KR20180014364A - Apparatus and method for tool wear compensation of cnc - Google Patents

Apparatus and method for tool wear compensation of cnc Download PDF

Info

Publication number
KR20180014364A
KR20180014364A KR1020160097225A KR20160097225A KR20180014364A KR 20180014364 A KR20180014364 A KR 20180014364A KR 1020160097225 A KR1020160097225 A KR 1020160097225A KR 20160097225 A KR20160097225 A KR 20160097225A KR 20180014364 A KR20180014364 A KR 20180014364A
Authority
KR
South Korea
Prior art keywords
data
cnc
tool wear
model
cnc tool
Prior art date
Application number
KR1020160097225A
Other languages
Korean (ko)
Inventor
한지형
김록원
박재휘
조현성
지수영
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020160097225A priority Critical patent/KR20180014364A/en
Publication of KR20180014364A publication Critical patent/KR20180014364A/en

Links

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
    • 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
    • G05B19/404—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 control arrangements for compensation, e.g. for backlash, overshoot, tool offset, tool wear, temperature, machine construction errors, load, inertia
    • 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
    • B23Q15/20—Automatic control or regulation of feed movement, cutting velocity or position of tool or work before or after the tool acts upon the workpiece
    • B23Q15/28—Automatic control or regulation of feed movement, cutting velocity or position of tool or work before or after the tool acts upon the workpiece with compensation for tool wear
    • 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
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0904—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool before or after machining
    • 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
    • G05B19/406—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 monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Numerical Control (AREA)

Abstract

Disclosed are an apparatus and a method for correcting abrasion of a computer numerical control (CNC) tool which can automatically recommend and apply a CNC tool abrasion correction value. According to the present invention, the method for correcting abrasion of a CNC tool performed by the CNC tool abrasion correction apparatus comprises the steps of: collecting and storing data from at least one of a raw material mill sheet, a CNC controller, a processed goods inspection apparatus, and a sensor; inputting the data in a CNC tool abrasion correction model which finishes learning so as to execute the CNC tool abrasion correction model; and outputting a correction value which is a result of executing the CNC tool abrasion correction model.

Description

CNC 공구 마모 보정 장치 및 방법{APPARATUS AND METHOD FOR TOOL WEAR COMPENSATION OF CNC}Technical Field [0001] The present invention relates to a CNC tool wear-

본 발명은 CNC의 공구 마모를 보정하는 기술에 관한 것으로, 특히 데이터에 대한 기계학습을 수행하여, CNC의 공구 마모 보정값을 자동으로 추천 및 적용하는 기술에 관한 것이다.The present invention relates to a technique for correcting tool wear of a CNC, and more particularly, to a technique for automatically recommending and applying a tool wear correction value of a CNC by performing machine learning on data.

컴퓨터 수치 제어(computer numerical control, CNC)는 기계를 만드는 기계인 공작기계를 자동화한 것으로, 컴퓨터를 내장하여 프로그램을 조정할 수 있다. 특히, CNC는 프로그램 조정이 가능하므로, NC 공작기계에 내장된 기능 및 방법이 고정되어 오작동이 발생하던 문제를 해결할 수 있다. Computer numerical control (CNC) is an automated machine tool, a machine tool, that can be programmed with a built-in computer. In particular, since the CNC can adjust the program, the function and method built in the NC machine tool are fixed, thereby solving the problem that the malfunction occurred.

일반적으로 공작기계에 구비된 공구는 절삭 가공을 수행함에 따라 점차 마모되고, 마모로 인하여 파손될 수 있다. 공구가 마모될 경우, 가공물의 치수 정밀도가 저하되며, 가공 표면의 품질 역시 저하된다. 또한 공구가 돌발적으로 파손될 경우 가공물을 파손시킬 수도 있다. 이와 같이 공구의 마모 및 파손은 기존 가공물의 파손으로 인한 금전적인 손해를 발생시킬 수 있다. In general, a tool provided in a machine tool is gradually worn as it is subjected to cutting, and may be damaged due to abrasion. When the tool is worn, the dimensional accuracy of the workpiece is lowered, and the quality of the machined surface is also lowered. Also, if the tool breaks suddenly, the workpiece may be damaged. Thus, abrasion and breakage of the tool can cause financial damage due to breakage of the existing workpiece.

CNC 설비 공구의 마모를 보정하는 종래 기술로는, 수동 보정 방법, 공구 계측을 통한 방법, 샘플링 가공을 통한 방법, 가공수량 기반 방법 및 가공품 수치 기반 방법 등이 있다. Conventional techniques for correcting abrasion of CNC equipment tools include manual calibration methods, tool measurement methods, sampling processing methods, process quantity-based methods, and workpiece value-based methods.

전통적인 생산 시스템에서는 작업자에 의해 절삭공정이 감시되고, 이상이 발생한 경우 작업자가 상태에 따른 적절한 조치를 취하였다. 이러한 수동 보정 방법으로 CNC 설비 공구의 마모를 보정하는 경우, 작업자가 변경되거나, 숙련자가 아닌 경우 가공품의 품질을 일정하기 유지하기 어렵고, 실시간 보정이 어렵다. In the traditional production system, the cutting process is monitored by the operator. In case of an error, the operator has taken appropriate action according to the condition. In the case of correcting wear of a CNC equipment tool by such a manual correction method, it is difficult to maintain the quality of the workpiece constantly and it is difficult to correct in real time when the operator is changed or is not an expert.

그리고 공구를 직접 계측하여 CNC 설비 공구의 마모를 보정하는 경우, 설치 비용이 소요되고, 공구 계측 시 가공을 할 수 없어, 가동 시간에 손해가 발생한다. 또한, 가공 전에 각 공구 및 원자재 별로 샘플링 가공을 수행하여, 미리 보정값을 예측하는 기술은 가공품, 가공 방법 및 원자재 중 적어도 어느 하나가 변경될 경우, 매번 샘플링 가공을 다시 수행해야 하므로 매우 비효율적이다. In addition, when the tool is directly measured and the wear of the CNC equipment tool is corrected, installation costs are incurred, the tool can not be machined, and the operation time is damaged. Further, the technique of predicting the correction value in advance by performing the sampling processing for each tool and the raw material before processing is very inefficient because at least one of the processing, the processing method, and the raw material is changed, the sampling processing must be performed again.

단순히 가공 수량 기반으로 보정을 수행하거나, 가공품의 수치 정보만을 기반으로 보정을 수행하는 경우, 원자재 변수, 설비 가공 변수, 환경 변수 등이 포함되지 않으므로 정확성이 낮다. If the correction is performed simply on the basis of the processed quantity or if the correction is performed based only on the numerical information of the workpiece, the accuracy is low since it does not include the raw material variable, the equipment processing variable, and the environmental variable.

따라서, 원자재 데이터, 가공품 수치 데이터, CNC 설비 데이터 및 환경 정보 데이터 등을 기반으로 CNC의 공구 마모 보정값을 자동으로 계산할 수 있는 기술의 개발이 필요하다. Therefore, it is necessary to develop a technology capable of automatically calculating the tool wear correction value of CNC based on raw material data, numerical data of workpiece, CNC equipment data, and environmental information data.

한국 등록 특허 제10-0204363호, 1998년 10월 07일 공개(명칭: 공작 기계의 공구 자동 보정장치)Korean Registered Patent No. 10-0204363, published on October 07, 1998 (name: Automatic Tool Correction Device of Machine Tools)

본 발명의 목적은 CNC의 공구 마모 보정값을 자동으로 추천 및 적용할 수 있도록 하는 것이다. It is an object of the present invention to automatically recommend and apply a tool wear correction value of a CNC.

또한, 본 발명의 목적은 가공 중에도 CNC의 공구 마모 보정값을 자동으로 생성할 수 있도록 함으로써, CNC 가동 시간을 보장하며 CNC의 공구 마모 보정값을 적용할 수 있도록 하는 것이다. It is also an object of the present invention to enable the CNC tool wear correction value to be automatically generated during machining, thereby ensuring the CNC operation time and applying the CNC tool wear correction value.

또한, 본 발명의 목적은 가공품, 가공 방법, 원자재 등 변경 시에도 CNC의 공구 마모 보정값을 자동으로 생성할 수 있도록 하는 것이다. It is also an object of the present invention to automatically generate a tool wear correction value of a CNC when changing a workpiece, a machining method, a raw material, or the like.

또한, 본 발명의 목적은 원자재 변수, 설비 가공 변수 및 환경 변수 등을 적용하여, CNC의 공구 마모 보정값을 정확하게 설정할 수 있도록 하는 것이다. It is also an object of the present invention to accurately set the tool wear correction value of the CNC by applying the raw material parameters, the machining parameters and the environmental parameters.

또한, 본 발명의 목적은 작업자가 변경되거나 비 숙련자인 경우에도 CNC의 공구 마모 보정값을 자동으로 생성하여, 가공품의 품질을 일정하게 유지할 수 있도록 하고, 실시간으로 보정값을 생성하여 적용할 수 있도록 하는 것이다. It is also an object of the present invention to automatically generate a tool wear correction value of a CNC even if the operator is changed or untrained so that the quality of the workpiece can be kept constant and the correction value can be generated and applied in real time .

상기한 목적을 달성하기 위한 본 발명에 따른 CNC 공구 마모 보정 장치에 의해 수행되는 CNC 공구 마모 보정 방법은 원자재 밀시트, CNC 컨트롤러, 가공품 검사 장치 및 센서 중 적어도 어느 하나로부터 데이터를 수집하여 저장하는 단계, 상기 데이터를 학습이 완료된 CNC 공구 마모 보정 모델에 입력하여, 상기 CNC 공구 마모 보정 모델을 실행하는 단계, 그리고 상기 CNC 공구 마모 보정 모델의 실행 결과인 보정값을 출력하는 단계를 포함한다. According to an aspect of the present invention, there is provided a method of compensating for wear of a CNC tool, comprising: collecting and storing data from at least one of a raw material mill sheet, a CNC controller, , Inputting the data to the CNC tool wear correction model that has been learned, executing the CNC tool wear correction model, and outputting the correction value as a result of execution of the CNC tool wear correction model.

이때, 상기 데이터로부터 학습용 데이터를 추출하는 단계, 그리고 추출된 상기 학습용 데이터에 대한 기계학습을 수행하여, 상기 CNC 공구 마모 보정 모델을 학습하는 단계를 더 포함할 수 있다. The method may further include extracting learning data from the data, and performing machine learning on the extracted learning data to learn the CNC tool wear correction model.

이때, 상기 CNC 공구 마모 보정 모델을 학습하는 단계는, 상기 학습용 데이터의 입력 속성을 정의하는 단계, 기계학습 모델을 선택하는 단계, 선택된 상기 기계학습 모델에 상응하는 파라미터를 설정하는 단계, 그리고 상기 파라미터가 설정된 상기 기계학습 모델에 상기 입력 속성에 상응하는 상기 학습용 데이터를 입력하여, 상기 CNC 공구 마모 보정 모델을 학습하는 단계를 포함할 수 있다. The step of learning the CNC tool wear correction model may include defining an input attribute of the learning data, selecting a machine learning model, setting a parameter corresponding to the selected machine learning model, And learning the CNC tool wear correction model by inputting the learning data corresponding to the input attribute to the machine learning model set for the CNC tool wear correction model.

이때, 상기 기계학습 모델을 선택하는 단계는, 회귀모델 중 어느 하나를 상기 기계학습 모델로 선택할 수 있다. At this time, the step of selecting the machine learning model may select any one of the regression models as the machine learning model.

이때, 상기 학습용 데이터의 입력 속성을 정의하는 단계는, 학습용 데이터에 상응하는 기 정의된 입력 속성들을 기반으로 새로운 상기 입력 속성을 정의하거나, 상기 기 정의된 입력 속성들을 삭제할 수 있다. In this case, the step of defining the input attribute of the learning data may define the new input attribute based on the predefined input attributes corresponding to the learning data, or may delete the predefined input attributes.

이때, 상기 데이터로부터 추출된 검증용 데이터를 이용하여, 학습된 상기 CNC 공구 마모 보정 모델을 검증하는 단계를 더 포함할 수 있다. The method may further include verifying the learned CNC tool wear correction model using the verification data extracted from the data.

이때, 상기 CNC 공구 마모 보정 모델을 검증하는 단계는, 상기 CNC 공구 마모 보정 모델에 상기 검증용 데이터를 입력한 결과값과 상기 검증용 데이터를 비교하여 상기 모델을 검증할 수 있다. The verification of the CNC tool wear correction model may include verifying the model by comparing the result of the verification data input to the CNC tool wear correction model with the verification data.

이때, 상기 보정값을 상기 CNC 컨트롤러에 전송하여, 상기 CNC 컨트롤러가 상기 보정값을 기반으로 보정을 수행하도록 하는 단계를 더 포함할 수 있다. The method may further include transmitting the correction value to the CNC controller, and causing the CNC controller to perform correction based on the correction value.

이때, 상기 데이터는, 원자재 데이터, 설비 데이터, 가공품 검사 데이터 및 환경 데이터 중 적어도 어느 하나를 포함할 수 있다. At this time, the data may include at least one of raw material data, facility data, workpiece inspection data, and environmental data.

이때, 상기 원자재 데이터는 원자재의 물리적 성질, 화학적 성질 및 치수 정보 중 적어도 어느 하나를 포함하고, 상기 설비 데이터는 회전 속도(RPM), 공급량(feed rate), G-코드(G-code), 부하량, 생산 수량 및 공구 마모 값 중 적어도 어느 하나를 포함할 수 있다. In this case, the raw material data includes at least one of physical property, chemical property, and dimensional information of the raw material, and the facility data includes at least one of rotational speed (RPM), feed rate, G- , Production quantity, and tool wear value.

이때, 상기 가공품 검사 데이터는 가공품의 치수 정보를 포함하고, 상기 환경 데이터는 상기 CNC의 내부 온도, 작업 환경의 온도 및 습도 중 적어도 어느 하나를 포함할 수 있다. At this time, the workpiece inspection data includes the dimension information of the workpiece, and the environment data may include at least one of the internal temperature of the CNC, the temperature of the work environment, and the humidity.

또한, 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치는 원자재 밀시트, CNC 컨트롤러, 가공품 검사 장치 및 센서 중 적어도 어느 하나로부터 데이터를 수집하는 데이터 수집부, 상기 데이터로부터 학습용 데이터를 추출하고, 추출된 상기 학습용 데이터에 대한 기계학습을 수행하여, CNC 공구 마모 보정 모델을 학습하는 모델 학습부, 그리고 수집된 상기 데이터를 상기 CNC 공구 마모 보정 모델에 입력하여, 상기 CNC 공구 마모 보정 모델을 실행하는 보정값 연산부를 포함한다. Further, a CNC tool wear compensation apparatus according to an embodiment of the present invention includes a data collection unit for collecting data from at least one of a raw material mill sheet, a CNC controller, a workpiece inspection apparatus, and a sensor, extracting learning data from the data, A model learning unit that learns a CNC tool wear correction model by performing machine learning on the extracted learning data, and inputs the collected data to the CNC tool wear correction model to execute the CNC tool wear correction model And a correction value calculation unit.

이때, 상기 CNC 공구 마모 보정 모델의 결과인 보정값을 출력하는 보정값 출력부를 더 포함할 수 있다. The apparatus may further include a correction value output unit for outputting a correction value that is a result of the CNC tool wear correction model.

이때, 상기 보정값 출력부는, 상기 CNC 컨트롤러로 상기 보정값을 전송하거나, 사용자에게 상기 보정값을 출력할 수 있다. At this time, the correction value output unit may transmit the correction value to the CNC controller or may output the correction value to the user.

이때, 상기 모델 학습부는, 상기 학습용 데이터의 입력 속성을 정의하고, 기계학습 모델을 선택하며, 선택된 상기 기계학습 모델에 상응하는 파라미터를 설정하고, 상기 파라미터가 설정된 상기 기계학습 모델에 상기 입력 속성에 상응하는 상기 학습용 데이터를 입력하여, 상기 CNC 공구 마모 보정 모델을 학습할 수 있다. At this time, the model learning unit defines an input attribute of the learning data, selects a machine learning model, sets a parameter corresponding to the selected machine learning model, and sets the parameter to the machine learning model And the corresponding learning data is input to learn the CNC tool wear correction model.

이때, 상기 모델 학습부는, 회귀모델 중 어느 하나를 상기 기계학습 모델로 선택할 수 있다. At this time, the model learning unit can select any one of the regression models as the machine learning model.

이때, 상기 모델 학습부는, 학습용 데이터에 상응하는 기 정의된 입력 속성들을 기반으로 새로운 상기 입력 속성을 정의하거나, 상기 기 정의된 입력 속성들을 삭제하여, 상기 학습용 데이터의 입력 속성을 정의할 수 있다. At this time, the model learning unit may define a new input attribute based on predefined input attributes corresponding to the learning data, or delete the predefined input attributes to define an input attribute of the learning data.

이때, 상기 데이터로부터 추출된 검증용 데이터를 이용하여, 학습된 상기 CNC 공구 마모 보정 모델을 검증하는 모델 검증부를 더 포함할 수 있다. The apparatus may further include a model verifying unit that verifies the learned CNC tool wear correction model using the verification data extracted from the data.

이때, 상기 모델 검증부는, 상기 CNC 공구 마모 보정 모델에 상기 검증용 데이터를 입력한 결과값과 상기 검증용 데이터를 비교하여 상기 모델을 검증할 수 있다. At this time, the model verification unit may verify the model by comparing the verification data with the result of inputting the verification data to the CNC tool wear correction model.

이때, 상기 데이터는, 원자재 데이터, 설비 데이터, 가공품 검사 데이터 및 환경 데이터 중 적어도 어느 하나를 포함할 수 있다.At this time, the data may include at least one of raw material data, facility data, workpiece inspection data, and environmental data.

본 발명에 따르면, CNC의 공구 마모 보정값을 자동으로 추천 및 적용할 수 있다. According to the present invention, it is possible to automatically recommend and apply the tool wear correction value of the CNC.

또한 본 발명에 따르면, 가공 중에도 CNC의 공구 마모 보정값을 자동으로 생성할 수 있도록 함으로써, CNC 가동 시간을 보장하며 CNC의 공구 마모 보정값을 적용할 수 있다. Further, according to the present invention, it is possible to automatically generate the tool wear correction value of the CNC during machining, thereby ensuring the CNC operation time and applying the tool wear correction value of the CNC.

또한 본 발명에 따르면, 가공품, 가공 방법, 원자재 등 변경 시에도 CNC의 공구 마모 보정값을 자동으로 생성할 수 있다. Further, according to the present invention, the tool wear correction value of the CNC can be automatically generated even when the workpiece, the machining method, and the raw material are changed.

또한 본 발명에 따르면, 원자재 변수, 설비 가공 변수 및 환경 변수 등을 적용하여, CNC의 공구 마모 보정값을 정확하게 설정할 수 있다. Further, according to the present invention, it is possible to precisely set the tool wear correction value of the CNC by applying the raw material variables, the machining parameters and the environmental parameters.

또한 본 발명에 따르면, 작업자가 변경되거나 비 숙련자인 경우에도 CNC의 공구 마모 보정값을 자동으로 생성하여, 가공품의 품질을 일정하게 유지할 수 있도록 하고, 실시간으로 보정값을 생성하여 적용할 수 있다. Also, according to the present invention, even if the operator is changed or unskilled, the tool wear correction value of the CNC can be automatically generated, the quality of the workpiece can be maintained constant, and the correction value can be generated and applied in real time.

도 1은 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치가 적용되는 환경을 개략적으로 나타낸 도면이다.
도 2는 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치의 구성을 나타낸 블록도이다.
도 3은 본 발명의 일실시예에 따른 CNC 공구 마모 보정 모델을 학습 및 검증하는 방법을 설명하기 위한 순서도이다.
도 4는 도 3의 S330 단계에서, CNC 공구 마모 보정 모델을 학습하는 과정을 설명하기 위한 순서도이다.
도 5는 본 발명의 일실시예에 따른 CNC 공구 마모 보정값을 생성하는 방법을 설명하기 위한 순서도이다.
도 6은 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치가 수집하는 데이터를 설명하기 위한 도면이다.
도 7은 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치에 의해 생성된 보정값을 CNC 컨트롤러에 적용하는 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 블록도이다.BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a schematic view of an environment to which a CNC tool wear compensation apparatus according to an embodiment of the present invention is applied. FIG.
2 is a block diagram showing a configuration of a CNC tool wear-compensation apparatus according to an embodiment of the present invention.
3 is a flowchart illustrating a method of learning and verifying a CNC tool wear correction model according to an embodiment of the present invention.
4 is a flowchart for explaining a process of learning a CNC tool wear correction model in step S330 of FIG.
5 is a flowchart illustrating a method of generating a CNC tool wear correction value according to an embodiment of the present invention.
6 is a view for explaining data collected by the CNC tool wear compensation apparatus according to an embodiment of the present invention.
7 is a view for explaining a method of applying a correction value generated by a CNC tool wear correction apparatus according to an embodiment of the present invention to a CNC controller.
8 is a block diagram illustrating a computer system in accordance with an embodiment of the present invention.

본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. 본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.The present invention will now be described in detail with reference to the accompanying drawings. Hereinafter, a repeated description, a known function that may obscure the gist of the present invention, and a detailed description of the configuration will be omitted. Embodiments of the present invention are provided to more fully describe the present invention to those skilled in the art. Accordingly, the shapes and sizes of the elements in the drawings and the like can be exaggerated for clarity.

이하, 본 발명에 따른 바람직한 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.Hereinafter, preferred embodiments according to the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치가 적용되는 환경을 개략적으로 나타낸 도면이다. BRIEF DESCRIPTION OF THE DRAWINGS FIG. 1 is a schematic view of an environment to which a CNC tool wear compensation apparatus according to an embodiment of the present invention is applied. FIG.

도 1에 도시한 바와 같이, CNC 공구 마모 보정 장치(200)는 원자재 밀시트(10), 가공품 검사 장치(20), 센서(30) 및 CNC 컨트롤러(100) 중 적어도 어느 하나로부터 데이터를 수집하여 저장할 수 있다. 1, the CNC tool wear correction apparatus 200 collects data from at least one of the raw material sheet 10, the workpiece inspection apparatus 20, the sensor 30 and the CNC controller 100 Can be stored.

원자재 밀시트(10)는 CNC 공정에 재료로 사용되는 원자재의 물리적 성질, 화학적 성질 및 치수 정보를 포함하는 원자재 데이터를 CNC 공구 마모 보정 장치(200)로 전송할 수 있다. The raw material sheet 10 can transmit raw material data including the physical properties, chemical properties, and dimensional information of the raw materials used as materials to the CNC process to the CNC tool wear correction apparatus 200.

그리고 가공품 검사 장치(20)는 CNC 공정의 결과물인 가공품의 치수 정보를 CNC 공구 마모 보정 장치(200)로 전송할 수 있다. Then, the workpiece inspection apparatus 20 can transmit the dimension information of the workpiece, which is the result of the CNC process, to the CNC tool wear compensation apparatus 200. [

다음으로 센서(30)는 CNC 내부의 온도, 작업 환경의 온도 및 습도 등을 측정하여, CNC 공구 마모 보정 장치(200)로 전송할 수 있다. Next, the sensor 30 measures the temperature inside the CNC, the temperature and the humidity of the working environment, and transmits it to the CNC tool wear-compensation apparatus 200.

그리고 CNC 컨트롤러(100)는 설비 데이터를 CNC 공구 마모 보정 장치(200)로 전송할 수 있다. 이때, 설비 데이터는 회전 속도(RPM), 공급량(feed rate), G-코드(G-code), 부하량, 생산 수량 및 공구 마모 값 중 적어도 어느 하나를 포함할 수 있다. Then, the CNC controller 100 can transmit the facility data to the CNC tool wear-compensation apparatus 200. [ At this time, the facility data may include at least one of a rotation speed (RPM), a feed rate, a G-code (G-code), a load, a production quantity and a tool wear value.

마지막으로 CNC 공구 마모 보정 장치(200)는 원자재 밀시트(10), 가공품 검사 장치(20), 센서(30) 및 CNC 컨트롤러(100) 중 적어도 어느 하나로부터 데이터를 수집한다. 그리고 CNC 공구 마모 보정 장치(200)는 수집된 데이터를 이용하여 CNC 공구 마모 보정 모델을 학습한다. Finally, the CNC tool wear correction apparatus 200 collects data from at least one of the raw material sheet 10, the workpiece inspection apparatus 20, the sensor 30 and the CNC controller 100. Then, the CNC tool wear correction apparatus 200 learns the CNC tool wear correction model using the collected data.

또한, CNC 공구 마모 보정 장치(200)는 학습된 CNC 공구 마모 보정 모델을 실행하여, 보정값을 생성하고, 생성된 보정값을 출력한다. 이때, CNC 공구 마모 보정 장치(200)는 생성된 보정값을 CNC 컨트롤러(100)로 전송하여, CNC 컨트롤러(100)가 보정값을 기반으로 보정을 수행하도록 할 수 있다. 그리고 CNC 공구 마모 보정 장치(200)는 생성된 보정값을 출력하여 작업자가 CNC 컨트롤러(100)에 입력하도록 할 수도 있다. Further, the CNC tool wear correction apparatus 200 executes the learned CNC tool wear correction model to generate a correction value, and outputs the generated correction value. At this time, the CNC tool wear correction apparatus 200 may transmit the generated correction value to the CNC controller 100 so that the CNC controller 100 may perform correction based on the correction value. Then, the CNC tool wear correction apparatus 200 may output the generated correction value and allow the operator to input the correction value to the CNC controller 100.

이하에서는 도 2를 통하여, 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치의 구성에 대하여 더욱 상세하게 설명한다. Hereinafter, the construction of the CNC tool wear compensation apparatus according to an embodiment of the present invention will be described in more detail with reference to FIG.

도 2는 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치의 구성을 나타낸 블록도이다. 2 is a block diagram showing a configuration of a CNC tool wear-compensation apparatus according to an embodiment of the present invention.

도 2에 도시한 바와 같이, CNC 공구 마모 보정 장치(200)는 데이터 수집부(210), 모델 학습부(220), 모델 검증부(230), 보정값 연산부(240) 및 보정값 출력부(250)를 포함한다. 2, the CNC tool wear correction apparatus 200 includes a data collection unit 210, a model learning unit 220, a model verification unit 230, a correction value calculation unit 240, and a correction value output unit 250).

먼저, 데이터 수집부(210)는 원자재 밀시트, CNC 컨트롤러, 가공품 검사 장치 및 센서 중 적어도 어느 하나로부터 데이터를 수집하여 저장한다. 여기서, 데이터는 원자재 데이터, 설비 데이터, 가공품 데이터 및 환경 데이터 중 적어도 어느 하나를 포함할 수 있다. First, the data collecting unit 210 collects and stores data from at least one of a raw material mill sheet, a CNC controller, a workpiece inspection apparatus, and a sensor. Here, the data may include at least one of raw material data, facility data, workpiece data, and environmental data.

데이터 수집부(210)는 원자재 밀시트로부터 원자재 데이터를 입력받을 수 있다. 그리고 원자재 데이터는 CNC 공정에 재료로 사용되는 원자재의 물리적 성질, 화학적 성질 및 치수 정보를 포함할 수 있다. The data collecting unit 210 can receive raw material data from the raw material wheat sheet. And raw material data may include physical properties, chemical properties, and dimensional information of the raw materials used as materials in the CNC process.

또한, 데이터 수집부(210)는 CNC 컨트롤러로부터 설비 데이터를 수집할 수 있다. 설비 데이터는 회전 속도(RPM), 공급량(feed rate), G-코드(G-code), 부하량, 생산 수량 및 공구 마모 값 중 적어도 어느 하나를 포함할 수 있다. Also, the data collecting unit 210 can collect facility data from the CNC controller. The facility data may include at least one of a rotational speed (RPM), a feed rate, a G-code, a load, a production quantity, and a tool wear value.

그리고 데이터 수집부(210)는 가공품 검사 장치로부터 CNC 공정의 결과물인 가공품의 치수 정보를 포함하는 가공품 데이터를 수집할 수 있다. 또한, 데이터 수집부(210)는 센서로부터 CNC 내부의 온도, 작업 환경의 온도 및 습도 중 적어도 어느 하나를 포함하는 환경 데이터를 수집할 수도 있다. The data collecting unit 210 can collect workpiece data including the dimension information of the workpiece, which is the result of the CNC process, from the workpiece inspection apparatus. Also, the data collecting unit 210 may collect environmental data including at least one of the temperature inside the CNC, the temperature of the working environment, and the humidity from the sensor.

다음으로 모델 학습부(220)는 수집된 데이터로부터 학습용 데이터를 추출한다. 그리고 모델 학습부(220)는 추출된 학습용 데이터에 대한 기계학습을 수행하여, CNC 공구 마모 보정 모델을 학습한다. Next, the model learning unit 220 extracts learning data from the collected data. Then, the model learning unit 220 performs the machine learning on the extracted learning data to learn the CNC tool wear correction model.

모델 학습부(220)는 학습용 데이터의 입력 속성을 정의하고, 기계학습 모델을 선택한다. 이때, 모델 학습부(220)는 회귀 모델 중 어느 하나를 기계학습 모델로 선택할 수 있다. The model learning unit 220 defines the input attribute of the learning data and selects the machine learning model. At this time, the model learning unit 220 can select any one of the regression models as a machine learning model.

또한, 모델 학습부(220)는 선택된 기계학습 모델에 상응하는 파라미터를 설정하고, 파라미터가 설정된 기계학습 모델에 입력 속성에 상응하는 학습용 데이터를 입력하여, CNC 공구 마모 보정 모델을 학습할 수 있다. Further, the model learning unit 220 can set the parameters corresponding to the selected machine learning model, and input the learning data corresponding to the input attribute to the machine learning model for which the parameter is set, to learn the CNC tool wear correction model.

모델 학습부(220)는 학습용 데이터의 입력 속성을 정의할 때, 학습용 데이터에 상응하는 기 정의된 입력 속성들을 기반으로 새로운 입력 속성을 정의할 수 있다. 그리고 모델 학습부(220)는 기 정의된 입력 속성들을 삭제하여 학습용 데이터의 입력 속성을 정의할 수도 있다. The model learning unit 220 may define new input attributes based on predefined input attributes corresponding to learning data when defining input attributes of learning data. The model learning unit 220 may define input attributes of the training data by deleting predefined input attributes.

그리고 모델 검증부(230)는 데이터로부터 추출된 검증용 데이터를 이용하여, 학습한 CNC 공구 마모 보정 모델을 검증한다. 이때, 모델 검증부(230)는 CNC 공구 마모 보정 모델에 검증용 데이터를 입력한 결과값과 검증용 데이터를 비교하여, 모델을 검증할 수 있다. Then, the model verification unit 230 verifies the learned CNC tool wear correction model using the verification data extracted from the data. At this time, the model verifying unit 230 can verify the model by comparing the result obtained by inputting the verification data to the CNC tool wear correction model with the verification data.

다음으로 보정값 연산부(240)는 수집된 데이터를 CNC 공구 마모 보정 모델에 입력하여, CNC 공구 마모 보정 모델을 실행한다. 보정값 연산부(240)는 CNC 공구 마모 보정 모델을 실행하여, CNC 공구 마모에 대한 보정값을 생성할 수 있다. Next, the correction value calculation unit 240 inputs the collected data to the CNC tool wear correction model to execute the CNC tool wear correction model. The correction value calculation unit 240 can execute a CNC tool wear correction model to generate a correction value for CNC tool wear.

마지막으로 보정값 출력부(250)는 CNC 공구 마모 보정 모델의 실행 결과인 보정값을 출력한다. 이때, 보정값 출력부(250)는 CNC 컨트롤러로 보정값을 전송하거나, 사용자에게 보정값을 출력할 수 있다. Finally, the correction value output unit 250 outputs the correction value which is the execution result of the CNC tool wear correction model. At this time, the correction value output unit 250 can transmit the correction value to the CNC controller or output the correction value to the user.

이하에서는 도 3 내지 도 5를 통하여 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치에 의해 수행되는 CNC 공구 마모 보정 방법에 대하여 더욱 상세하게 설명한다. Hereinafter, a CNC tool wear compensation method performed by the CNC tool wear compensation apparatus according to an embodiment of the present invention will be described in more detail with reference to FIGS. 3 through 5. FIG.

도 3은 본 발명의 일실시예에 따른 CNC 공구 마모 보정 모델을 학습 및 검증하는 방법을 설명하기 위한 순서도이다. 3 is a flowchart illustrating a method of learning and verifying a CNC tool wear correction model according to an embodiment of the present invention.

먼저, CNC 공구 마모 보정 장치(200)는 데이터를 수집하고, 수집된 데이터를 저장한다(S310).First, the CNC tool wear correction apparatus 200 collects data and stores the collected data (S310).

CNC 공구 마모 보정 장치(200)는 원자재 데이터, 설비 데이터, 가공품 검사 데이터 및 환경 데이터 중 적어도 어느 하나를 포함하는 데이터를 수집하고, 수집된 데이터를 저장한다. 이때, CNC 공구 마모 보정 장치(200)는 수집된 데이터를 DB에 저장할 수 있다. The CNC tool wear correction apparatus 200 collects data including at least one of raw material data, facility data, workpiece inspection data, and environmental data, and stores the collected data. At this time, the CNC tool wear correction apparatus 200 can store the collected data in the DB.

그리고 CNC 공구 마모 보정 장치(200)는 저장된 데이터로부터 학습용 데이터를 추출한다(S320).Then, the CNC tool wear correction apparatus 200 extracts learning data from the stored data (S320).

CNC 공구 마모 보정 장치(200)는 S310 단계에서 저장된 데이터로부터 학습용 데이터(training data)를 추출한다. 여기서, 학습용 데이터는 복수 개의 입력 속성을 가질 수 있다. The CNC tool wear correction apparatus 200 extracts training data from the data stored in step S310. Here, the learning data may have a plurality of input attributes.

다음으로 CNC 공구 마모 보정 장치(200)는 기계 학습을 수행하여, CNC 공구 마모 보정 모델을 학습한다(S330). Next, the CNC tool wear correction apparatus 200 performs a machine learning to learn a CNC tool wear correction model (S330).

CNC 공구 마모 보정 장치(200)는 추출된 학습용 데이터를 사용하여, 기계학습 기반 CNC 공구 마모 보정 모델을 학습시킨다. The CNC tool wear correction apparatus 200 uses the extracted learning data to learn a machine learning-based CNC tool wear correction model.

도 4는 도 3의 S330 단계에서, CNC 공구 마모 보정 모델을 학습하는 과정을 설명하기 위한 순서도이다. 4 is a flowchart for explaining a process of learning a CNC tool wear correction model in step S330 of FIG.

S320 단계를 수행한 CNC 공구 마모 보정 장치(200)는 학습용 데이터의 입력 속성을 정의한다(S331). The CNC tool wear correction apparatus 200 performing step S320 defines an input attribute of the learning data (S331).

CNC 공구 마모 보정 장치(200)는 저장된 데이터 중에서 학습용 데이터(training data)를 추출하고, 추출된 학습용 데이터의 입력 속성(input attribute)을 정의한다. CNC 공구 마모 보정 장치(200)는 문제에 적합하도록 각 입력 속성들 사이의 연산을 수행하여, 새로운 속성을 정의하거나, 불필요한 속성을 삭제할 수 있다. 예를 들어, CNC 공구 마모 보정 장치(200)는 1번 속성과 3번 속성을 더하여 새로운 입력 속성을 정의하거나, 필요없는 2번 속성을 삭제할 수 있다. The CNC tool wear correction apparatus 200 extracts training data from stored data and defines an input attribute of the extracted learning data. The CNC tool wear correction apparatus 200 can perform an arithmetic operation between the respective input attributes to suit the problem, define a new attribute, or delete an unnecessary attribute. For example, the CNC tool wear correction apparatus 200 may add a first attribute and a third attribute to define a new input attribute, or delete an unnecessary second attribute.

설명의 편의상, CNC 공구 마모 보정 장치(200)가 S331 단계를 수행하여 학습용 데이터의 입력 속성을 정의하는 것으로 설명하였으나, 필요에 따라 S331 단계의 수행을 생략하고 학습용 데이터의 입력 속성을 그대로 사용할 수도 있다. For convenience of explanation, the CNC tool wear correction apparatus 200 performs the step S331 to define the input attribute of the training data. However, if necessary, the execution of the step S331 may be omitted and the input attribute of the training data may be used as it is .

그리고 CNC 공구 마모 보정 장치(200)는 문제에 적합한 기계 학습 모델을 선택한다(S333). Then, the CNC tool wear correction apparatus 200 selects a machine learning model suitable for the problem (S333).

이때, CNC 공구 마모 보정 장치(200)는 CNC 공구 마모 보정값 추천 모델을 학습하기 위하여, 다양한 회귀 모델 중에서 어느 하나를 기계 학습 모델로 선택할 수 있다. 여기서 회귀 모델은 linear regression, polynomial regression, support vector regression 등을 의미할 수 있으며, 회귀 모델의 종류는 이에 한정되지 않는다. At this time, in order to learn the CNC tool wear correction value recommendation model, the CNC tool wear correction apparatus 200 can select any one of various regression models as a machine learning model. Here, the regression model may mean linear regression, polynomial regression, support vector regression, etc., and the regression model is not limited thereto.

다음으로 CNC 공구 마모 보정 장치(200)는 선택된 기계 학습 모델에 필요한 파라미터를 설정한다(S335). Next, the CNC tool wear correction apparatus 200 sets parameters required for the selected machine learning model (S335).

또한 CNC 공구 마모 보정 장치(200)는 CNC 공구 마모 보정 모델을 학습한다(S337).Further, the CNC tool wear correction apparatus 200 learns the CNC tool wear correction model (S337).

CNC 공구 마모 보정 장치(200)는 선택된 기계 학습 모델에, 입력 속성에 따라 정제된 학습용 데이터를 입력하여, CNC 공구 마모 보정 모델을 학습한다. 이때, 선택된 기계 학습 모델은 파라미터가 설정된 기계 학습 모델이고, 기계 학습 모델에 입력되는 학습용 데이터는 S331 단계에서 정의된 입력 속성에 따라 정제된 것일 수 있다. The CNC tool wear correction apparatus 200 learns the CNC tool wear correction model by inputting refined learning data in accordance with input attributes to the selected machine learning model. At this time, the selected machine learning model is a machine learning model in which parameters are set, and the learning data input to the machine learning model may be refined according to the input attributes defined in step S331.

다시 도 3에 대하여 설명하면, CNC 공구 마모 보정 장치(200)는 학습된 CNC 공구 마모 보정 모델을 검증한다(S340). Referring again to FIG. 3, the CNC tool wear correction apparatus 200 verifies the learned CNC tool wear correction model (S340).

CNC 공구 마모 보정 장치(200)는 S330 단계에서 학습에 사용된 학습용 데이터를 제외한 검증용 데이터를 이용하여, 학습된 CNC 공구 마모 보정 모델을 검증할 수 있다. 이때, CNC 공구 마모 보정 장치(200)는 검증용 데이터를 학습된 CNC 공구 마모 보정 모델에 입력하여 출력된 결과값과, 검증용 데이터의 참값을 비교하여 검증을 수행할 수 있다. The CNC tool wear correction apparatus 200 can verify the learned CNC tool wear correction model using the verification data excluding the learning data used in the learning in step S330. At this time, the CNC tool wear correction apparatus 200 can input verification data to the learned CNC tool wear correction model and compare the output value with the true value of the verification data to perform verification.

검증 결과가 기 정의된 기준을 만족할 경우, CNC 공구 마모 보정 장치(200)는 S330 단계에서 학습된 CNC 공구 마모 보정 모델을 최종 결과 모델로 설정할 수 있다. 반면, 검증 결과가 기 정의된 기준을 만족하지 않을 경우, CNC 공구 마모 보정 장치(200)는 다시 S330 단계를 수행하여 새로운 CNC 공구 마모 보정 모델을 학습시킬 수 있다. If the verification result satisfies the predefined criteria, the CNC tool wear correction apparatus 200 can set the CNC tool wear correction model learned in step S330 as a final result model. On the other hand, if the verification result does not satisfy the predefined criterion, the CNC tool wear-attenuator 200 may perform step S330 again to learn a new CNC tool wear-compensation model.

도 5는 본 발명의 일실시예에 따른 CNC 공구 마모 보정값을 생성하는 방법을 설명하기 위한 순서도이다. 5 is a flowchart illustrating a method of generating a CNC tool wear correction value according to an embodiment of the present invention.

먼저, CNC 공구 마모 보정 장치(200)는 데이터를 수집하고, 수집된 데이터를 저장한다(S510).First, the CNC tool wear correction apparatus 200 collects data and stores the collected data (S510).

CNC 공구 마모 보정 장치(200)가 데이터를 수집하여 저장하는 과정은 도 3의 S310 단계와 실질적으로 동일한 바, 중복되는 설명은 생략한다. The process of collecting and storing data by the CNC tool wear compensation apparatus 200 is substantially the same as that of step S310 of FIG. 3, and redundant explanations are omitted.

다음으로 CNC 공구 마모 보정 장치(200)는 수집된 데이터를 입력하여, CNC 공구 마모 보정 모델을 실행한다(S520). Next, the CNC tool wear correction apparatus 200 inputs the collected data to execute the CNC tool wear correction model (S520).

CNC 공구 마모 보정 장치(200)는 도 3을 통하여 학습된 CNC 공구 마모 보정 모델을 실행한다. 이때, CNC 공구 마모 보정 장치(200)는 도 3의 S330 단계에서 학습된 CNC 공구 마모 보정 모델을 실행하거나, S340 단계에서 검증이 완료된 최종 결과 모델을 실행할 수 있다. The CNC tool wear correction apparatus 200 executes the learned CNC tool wear correction model through FIG. At this time, the CNC tool wear correction apparatus 200 may execute the CNC tool wear correction model learned in step S330 of FIG. 3, or may execute the final result model that has been verified in step S340.

그리고 CNC 공구 마모 보정 장치(200)는 CNC 공구 마모 보정 모델의 실행 결과인 보정값을 출력한다(S530).Then, the CNC tool wear correction apparatus 200 outputs the correction value which is the execution result of the CNC tool wear correction model (S530).

이때, CNC 공구 마모 보정 장치(200)는 현장에 설치된 패널을 통하여 GUI 형태로 보정값을 출력할 수 있다. CNC 공구 마모 보정 장치(200)는 작업자에게 보정값을 출력함으로써, 작업자가 수동으로 CNC 컨트롤러에 보정값을 입력하도록 할 수 있다.At this time, the CNC tool wear correction apparatus 200 can output the correction value in a GUI form through a panel installed on the field. The CNC tool wear correction apparatus 200 can output the correction value to the operator so that the operator can manually input the correction value to the CNC controller.

마지막으로, CNC 공구 마모 보정 장치(200)는 CNC 컨트롤러 보정값을 전송한다(S540). Finally, the CNC tool wear correction apparatus 200 transmits the CNC controller correction value (S540).

CNC 공구 마모 보정 장치(200)는 CNC 컨트롤러로 보정값을 전송하여, CNC 컨트롤러가 보정값에 상응하도록 CNC의 공구 마모를 보정하도록 할 수 있다. The CNC tool wear correction apparatus 200 may transmit a correction value to the CNC controller so that the CNC controller corrects the tool wear of the CNC so as to correspond to the correction value.

이하에서는 도 6을 통하여 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치가 수집하는 데이터에 대하여 더욱 상세하게 설명한다. Hereinafter, data collected by the CNC tool wear compensation apparatus according to an embodiment of the present invention will be described in more detail with reference to FIG.

도 6은 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치가 수집하는 데이터를 설명하기 위한 도면이다. 6 is a view for explaining data collected by the CNC tool wear compensation apparatus according to an embodiment of the present invention.

도 6에 도시한 바와 같이, CNC 공구 마모 보정 장치(200)는 원자재 밀시트, CNC 컨트롤러, 가공품 검사 장치 및 센서 중 적어도 어느 하나로부터 데이터를 수집하여 저장할 수 있다. 이때, CNC 공구 마모 보정 장치(200)는 자체 DB에 데이터를 저장하거나, 외부 DB에 수집된 데이터를 저장할 수도 있다. As shown in Fig. 6, the CNC tool wear correction apparatus 200 can collect and store data from at least one of a raw material mill sheet, a CNC controller, a workpiece inspection apparatus, and a sensor. At this time, the CNC tool wear correction apparatus 200 may store data in its own DB or data collected in an external DB.

CNC 공구 마모 보정 장치(200)는 원자재 밀시트로부터 원자재 데이터를 수집할 수 있으며, 원자재 데이터는 CNC 공정에 재료로 사용되는 원자재의 물리적 성질, 화학적 성질 및 치수 정보 중 적어도 어느 하나를 포함할 수 있다. The CNC tool wear correction apparatus 200 may collect raw material data from the raw material sheet and the raw material data may include at least one of the physical properties, chemical properties, and dimensional information of the raw materials used as materials in the CNC process .

또한, CNC 공구 마모 보정 장치(200)는 CNC 컨트롤러로부터 회전 속도(RPM), 공급량(feed rate), G-코드(G-code), 부하량, 생산 수량 및 공구 마모 값 중 적어도 어느 하나를 포함하는 설비 데이터를 수집할 수 있다. The CNC tool wear correction apparatus 200 also includes a CNC tool wear correction apparatus 200 that includes at least one of a rotation speed RPM, a feed rate, a G-code, a load amount, Equipment data can be collected.

그리고 CNC 공구 마모 보정 장치(200)는 CNC 공정의 결과물인 가공품의 치수 정보를 가공품 검사 장치로부터 수집하거나, 온도 센서 및 습도 센서 등으로부터 CNC 내부의 온도, 작업 환경의 온도 및 습도 중 적어도 어느 하나를 포함하는 환경 데이터를 수집할 수도 있다. The CNC tool wear compensation apparatus 200 collects the dimensional information of the work product, which is the result of the CNC process, from the workpiece inspection apparatus, or obtains at least one of the temperature inside the CNC, the temperature and the humidity of the work environment from the temperature sensor and the humidity sensor And may collect environmental data that it contains.

도 7은 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치에 의해 생성된 보정값을 CNC 컨트롤러에 적용하는 방법을 설명하기 위한 도면이다.7 is a view for explaining a method of applying a correction value generated by a CNC tool wear correction apparatus according to an embodiment of the present invention to a CNC controller.

도 7과 같이, CNC 공구 마모 보정 장치(200)는 DB에 저장된 데이터를 입력하여 CNC 공구 마모 보정 모델을 실행하고, 그 결과로 CNC 공구 마모 보정값 결과를 생성할 수 있다. 그리고 CNC 공구 마모 보정 장치(200)는 보정값 결과를 출력한다. As shown in FIG. 7, the CNC tool wear correction apparatus 200 can input the data stored in the DB to execute the CNC tool wear correction model, and as a result, generate the CNC tool wear correction value result. Then, the CNC tool wear correction apparatus 200 outputs a correction value result.

이때, CNC 공구 마모 보정 장치(200)는 보정값 결과가 CNC 컨트롤러(100)에 자동으로 입력되도록, CNC 컨트롤러(100)로 보정값을 전송할 수 있다. 또한, CNC 공구 마모 보정 장치(200)는 작업자가 보정값 결과를 수동으로 CNC 컨트롤러(100)에 입력하도록, GUI 패널을 통하여 출력하여 보정값 결과를 출력할 수도 있다. At this time, the CNC tool wear correction apparatus 200 can transmit the correction value to the CNC controller 100 so that the correction value result is automatically input to the CNC controller 100. [ Further, the CNC tool wear correction apparatus 200 may output the correction value result through the GUI panel so that the operator manually inputs the correction value result into the CNC controller 100. [

이와 같이, 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치(200)는 데이터 기반 기계 학습을 적용하여 CNC의 공구 마모 보정값을 계산함으로써, 종래 기술에 비하여 정확성이 높고, 작업자가 바뀌거나 비숙련자인 경우에도 가공품의 품질을 일정하게 유지할 수 있다. 또한, 본 발명의 일실시예에 따른 CNC 공구 마모 보정 장치(200)는 추가 설비 설치를 필요로 하지 않으며, 가공 시간 및 효율에 영향을 주지 않는 범위에서 CNC의 공구 마모 보정값을 계산할 수 있다. As described above, the CNC tool wear correction apparatus 200 according to the embodiment of the present invention calculates the tool wear correction value of the CNC by applying the data-based machine learning, so that the accuracy of the tool wear correction is higher than that of the prior art, Even in the case of skilled workers, the quality of the workpieces can be kept constant. In addition, the CNC tool wear correction apparatus 200 according to an embodiment of the present invention does not require installation of additional equipment, and can calculate the tool wear correction value of the CNC within a range that does not affect the machining time and efficiency.

도 8은 본 발명의 일실시예에 따른 컴퓨터 시스템을 나타낸 블록도이다.8 is a block diagram illustrating a computer system in accordance with an embodiment of the present invention.

도 8을 참조하면, 본 발명의 실시예는 컴퓨터로 읽을 수 있는 기록매체와 같은 컴퓨터 시스템(800)에서 구현될 수 있다. 도 8에 도시된 바와 같이, 컴퓨터 시스템(800)은 버스(820)를 통하여 서로 통신하는 하나 이상의 프로세서(810), 메모리(830), 사용자 입력 장치(840), 사용자 출력 장치(850) 및 스토리지(860)를 포함할 수 있다. 또한, 컴퓨터 시스템(800)은 네트워크(880)에 연결되는 네트워크 인터페이스(870)를 더 포함할 수 있다. 프로세서(810)는 중앙 처리 장치 또는 메모리(830)나 스토리지(860)에 저장된 프로세싱 인스트럭션들을 실행하는 반도체 장치일 수 있다. 메모리(830) 및 스토리지(860)는 다양한 형태의 휘발성 또는 비휘발성 저장 매체일 수 있다. 예를 들어, 메모리는 ROM(831)이나 RAM(832)을 포함할 수 있다. Referring to FIG. 8, embodiments of the present invention may be implemented in a computer system 800, such as a computer readable recording medium. 8, a computer system 800 includes one or more processors 810, a memory 830, a user input device 840, a user output device 850, and a storage 850, which communicate with one another via a bus 820. [ 860 < / RTI > In addition, the computer system 800 may further include a network interface 870 connected to the network 880. The processor 810 may be a central processing unit or a semiconductor device that executes the processing instructions stored in the memory 830 or the storage 860. [ Memory 830 and storage 860 may be various types of volatile or non-volatile storage media. For example, the memory may include ROM 831 or RAM 832.

따라서, 본 발명의 실시예는 컴퓨터로 구현된 방법이나 컴퓨터에서 실행 가능한 명령어들이 기록된 비일시적인 컴퓨터에서 읽을 수 있는 매체로 구현될 수 있다. 컴퓨터에서 읽을 수 있는 명령어들이 프로세서에 의해서 수행될 때, 컴퓨터에서 읽을 수 있는 명령어들은 본 발명의 적어도 한 가지 실시예에 따른 방법을 수행할 수 있다.Thus, embodiments of the invention may be embodied in a computer-implemented method or in a non-volatile computer readable medium having recorded thereon instructions executable by the computer. When computer-readable instructions are executed by a processor, the instructions readable by the computer may perform the method according to at least one embodiment of the invention.

이상에서와 같이 본 발명에 따른 CNC 공구 마모 보정 장치 및 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다. As described above, the CNC tool wear compensation apparatus and method according to the present invention are not limited to the configuration and method of the embodiments described above, but rather, All or a part of the above-described elements may be selectively combined.

10: 원자재 밀시트 20: 가공품 검사 장치
30: 센서 100: CNC 컨트롤러
200: CNC 공구 마모 보정 장치 210: 데이터 수집부
220: 모델 학습부 230: 모델 검증부
240: 보정값 연산부 250: 보정값 출력부
800: 컴퓨터 시스템 810: 프로세서
820: 버스 830: 메모리
831: 롬 832: 램
840: 사용자 입력 장치 850: 사용자 출력 장치
860: 스토리지 870: 네트워크 인터페이스
880: 네트워크 10: Raw material mill sheet 20: Workpiece inspection apparatus
30: Sensor 100: CNC controller
200: CNC tool wear correction device 210: Data collecting part
220: model learning unit 230: model verification unit
240: correction value calculation unit 250: correction value output unit
800: computer system 810: processor
820: bus 830: memory
831: ROM 832: RAM
840: user input device 850: user output device
860: Storage 870: Network Interface
880: Network

Claims (20)

CNC 공구 마모 보정 장치에 의해 수행되는 CNC 공구 마모 보정 방법에 있어서,
원자재 밀시트, CNC 컨트롤러, 가공품 검사 장치 및 센서 중 적어도 어느 하나로부터 데이터를 수집하여 저장하는 단계,
상기 데이터를 학습이 완료된 CNC 공구 마모 보정 모델에 입력하여, 상기 CNC 공구 마모 보정 모델을 실행하는 단계, 그리고
상기 CNC 공구 마모 보정 모델의 실행 결과인 보정값을 출력하는 단계
를 포함하는 CNC 공구 마모 보정 방법. A CNC tool wear compensation method performed by a CNC tool wear compensation apparatus,
Collecting and storing data from at least one of a raw material mill sheet, a CNC controller, a workpiece inspection apparatus, and a sensor,
Executing the CNC tool wear correction model by inputting the data into a CNC tool wear correction model that has been learned; and
A step of outputting a correction value which is a result of execution of the CNC tool wear correction model
/ RTI > A method of correcting wear of a CNC tool. 제1항에 있어서,
상기 데이터로부터 학습용 데이터를 추출하는 단계, 그리고
추출된 상기 학습용 데이터에 대한 기계학습을 수행하여, 상기 CNC 공구 마모 보정 모델을 학습하는 단계
를 더 포함하는 CNC 공구 마모 보정 방법.The method according to claim 1,
Extracting training data from the data, and
Performing the machine learning on the extracted learning data, and learning the CNC tool wear correction model
Wherein the CNC tool wear correction method further comprises: 제2항에 있어서,
상기 CNC 공구 마모 보정 모델을 학습하는 단계는,
상기 학습용 데이터의 입력 속성을 정의하는 단계,
기계학습 모델을 선택하는 단계,
선택된 상기 기계학습 모델에 상응하는 파라미터를 설정하는 단계, 그리고
상기 파라미터가 설정된 상기 기계학습 모델에 상기 입력 속성에 상응하는 상기 학습용 데이터를 입력하여, 상기 CNC 공구 마모 보정 모델을 학습하는 단계를 포함하는 CNC 공구 마모 보정 방법. 3. The method of claim 2,
Wherein learning the CNC tool wear correction model comprises:
Defining input attributes of the learning data,
Selecting a machine learning model,
Setting a parameter corresponding to the selected machine learning model, and
And learning the CNC tool wear correction model by inputting the learning data corresponding to the input attribute into the machine learning model for which the parameter is set. 제3항에 있어서,
상기 기계학습 모델을 선택하는 단계는,
회귀모델 중 어느 하나를 상기 기계학습 모델로 선택하는 것을 특징으로 하는 CNC 공구 마모 보정 방법.The method of claim 3,
Wherein the step of selecting the machine learning model comprises:
Wherein one of the regression models is selected as the machine learning model. 제3항에 있어서,
상기 학습용 데이터의 입력 속성을 정의하는 단계는,
학습용 데이터에 상응하는 기 정의된 입력 속성들을 기반으로 새로운 상기 입력 속성을 정의하거나, 상기 기 정의된 입력 속성들을 삭제하는 것을 특징으로 하는 CNC 공구 마모 보정 방법.The method of claim 3,
Wherein defining the input attribute of the training data comprises:
Defining new input attributes based on predefined input attributes corresponding to the training data, or deleting the predefined input attributes. 제2항에 있어서,
상기 데이터로부터 추출된 검증용 데이터를 이용하여, 학습된 상기 CNC 공구 마모 보정 모델을 검증하는 단계를 더 포함하는 CNC 공구 마모 보정 방법.3. The method of claim 2,
And verifying the learned CNC tool wear correction model using the verification data extracted from the data. 제6항에 있어서,
상기 CNC 공구 마모 보정 모델을 검증하는 단계는,
상기 CNC 공구 마모 보정 모델에 상기 검증용 데이터를 입력한 결과값과 상기 검증용 데이터를 비교하여 상기 모델을 검증하는 것을 특징으로 하는 CNC 공구 마모 보정 방법. The method according to claim 6,
Wherein verifying the CNC tool wear correction model comprises:
Wherein the model is verified by comparing the result of the verification data input to the CNC tool wear correction model with the verification data. 제2항에 있어서,
상기 보정값을 상기 CNC 컨트롤러에 전송하여, 상기 CNC 컨트롤러가 상기 보정값을 기반으로 보정을 수행하도록 하는 단계를 더 포함하는 CNC 공구 마모 보정 방법. 3. The method of claim 2,
And transmitting the correction value to the CNC controller to cause the CNC controller to perform correction based on the correction value. 제1항에 있어서,
상기 데이터는,
원자재 데이터, 설비 데이터, 가공품 검사 데이터 및 환경 데이터 중 적어도 어느 하나를 포함하는 CNC 공구 마모 보정 방법. The method according to claim 1,
The data includes:
CNC tool wear correction method comprising at least one of raw material data, plant data, workpiece inspection data, and environmental data. 제9항에 있어서,
상기 원자재 데이터는 원자재의 물리적 성질, 화학적 성질 및 치수 정보 중 적어도 어느 하나를 포함하고, 상기 설비 데이터는 회전 속도(RPM), 공급량(feed rate), G-코드(G-code), 부하량, 생산 수량 및 공구 마모 값 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 CNC 공구 마모 보정 방법. 10. The method of claim 9,
Wherein the raw material data includes at least one of physical property, chemical property, and dimensional information of a raw material, and the facility data includes at least one of a rotational speed (RPM), a feed rate, a G-code And a tool wear value of the CNC tool. 제9항에 있어서,
상기 가공품 검사 데이터는 가공품의 치수 정보를 포함하고, 상기 환경 데이터는 상기 CNC의 내부 온도, 작업 환경의 온도 및 습도 중 적어도 어느 하나를 포함하는 것을 특징으로 하는 CNC 공구 마모 보정 방법.10. The method of claim 9,
Wherein the workpiece inspection data includes dimension information of a workpiece, and the environmental data includes at least one of an internal temperature of the CNC, a temperature of the work environment, and a humidity. 원자재 밀시트, CNC 컨트롤러, 가공품 검사 장치 및 센서 중 적어도 어느 하나로부터 데이터를 수집하는 데이터 수집부,
상기 데이터로부터 학습용 데이터를 추출하고, 추출된 상기 학습용 데이터에 대한 기계학습을 수행하여, CNC 공구 마모 보정 모델을 학습하는 모델 학습부, 그리고
수집된 상기 데이터를 상기 CNC 공구 마모 보정 모델에 입력하여, 상기 CNC 공구 마모 보정 모델을 실행하는 보정값 연산부
를 포함하는 CNC 공구 마모 보정 장치. A data collector for collecting data from at least one of a raw material mill sheet, a CNC controller, a workpiece inspection apparatus, and a sensor,
A model learning unit that extracts learning data from the data, performs a machine learning on the extracted learning data, and learns a CNC tool wear correction model, and
The CNC tool wear correction model, and the correction value calculation section for executing the CNC tool wear correction model by inputting the collected data to the CNC tool wear correction model,
Wherein the CNC tool wear compensation device comprises: 제12항에 있어서,
상기 CNC 공구 마모 보정 모델의 실행 결과인 보정값을 출력하는 보정값 출력부를 더 포함하는 CNC 공구 마모 보정 장치.13. The method of claim 12,
And a correction value output unit outputting a correction value which is a result of execution of the CNC tool wear correction model. 제13항에 있어서,
상기 보정값 출력부는,
상기 CNC 컨트롤러로 상기 보정값을 전송하거나, 사용자에게 상기 보정값을 출력하는 것을 특징으로 하는 CNC 공구 마모 보정 장치. 14. The method of claim 13,
Wherein the correction value output unit comprises:
Wherein the CNC controller transmits the correction value to the CNC controller or outputs the correction value to the user. 제12항에 있어서,
상기 모델 학습부는,
상기 학습용 데이터의 입력 속성을 정의하고, 기계학습 모델을 선택하며, 선택된 상기 기계학습 모델에 상응하는 파라미터를 설정하고, 상기 파라미터가 설정된 상기 기계학습 모델에 상기 입력 속성에 상응하는 상기 학습용 데이터를 입력하여, 상기 CNC 공구 마모 보정 모델을 학습하는 것을 특징으로 하는 CNC 공구 마모 보정 장치.13. The method of claim 12,
The model learning unit,
Wherein the input unit is configured to define an input attribute of the learning data, select a machine learning model, set a parameter corresponding to the selected machine learning model, input the learning data corresponding to the input attribute in the machine learning model in which the parameter is set And the CNC tool wear correction model is learned by learning the CNC tool wear correction model. 제15항에 있어서,
상기 모델 학습부는,
회귀모델 중 어느 하나를 상기 기계학습 모델로 선택하는 것을 특징으로 하는 CNC 공구 마모 보정 장치.16. The method of claim 15,
The model learning unit,
And the regression model is selected as the machine learning model. 제15항에 있어서,
상기 모델 학습부는,
학습용 데이터에 상응하는 기 정의된 입력 속성들을 기반으로 새로운 상기 입력 속성을 정의하거나, 상기 기 정의된 입력 속성들을 삭제하여, 상기 학습용 데이터의 입력 속성을 정의하는 것을 특징으로 하는 CNC 공구 마모 보정 장치.16. The method of claim 15,
The model learning unit,
Wherein the new input attribute is defined based on predefined input attributes corresponding to learning data, or the predefined input attributes are deleted to define an input attribute of the learning data. 제12항에 있어서,
상기 데이터로부터 추출된 검증용 데이터를 이용하여, 학습된 상기 CNC 공구 마모 보정 모델을 검증하는 모델 검증부를 더 포함하는 CNC 공구 마모 보정 장치.13. The method of claim 12,
And a model verifying unit for verifying the learned CNC tool wear correction model using the verification data extracted from the data. 제18항에 있어서,
상기 모델 검증부는,
상기 CNC 공구 마모 보정 모델에 상기 검증용 데이터를 입력한 결과값과 상기 검증용 데이터를 비교하여 상기 모델을 검증하는 것을 특징으로 하는 CNC 공구 마모 보정 장치.19. The method of claim 18,
The model verifying unit,
And the model is verified by comparing the result of the verification data input to the CNC tool wear correction model with the verification data. 제12항에 있어서,
상기 데이터는,
원자재 데이터, 설비 데이터, 가공품 검사 데이터 및 환경 데이터 중 적어도 어느 하나를 포함하는 CNC 공구 마모 보정 장치. 13. The method of claim 12,
The data includes:
CNC tool wear compensation apparatus comprising at least one of raw material data, plant data, workpiece inspection data and environmental data.
KR1020160097225A 2016-07-29 2016-07-29 Apparatus and method for tool wear compensation of cnc KR20180014364A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020160097225A KR20180014364A (en) 2016-07-29 2016-07-29 Apparatus and method for tool wear compensation of cnc

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020160097225A KR20180014364A (en) 2016-07-29 2016-07-29 Apparatus and method for tool wear compensation of cnc

Publications (1)

Publication Number Publication Date
KR20180014364A true KR20180014364A (en) 2018-02-08

Family

ID=61232442

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020160097225A KR20180014364A (en) 2016-07-29 2016-07-29 Apparatus and method for tool wear compensation of cnc

Country Status (1)

Country Link
KR (1) KR20180014364A (en)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110456732A (en) * 2019-08-06 2019-11-15 武汉恒力华振科技有限公司 A kind of punching machine fault monitoring system with learning functionality
KR20200023883A (en) * 2018-08-27 2020-03-06 스퀘어네트 주식회사 Method for measuring indirectly tool wear of CNC machine
KR102180238B1 (en) * 2019-07-30 2020-11-18 스퀘어네트 주식회사 Method for measuring indirectly tool wear of CNC machine
EP3950220A4 (en) * 2019-04-23 2022-12-28 DMG Mori Co., Ltd. Fluctuation amount estimation device in machine tool and correction amount calculation device
KR20230010281A (en) * 2021-07-12 2023-01-19 주식회사 디엠테크컨설팅 Method of deriving optimal parameters for CNC machine through artificial intelligence
KR102567193B1 (en) 2023-01-31 2023-08-16 창원대학교 산학협력단 An Offset Method for Compensating a Meaurement of a Computer Numerical Control Processing Machine Automatically

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200023883A (en) * 2018-08-27 2020-03-06 스퀘어네트 주식회사 Method for measuring indirectly tool wear of CNC machine
EP3950220A4 (en) * 2019-04-23 2022-12-28 DMG Mori Co., Ltd. Fluctuation amount estimation device in machine tool and correction amount calculation device
KR102180238B1 (en) * 2019-07-30 2020-11-18 스퀘어네트 주식회사 Method for measuring indirectly tool wear of CNC machine
CN110456732A (en) * 2019-08-06 2019-11-15 武汉恒力华振科技有限公司 A kind of punching machine fault monitoring system with learning functionality
CN110456732B (en) * 2019-08-06 2021-09-28 武汉恒力华振科技有限公司 Punch press fault monitoring system with learning function
KR20230010281A (en) * 2021-07-12 2023-01-19 주식회사 디엠테크컨설팅 Method of deriving optimal parameters for CNC machine through artificial intelligence
KR102567193B1 (en) 2023-01-31 2023-08-16 창원대학교 산학협력단 An Offset Method for Compensating a Meaurement of a Computer Numerical Control Processing Machine Automatically

Similar Documents

Publication Publication Date Title
KR20180014364A (en) Apparatus and method for tool wear compensation of cnc
JP6756676B2 (en) Manufacturing system
CN107220734B (en) Numerical control lathe turning process energy consumption prediction system based on decision tree
US11267059B2 (en) Control device of wire electric discharge machine and machine learning device
CN108628256B (en) Rote learning device and thermal displacement correction device
US20190041808A1 (en) Controller and machine learning device
CN104907700A (en) Method for configuring a laser machining machine
US20090204249A1 (en) Quality Assurance Method When Operating An Industrial Machine
US11048215B2 (en) Tool selecting apparatus and machine learning device
JP2017030067A (en) Control device-added machining apparatus with machining time measuring function and on-machine measuring function
US20150026107A1 (en) System and apparatus that identifies, captures, classifies and deploys tribal knowledge unique to each operator in a semi-automated manufacturing set-up to execute automatic technical superintending operations to improve manufacturing system performance and the methods therefor
CN111433691B (en) Control system, plant system, learning system, method for generating model for estimation, and method for estimating state of actuator
JP6781242B2 (en) Controls, machine learning devices and systems
JP6940542B2 (en) Grip force adjustment device and grip force adjustment system
US10031512B2 (en) Apparatus for generating and editing NC program
KR102256424B1 (en) How to estimate error propagation
CN110501972B (en) Thermal displacement correction device
JP2019166559A (en) Processing condition adjusting device and machine learning device
Pereverzev et al. Optimization of control programs for numerically controlled machine tools by dynamic programming
JP7148311B2 (en) Product inspection equipment
US20180239330A1 (en) Machine tool certification for part specific working volume
KR101405039B1 (en) Manufacturing process automation method and system
US11422542B2 (en) Workpiece surface quality issues detection
CN108693841B (en) Manufacturing system and manufacturing method
KR20210100399A (en) System and method for predicting manufacturing quality using artificial intelligence