡レンズ加工用プログラム
CN104786108A (zh) 基于刚度矩阵的直角坐标机器人的打磨方法
KR20230045174A (ko) IoT 기반의 지능형 금속 가공 시스템
EP3859466B1 (en) Dental machining system for predicting the machining time for manufacturing a dental restoration/appliance
JPS61236468A (ja) 自由曲面加工機
JP2002254272A (ja) 工作機械の最適加工条件を決定するための方法および装置、並びに最適加工条件決定プログラム
KR20070065667A (ko) 프로펠러의 그라인딩 작업시 발생되는 그라인딩 툴의가공부하 제어방법
KR20170108265A (ko) 금형 제조 방법
KR100874804B1 (ko) 로봇 그라인딩 장치
KR102607545B1 (ko) 공작기계의 cnc 가공 시 절삭속도 자동 제어 방법 및 장치
JP3714162B2 (ja) 工作機械の制御システムおよび記録媒体
RU2490110C2 (ru) Способ управления двусторонним торцовым шлифованием и устройство для его осуществления
KR20230116989A (ko) 피가공물의 가공방법

Legal Events

Date Code Title Description
GRNT Written decision to grant