TW202001460A - 智慧型調整系統及其方法 - Google Patents
智慧型調整系統及其方法 Download PDFInfo
- Publication number
- TW202001460A TW202001460A TW107121217A TW107121217A TW202001460A TW 202001460 A TW202001460 A TW 202001460A TW 107121217 A TW107121217 A TW 107121217A TW 107121217 A TW107121217 A TW 107121217A TW 202001460 A TW202001460 A TW 202001460A
- Authority
- TW
- Taiwan
- Prior art keywords
- processing
- processing machine
- neural network
- target processing
- intelligent adjustment
- Prior art date
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
- G05B19/182—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 the machine tool function, e.g. thread cutting, cam making, tool direction control
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23D—PLANING; SLOTTING; SHEARING; BROACHING; SAWING; FILING; SCRAPING; LIKE OPERATIONS FOR WORKING METAL BY REMOVING MATERIAL, NOT OTHERWISE PROVIDED FOR
- B23D55/00—Sawing machines or sawing devices working with strap saw blades, characterised only by constructional features of particular parts
- B23D55/10—Sawing machines or sawing devices working with strap saw blades, characterised only by constructional features of particular parts of devices for tensioning strap saw blades
-
- 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
- B23Q15/007—Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
- B23Q15/12—Adaptive control, i.e. adjusting itself to have a performance which is optimum according to a preassigned criterion
-
- 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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
-
- 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
- G05B19/401—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 measuring, e.g. calibration and initialisation, measuring workpiece for machining purposes
-
- 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
- G05B19/416—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 of velocity, acceleration or deceleration
- G05B19/4163—Adaptive control of feed or cutting velocity
-
- 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
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/45—Nc applications
- G05B2219/45144—Saw
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Manufacturing & Machinery (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Mechanical Engineering (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
一種智慧型調整系統,其可包含雲端計算裝置及資料接收裝置。雲端計算裝置可包含類神經網路模型,類神經網路模型可儲存複數個加工機器之型號資料及預估不同加工參數下之預估刀具衰退率。資料接收裝置可接收目標加工機器之型號資料。其中,雲端計算裝置可透過類神經網路模型將目標加工機器之型號資料與該些加工機器之型號資料比對以計算具預估刀具衰退率的預估加工參數,使目標加工機器以預估加工參數進行加工作業。
Description
本發明係有關於一種調整系統,特別是一種基於大數據分析及人工智慧的智慧型調整系統。本發明還涉及此智慧型調整系統之智慧型調整方法。
一個國家工業競爭力就可以該國之工具機產業技術與產值能力作為評估基準;因此,工具機(如帶鋸機、車床及銑床等)的技術發展長久以來一直受到許多國家的高度重視。
而對工具機而言,設定加工參數為一個重要的步驟。例如,當使用者使用一帶鋸機對一工件進行鋸切時,需要為此帶鋸機設定適當的加工參數,如刀具(鋸帶)旋轉速度及刀具(鋸帶)下降速度,使刀具及工件不易損壞,且達到良好的鋸切品質;相反的,不適當的加工參數可能會損壞刀具(鋸帶)或工件,而造成嚴重的損失。
然而,目前並沒有一個有效的方法能夠在帶鋸機運作的過程中即時判斷帶鋸機是否透過適當的加工參數來執行加工作業,而若隨意變更帶鋸機的加工參數可能導致刀具及工件損壞,故使用者通常不會主動去變更帶鋸機的加工參數。
另外,在進行加工作業前,使用者也需要將工件的材料類型等基本資料輸入至帶鋸機,而由於這些基本資料是由人工輸入至帶鋸機,因此容易產生人為錯誤,而若是工件的材料與輸入至帶鋸機的基本資料不符,則可能導致刀具及工件損壞而造成嚴重的損失;然而,目前並沒有一個有效的方法能夠有效地判斷工件的材料與輸入至帶鋸機的基本資料是否相符。
因此,如何提出一種加工參數調整技術,能夠有效改善習知技藝的各種問題已成為重要的議題。
有鑑於上述習知技藝之問題,本發明之其中一目的就是在提供一種智慧型調整系統及其方法,以解決習知技藝的各種問題。
根據本發明之其中一目的,提出一種智慧型調整系統,其可包含雲端計算裝置及資料接收裝置。雲端計算裝置可包含類神經網路模型,類神經網路模型可儲存複數個加工機器之型號資料及預估不同加工參數下之預估刀具衰退率。資料接收裝置可接收目標加工機器之型號資料。其中,雲端計算裝置可透過類神經網路模型將目標加工機器之型號資料與該些加工機器之型號資料比對以計算具預估刀具衰退率的預估加工參數,使目標加工機器以預估加工參數進行加工作業。
根據本發明之其中一目的,再提出一種智慧型調整方法,其可包含下列步驟:建立類神經網路模型,類神經網路模型儲存複數個加工機器之型號資料及預估不同加工參數下之預估刀具衰退率;接收一目標加工機器之型號資料;透過類神經網路模型將目標加工機器之型號資料與該些加工機器之型號資料比對以計算預估加工參數,預估加工參數包含預估刀具衰退率;以及使目標加工機器以預估加工參數進行加工作業。
在一較佳的實施例中,各個加工機器之型號資料可包含機器型號、工件型號及刀具型號中之一或以上。
在一較佳的實施例中,預估加工參數可包含刀具旋轉速度及刀具下降速度中之一或以上。
在一較佳的實施例中,資料接收裝置可接收目標加工機器進行加工作業之實際衰退率,雲端計算裝置可進行比對程序,以將預估刀具衰退率與實際衰退率進行比對並產生比對結果。
在一較佳的實施例中,若比對結果顯示預估刀具衰退率與實際衰退率之差值大於門檻值,雲端計算裝置可將計數值加一,並可由加工參數表產生建議加工參數,再透過目標加工機器以建議加工參數進行加工作業之實際衰退率重新進行比對程序。
在一較佳的實施例中,若計數值大於計數門檻值,雲端計算裝置可進行重建模程序以產生一新類神經網路模型,並可透過此新類神經網路模型產生建議加工參數。
在一較佳的實施例中,若比對結果顯示預估刀具衰退率與實際衰退率之差值小於門檻值,雲端計算裝置可進行加工參數最佳化程序。
在一較佳的實施例中,資料接收裝置更可接收目標加工機器之振動資料。
在一較佳的實施例中,在加工參數最佳化程序中,雲端計算裝置可透過類神經網路模型根據目標加工機器之型號資料及振動資料計算複數個候選加工參數及修正振動資料以計算具有最低的預估刀具衰退率的候選加工參數做為建議加工參數。
在一較佳的實施例中,雲端計算裝置可透過分析目標加工機器之振動資料以預估目標加工機器之刀具剩餘使用壽命。
在一較佳的實施例中,雲端計算裝置可透過學習演算法分析目標加工機器之振動資料以產生圖像指紋,再可根據圖像指紋產生材料分析結果。
在一較佳的實施例中,雲端計算裝置更可分析各個加工機器之複數個加工因子以產生該些加工因子之因子權重方向性,並可將該些加工因子之因子權重方向性整合至類神經網路模型。
在一較佳的實施例中,資料接收裝置更可接收目標加工機器之該些加工因子,雲端計算裝置則可透過類神經網路模型分析目標加工機器之該些加工因子,以產生目標加工機器之機器評價。
在一較佳的實施例中,該些加工因子可包含刀具旋轉速度、刀具下降速度、累積切削面積、刀具歪斜、工件寬度、刀具材質、刀具齒數、刀具材質、馬達電流、油壓溫度、冷卻液溫度、齒輪箱溫度及振動中之一或以上。
在一較佳的實施例中,雲端計算裝置更可透過類神經網路模型分析目標加工機器之該些加工因子以產生目標加工機器之一個或多個元件的健康狀態值。
承上所述,依本發明之智慧型調整系統及其方法,其可具有一或多個下述優點:
(1)本發明之一實施例中,智慧型調整系統可預先透過大數據分析建立類神經網路模型,並可透過類神經網路模型提供預估加工參數給目標加工機器,再透過加工參數最佳化程序、最佳化目標加工機器的加工參數,故可確保加工作業能順利進行且不被中斷,使目標加工機器可產生最大的效益。
(2)本發明之一實施例中,智慧型調整系統可透過類神經網路模型在目標加工機器運作的過程中即時修正目標加工機器的加工參數,故可達到最佳的加工品質,且可有效地防止刀具及工件損壞。
(3)本發明之一實施例中,智慧型調整系統可分析目標加工機器之振動資料以產生圖像指紋,並產生材料分析結果以判斷工件的材料,故可有效地防止因人為錯誤所導致的損失。
(4)本發明之一實施例中,智慧型調整系統可透過類神經網路模型根據分析目標加工機器之加工因子,以產生目標加工機器之機器評價,讓使用者可更清楚的了解目標加工機器的目前狀態。
(5)本發明之一實施例中,智慧型調整系統透過該類神經網路模型分析目標加工機器之振動資訊及加工因子以產生目標加工機器之刀具剩餘使用壽命及各個元件的健康狀態值,讓使用者可更清楚的了解目標加工機器之刀具及各個元件的健康狀態,使維護保養作業更有效率。
以下將參照相關圖式,說明依本發明之智慧型調整系統及其方法之實施例,為了清楚與方便圖式說明之故,圖式中的各部件在尺寸與比例上可能會被誇大或縮小地呈現。在以下描述及/或申請專利範圍中,當提及元件「連接」或「耦合」至另一元件時,其可以直接連接或耦合至該另一元件或可以存在介入元件;而當提及元件「直接連接」或「直接耦合」至另一元件時,則不存在介入元件,用於描述元件或層之間之關係之其他字詞應以相同方式解釋。為使便於理解,下述實施例中之相同元件係以相同之符號標示來進行說明。
請參閱第1圖,其係為本發明之智慧型調整系統之第一實施例之方塊圖。如圖所示,智慧型調整系統1可包含雲端計算裝置11及資料接收裝置12,其可調整一目標加工機器T之加工參數;目標加工機器T可為各種鋸切裝置,本實施例以帶鋸機來舉例說明。
雲端計算裝置11可以包含類神經網路模型111;類神經網路模型111可儲存複數個加工機器之型號資料及預估不同加工參數(如刀具旋轉速度及刀具下降速度等)下之預估刀具衰退率。類神經網路模型111可預先透過訓練程序建立。
在訓練程序中,雲端計算裝置11可由該些加工機器中收集歷史資料,其可包含該些加工機器之型號資料、刀具旋轉速度、刀具下降速度、馬達電流、油壓溫度、冷卻液溫度、齒輪箱溫度、振動資料、累積切削面積及刀具(如鋸帶)偏移等,其中型號資料可包含機器型號、工件型號及刀具型號等;工件型號可包含工件寬度及工件材質等;刀具型號可包含刀具齒數及刀具材質等,並可透過大數據分析對上述資料進行前處理及正規化以建立類神經網路模型111;最後,雲端計算裝置11則可透過類神經網路模型111以獲得該些加工機器在預估不同加工參數下之預估刀具衰退率。
資料接收裝置12可透過網路N接收進行加工作業之目標加工機器T之型號資料D1,其可包含機器型號、工件型號及刀具型號等;此外,資料接收裝置12更可透過網路N持續收集目標加工機器T的其它各項操作資料,如加工參數(如刀具旋轉速度及刀具下降速度等)、馬達電流、油壓溫度、冷卻液溫度、齒輪箱溫度、振動資料、累積切削面積及刀具(如鋸帶)偏移等;而雲端計算裝置11可透過類神經網路模型111將目標加工機器T之型號資料D1與該些加工機器之型號資料進行比對,以確認目標加工機器T之型號資料D1是否對應於類神經網路模型111的訓練資料;當確認目標加工機器T之型號資料D1與類神經網路模型111的訓練資料對應後,雲端計算裝置11即可對收集的資料進行前處理(即去除錯誤資料並選擇適當的資料),並可透過類神經網路模型111根據前處理後的資料找出與目標加工機器T之型號資料D1相匹配之預估加工參數,且可同時計算以此預估加工參數進行加工作業的預估刀具衰退率;此預估加工參數可以包含刀具旋轉速度以及刀具下降速度等,而目標加工機器T則可以利用預估加工參數進行加工作業。
然後,資料接收裝置12可透過網路N接收目標加工機器T進行加工作業之實際衰退率D2,而雲端計算裝置11則可以進行比對程序;在比對程序中,雲端計算裝置11可以將預估刀具衰退率與實際衰退率D2進行比對,並且可產生比對結果。
若比對結果顯示預估刀具衰退率與實際衰退率D2之差值小於門檻值,雲端計算裝置11可進行加工參數最佳化程序。雲端計算裝置11可根據由目標加工機器T收集而來的資料計算出所有加工參數的可能數值;例如,雲端計算裝置11可以依據工件寬度決定刀具轉動速度範圍,並可以從此刀具轉動速度範圍中選擇可能刀具轉動速度,並可根據摩爾斯方程式(MORSE formula )決定刀具下降速度,及利用自動編號類神經網路(Autoencoder NN )模型修改振動資料;接著,雲端計算裝置11可透過類神經網路模型111根據上述資料計算複數個候選加工參數及一修正振動資料以計算具有最低的預估刀具衰退率的候選加工參數做為建議加工參數,並可使目標加工機器T透過此建議加工參數進行加工作業。透過上述的加工參數最佳化程序,目標加工機器T可獲得最佳化的加工參數以進行加工作業。
反之,若比對結果顯示預估刀具衰退率與實際衰退率D2之差值大於門檻值,雲端計算裝置11可儲存現有資料,並且將計數值加一;同時,雲端計算裝置11可搜尋加工參數表(Cutting parameter chart)以提供建議加工參數,再可透過目標加工機器T以此建議加工參數進行加工作業之實際衰退率D2重新進行比對程序,藉此以比對建議加工參數之預估刀具衰退率與實際衰退率D2之差值。
若計數值大於一計數門檻值且加工參數最佳化程序仍未被觸發,雲端計算裝置11可進行重建模程序;在重建模程序中,雲端計算裝置11可根據現有資料產生一新類神經網路模型,並透過此新類神經網路模型產生建議加工參數,並使目標加工機器T透過此建議加工參數進行加工作業。
而若當雲端計算裝置11確認目標加工機器T之型號資料D1並不對應於類神經網路模型111的訓練資料,雲端計算裝置11可進一步尋找其它的具有相同型號資料D1的加工機器之加工參數做為建議加工參數;而若雲端計算裝置11無法找到其它的具有相同型號資料D1的加工機器之加工參數,雲端計算裝置11則可搜尋加工參數表(Cutting parameter chart)以提供建議加工參數。
此外,在訓練程序中,雲端計算裝置11更可透過大數據分析來分析各個加工機器之複數個加工因子以產生該些加工因子之因子權重方向性,並可將該些加工因子之因子權重方向性整合至類神經網路模型111;其中,這些加工因子可包含刀具旋轉速度、刀具下降速度、累積切削面積、刀具歪斜、工件寬度、刀具材質、刀具齒數、刀具材質、馬達電流、油壓溫度、冷卻液溫度、齒輪箱溫度及振動中之一或以上。因此,雲端計算裝置11可透過類神經網路模型111分析目標加工機器T之該些加工因子,以產生目標加工機器T之機器評價,以提供一指標讓使用者可更清楚的了解目標加工機器T的目前狀態。
另外,雲端計算裝置11更可透過類神經網路模型11分析目標加工機器T之該些加工因子,以產生目標加工機器T之各元件的健康狀態值及分析目標加工機器T之振動資料,予以預估目標加工機器T之刀具剩餘使用壽命,得以做為讓使用者進行維護保養作業的參考。
由上述可知,透過上述的流程,雲端計算裝置11可以計算出一個最佳化的建議加工參數以即時修正目標加工機器T的加工參數,使目標加工機器T透過此建議加工參數進行加工作業時能夠具有最低的衰退率,且可以達到最佳的加工品質並防止刀具及工件損壞。此外,雲端計算裝置11更可以提供目標加工機器T之各元件的健康狀態值及刀具剩餘使用壽命,使維護保養作業更有效率。
當然,上述僅為舉例,智慧型調整系統1之各元件、這些元件之間協同關係及加工參數調整流程均可依實際需求變化,本發明並不以此為限。
值得一提的是,目前並沒有一個有效的方法能夠在工具機運作的過程中即時判斷工具機是否透過適當的加工參數來執行加工作業,故加工作業可能因為加工參數不適當而中斷。相反的,根據本發明之實施例,智慧型調整系統可預先透過大數據分析建立類神經網路模型,並可透過類神經網路模型提供預估加工參數給目標加工機器,再透過加工參數最佳化程序、最佳化目標加工機器的加工參數,故可確保加工作業能順利進行且不被中斷,使目標加工機器可產生最大的效益。
又,目前並沒有一個有效的方法能夠在工具機運作的過程中即時判斷工具機是否透過適當的加工參數來執行加工作業,故刀具及工件可能因為加工參數不適當而損壞,而使加工品質降低,並造成嚴重的損失。相反的,根據本發明之實施例,智慧型調整系統可透過類神經網路模型在目標加工機器運作的過程中即時修正目標加工機器的加工參數,故可達到最佳的加工品質,且可有效地防止刀具及工件損壞。
此外,根據本發明之實施例,智慧型調整系統可透過類神經網路模型根據分析目標加工機器之加工因子,以產生目標加工機器之機器評價,讓使用者可更清楚的了解目標加工機器的目前狀態。
另外,根據本發明之實施例,智慧型調整系統透過該類神經網路模型分析目標加工機器之振動資料及加工因子,以產生目標加工機器之刀具剩餘使用壽命及各個元件的健康狀態值,讓使用者可更清楚的了解目標加工機器之刀具及各個元件的健康狀態,使維護保養作業更有效率。由上述可知,本發明實具進步性之專利要件。
請參閱第2A圖~第2C圖,其係為本發明之智慧型調整系統之第一實施例之流程圖。智慧型調整系統1之參數調整方法可包含下列步驟:
在步驟S20中:建立一類神經網路模型,並進入步驟S21。
在步驟S21中:接收目標加工機器之型號資料及操作資料,並進入步驟S22。
在步驟S22中:確認目標加工機器之型號資料是否對應於類神經網路模型的訓練資料?若是,則進入步驟S221;若否,則進入步驟S30。
在步驟S221中:對由目標加工機器收集的資料進行前處理,並進入步驟S23。
在步驟S23中:以此類神經網路模型根據前處理後的資料找出與目標加工機器之型號資料匹配之預估加工參數,並進入步驟S24。
在步驟S24中:計算以預估加工參數或建議加工參數進行加工作業的預估刀具衰退率,並確認預估刀具衰退率與實際衰退率之差值是否小於門檻值?若是,則進入步驟241;若否,則進入步驟S242。
在步驟S241中:進行加工參數最佳化程序,根據由目標加工機器收集而來的資料計算複數個候選加工參數及修正振動資料,並進入步驟S25。
在步驟S25中:計算具有最低的預估刀具衰退率的候選加工參數做為建議加工參數,並進入步驟S26。
在步驟S26中:使目標加工機器以此建議加工參數進行加工作業。
在步驟S242中:儲存現有資料並且將計數值加一,並進入步驟S27。
在步驟S27中:判斷計數值大於計數門檻值?若是,則進入步驟271;若否,則進入步驟S272。
在步驟S271中:進行重建模程序以產生一新類神經網路模型,並以此新類神經網路模型產生建議加工參數,並進入步驟S28。
在步驟S28中:使目標加工機器以此建議加工參數進行加工作業。
在步驟S272中:搜尋加工參數表以提供建議加工參數,並進入步驟S29。
在步驟S29中:使目標加工機器以此建議加工參數進行加工作業,並回到步驟S24。
在步驟S30中:是否有其它具有相同型號資料的加工機器?若是,則進入步驟S301;若否,則進入步驟S302。
在步驟S301中:以此加工機器之加工參數做為建議加工參數,並進入步驟S31。
在步驟S31中:使目標加工機器以此建議加工參數進行加工作業。
在步驟S302中:搜尋加工參數表以提供建議加工參數,並進入步驟S32。
在步驟S32中:使目標加工機器以此建議加工參數進行加工作業。
此外,目前並沒有一個有效的方法能夠有效地判斷工件的材料與輸入至工具機的基本資料是否相符,故刀具及工件可能因為輸入至工具機的基本資料錯誤而損壞,而造成嚴重的損失。相反的,根據本發明之實施例,智慧型調整系統可分析目標加工機器之振動資料以產生圖像指紋,並可產生材料分析結果以判斷工件的材料,故可以有效地防止因人為錯誤所導致的損失。
請參閱第3圖及第4圖,其係為本發明之智慧型調整系統之第二實施例之方塊圖及示意圖。如第3圖所示,智慧型調整系統1可包含雲端計算裝置11及資料接收裝置12,其可調整一目標加工機器T之加工參數。
上述元件之功能及這些元件之間的協同關係大部份與前述實施例相似;與前述實施例不同的是,雲端計算裝置11可透過學習演算法分析目標加工機器T之振動資料D3以產生圖像指紋F,如第4圖所示;雲端計算裝置11可根據圖像指紋F產生材料分析結果,以判斷目標加工機器T進行加工工件的材料;在一實施例中,學習演算法可為自組織映射圖(Self-organizing map,SOM)演算法。
在訓練程序中,雲端計算裝置11可透過學習演算法分析鋸切不同材料的工件所產生的振動資料,並分別產生對應的圖像指紋,再可將上述分析結果整合至類神經網路模型111中。
如第4圖所示,圖像指紋F中的每一個蜂巢均有一個對應的權重向量(weighting vector),故雲端計算裝置11可透過類神經網路模型111將目標加工機器T之振動資料D3產生之圖像指紋F與其它材料之圖像指紋進行比對以產生材料分析結果,如此則可確認目標加工機器T進行加工的工件的材料。
當然,上述僅為舉例,智慧型數調整系統1之各元件、這些元件之間協同關係及加工參數調整流程均可依實際需求變化,本發明並不以此為限。
值得一提的是,目前並沒有一個有效的方法能夠有效地判斷工件的材料與輸入至工具機的基本資料是否相符,故刀具及工件可能因為輸入至工具機的基本資料錯誤而損壞,而造成嚴重的損失。相反的,根據本發明之實施例,智慧型調整系統可分析目標加工機器之振動資料以產生圖像指紋,並可產生材料分析結果以判斷工件的材料,故可以有效地防止因人為錯誤所導致的損失。
綜上所述,根據本發明之實施例,智慧型調整系統可預先透過大數據分析建立類神經網路模型,並可透過類神經網路模型提供預估加工參數給目標加工機器,再透過加工參數最佳化、程序最佳化目標加工機器的加工參數,故可確保加工作業能順利進行且不被中斷,使目標加工機器可產生最大的效益。
又,根據本發明之實施例,智慧型調整系統可透過類神經網路模型在目標加工機器運作的過程中即時修正目標加工機器的加工參數,故可達到最佳的加工品質,且可有效地防止刀具及工件損壞。
此外,根據本發明之實施例,智慧型調整系統可分析目標加工機器之振動資料以產生圖像指紋,並產生材料分析結果以判斷工件的材料,故可有效地防止因人為錯誤所導致的損失。
另外,根據本發明之實施例,智慧型調整系統可透過類神經網路模型根據分析目標加工機器之加工因子,以產生目標加工機器之機器評價,讓使用者可更清楚的了解目標加工機器的目前狀態。
再者,根據本發明之實施例,智慧型調整系統透過該類神經網路模型分析目標加工機器之振動資料及加工因子,以產生目標加工機器之刀具剩餘使用壽命及各個元件的健康狀態值,讓使用者可更清楚的了解目標加工機器之刀具及各個元件的健康狀態,使維護保養作業更有效率。
可見本發明在突破先前之技術下,確實已達到所欲增進之功效,且也非熟悉該項技藝者所易於思及,其所具之進步性、實用性,顯已符合專利之申請要件,爰依法提出專利申請,懇請 貴局核准本件發明專利申請案,以勵創作,至感德便。
以上所述僅為舉例性,而非為限制性者。其它任何未脫離本發明之精神與範疇,而對其進行之等效修改或變更,均應該包含於後附之申請專利範圍中。
1‧‧‧智慧型調整系統11‧‧‧雲端計算裝置111‧‧‧類神經網路模型12‧‧‧資料接收裝置D1‧‧‧型號資料D2‧‧‧實際衰退率D3‧‧‧振動資料T‧‧‧目標加工機器N‧‧‧網路F‧‧‧圖像指紋S20~S32‧‧‧步驟流程
第1圖 係為本發明之智慧型調整系統之第一實施例之方塊圖。
第2A圖~第2C圖 係為第一實施例之流程圖。
第3圖 係為本發明之智慧型調整系統之第二實施例之方塊圖。
第4圖 係為本發明之智慧型調整系統之第二實施例之示圖。
1‧‧‧智慧型調整系統
11‧‧‧雲端計算裝置
111‧‧‧類神經網路模型
12‧‧‧資料接收裝置
D1‧‧‧型號資料
D2‧‧‧實際衰退率
T‧‧‧目標加工機器
N‧‧‧網路
Claims (22)
- 一種智慧型調整系統,係包含: 一雲端計算裝置,係包含一類神經網路模型,該類神經網路模型儲存複數個加工機器之型號資料及多個加工參數下之預估刀具衰退率;以及 一資料接收裝置,係接收一目標加工機器之型號資料; 其中,該雲端計算裝置透過該類神經網路模型將該目標加工機器之型號資料與該些加工機器之型號資料比對以計算一預估加工參數,該預估加工參數具有一預估刀具衰退率,而該目標加工機器以該預估加工參數進行一加工作業。
- 如申請專利範圍第1項所述之智慧型調整系統,其中該資料接收裝置接收該目標加工機器進行該加工作業之一實際衰退率,該雲端計算裝置進行一比對程序,以將該預估刀具衰退率與該實際衰退率進行比對並產生一比對結果。
- 如申請專利範圍第2項所述之智慧型調整系統,其中若該比對結果顯示該預估刀具衰退率與該實際衰退率之差值大於一門檻值,該雲端計算裝置將一計數值加一,並由一加工參數表產生一建議加工參數,再透過該目標加工機器以建議加工參數進行該加工作業之該實際衰退率重新進行該比對程序。
- 如申請專利範圍第3項所述之智慧型調整系統,其中若該計數值大於一計數門檻值,該雲端計算裝置進行一重建模程序以產生一新類神經網路模型,並透過該新類神經網路模型產生該建議加工參數。
- 如申請專利範圍第2項所述之智慧型調整系統,其中若該比對結果顯示該預估刀具衰退率與該實際衰退率之差值小於一門檻值,該雲端計算裝置進行一加工參數最佳化程序。
- 如申請專利範圍第5項所述之智慧型調整系統,其中該資料接收裝置更包含接收該目標加工機器之振動資料。
- 如申請專利範圍第6項所述之智慧型調整系統,其中在該加工參數最佳化程序中,該雲端計算裝置透過該類神經網路模型根據該目標加工機器之型號資料及振動資料計算複數個候選加工參數及一修正振動資料,以計算具有最低的該預估刀具衰退率的該候選加工參數做為一建議加工參數。
- 如申請專利範圍第6項所述之智慧型調整系統,其中該雲端計算裝置透過分析該目標加工機器之振動資料以預估該目標加工機器之一刀具剩餘使用壽命。
- 如申請專利範圍第6項所述之智慧型調整系統,其中該雲端計算裝置透過一學習演算法分析該目標加工機器之振動資料,以產生一圖像指紋,並根據該圖像指紋產生一材料分析結果。
- 如申請專利範圍第1項所述之智慧型調整系統,其中該雲端計算裝置更分析各個該加工機器之複數個加工因子,以產生該些加工因子之因子權重方向性,並將該些加工因子之因子權重方向性整合至該類神經網路模型。
- 如申請專利範圍第10項所述之智慧型調整系統,其中該資料接收裝置更包含接收該目標加工機器之該些加工因子,該雲端計算裝置則透過該類神經網路模型分析該目標加工機器之該些加工因子,以產生該目標加工機器之一機器評價。
- 一種智慧型調整方法,係包含: 建立一類神經網路模型,該類神經網路模型儲存複數個加工機器之型號資料及預估不同加工參數下之預估刀具衰退率; 接收一目標加工機器之型號資料; 透過該類神經網路模型將該目標加工機器之型號資料與該些加工機器之型號資料比對以計算一預估加工參數,該預估加工參數包含一預估刀具衰退率;以及 使該目標加工機器以該預估加工參數進行一加工作業。
- 如申請專利範圍第12項所述之智慧型調整方法,更包含下列步驟: 接收該目標加工機器進行該加工作業之一實際衰退率,並進行一比對程序,以將該預估刀具衰退率與該實際衰退率進行比對並產生一比對結果。
- 如申請專利範圍第13項所述之智慧型調整方法,更包含下列步驟: 若該比對結果顯示該預估刀具衰退率與該實際衰退率之差值大於該門檻值,將一計數值加一,並由一加工參數表產生一建議加工參數,再透過該目標加工機器以建議加工參數進行該加工作業之該實際衰退率重新進行該比對程序。
- 如申請專利範圍第14項所述之智慧型調整方法,更包含下列步驟: 如若該計數值大於一計數門檻值,進行一重建模程序以產生一新類神經網路模型,並透過該新類神經網路模型產生該建議加工參數。
- 如申請專利範圍第13項所述之智慧型調整方法,更包含下列步驟: 若該比對結果顯示該預估刀具衰退率與該實際衰退率之差值小於一門檻值,進行一加工參數最佳化程序。
- 如申請專利範圍第16項所述之智慧型調整方法,更包含下列步驟: 接收該目標加工機器之振動資料。
- 如申請專利範圍第17項所述之智慧型調整方法,更包含下列步驟: 透過該類神經網路模型在該加工參數最佳化程序中根據該目標加工機器之型號資料及振動資料計算複數個候選加工參數及一修正振動資料,並計算具有最低的該預估刀具衰退率的該候選加工參數做為建議加工參數。
- 如申請專利範圍第17項所述之智慧型調整方法,更包含下列步驟: 透過分析該目標加工機器之振動資料以預估該目標加工機器之一刀具剩餘使用壽命。
- 如申請專利範圍第17項所述之智慧型調整方法,更包含下列步驟: 透過一學習演算法分析該目標加工機器之振動資料,以產生一圖像指紋,並根據該圖像指紋產生一材料分析結果。
- 如申請專利範圍第12項所述之智慧型調整方法,更包含下列步驟: 分析各個該加工機器之複數個加工因子,以產生該些加工因子之因子權重方向性,並將該些加工因子之因子權重方向性整合至該類神經網路模型。
- 如申請專利範圍第21項所述之智慧型調整方法,更包含下列步驟: 接收該目標加工機器之該些加工因子,並透過該類神經網路模型分析該目標加工機器之該些加工因子,以產生該目標加工機器之一機器評價。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107121217A TWI684080B (zh) | 2018-06-21 | 2018-06-21 | 智慧型調整系統及其方法 |
CN201810923409.9A CN110633882A (zh) | 2018-06-21 | 2018-08-14 | 智能型调整系统及其方法 |
US16/143,549 US10890890B2 (en) | 2018-06-21 | 2018-09-27 | Smart adjustment system and method thereof |
EP18197863.6A EP3588220A1 (en) | 2018-06-21 | 2018-10-01 | Smart adjustment system and method thereof |
JP2019104373A JP6909510B2 (ja) | 2018-06-21 | 2019-06-04 | スマート調整システム及びその方法 |
KR1020190071835A KR102237999B1 (ko) | 2018-06-21 | 2019-06-17 | 스마트 조정 시스템 및 그 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107121217A TWI684080B (zh) | 2018-06-21 | 2018-06-21 | 智慧型調整系統及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202001460A true TW202001460A (zh) | 2020-01-01 |
TWI684080B TWI684080B (zh) | 2020-02-01 |
Family
ID=63921478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107121217A TWI684080B (zh) | 2018-06-21 | 2018-06-21 | 智慧型調整系統及其方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US10890890B2 (zh) |
EP (1) | EP3588220A1 (zh) |
JP (1) | JP6909510B2 (zh) |
KR (1) | KR102237999B1 (zh) |
CN (1) | CN110633882A (zh) |
TW (1) | TWI684080B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI749925B (zh) * | 2020-12-01 | 2021-12-11 | 英業達股份有限公司 | 製造設備製造參數調整控制系統及其方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6818970B1 (ja) * | 2020-05-20 | 2021-01-27 | 三菱電機株式会社 | データ作成装置、機械学習システムおよび加工状態推定システム |
CN111694320B (zh) * | 2020-06-10 | 2021-04-20 | 大连理工大学 | 一种虑及颤振抑制的机床自适应控制方法 |
CN117300184A (zh) * | 2023-11-29 | 2023-12-29 | 山东正祥工矿设备股份有限公司 | 一种用于铜铸件生产用加工车床的控制系统 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2961622B2 (ja) * | 1990-09-29 | 1999-10-12 | 豊田工機株式会社 | インテリジェント加工システム |
KR920002268A (ko) * | 1990-07-17 | 1992-02-28 | 유끼노리 가까즈 | 인텔리젠트가공장치 |
EP0664186A4 (en) * | 1992-10-09 | 1995-09-20 | SYSTEM AND METHOD FOR DETERMINING MACHINING INFORMATION, AND SYSTEM AND METHOD FOR DETERMINING MACHINING PROCESS INFORMATION. | |
US20080255684A1 (en) * | 2002-11-18 | 2008-10-16 | Universiti Putra Malaysia | Artificial intelligence device and corresponding methods for selecting machinability data |
US7341410B2 (en) * | 2003-03-10 | 2008-03-11 | Foster-Miller, Inc. | Dynamical instrument for machining |
CA2640725C (en) * | 2006-01-31 | 2016-05-31 | Landmark Graphics Corporation | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators |
JP2008140037A (ja) * | 2006-11-30 | 2008-06-19 | Matsushita Electric Works Ltd | 加工監視装置 |
US7933679B1 (en) * | 2007-10-23 | 2011-04-26 | Cessna Aircraft Company | Method for analyzing and optimizing a machining process |
CN102103646B (zh) * | 2010-12-14 | 2012-11-14 | 武汉理工大学 | 基于有限元技术和人工神经网络的精冲模具磨损预测方法 |
CN102091972B (zh) * | 2010-12-28 | 2013-06-05 | 华中科技大学 | 一种数控机床刀具磨损监测方法 |
CN103259812A (zh) * | 2012-02-16 | 2013-08-21 | 百塑企业股份有限公司 | 工具机的云端整合服务系统 |
CN102848266B (zh) * | 2012-09-29 | 2014-08-13 | 西南交通大学 | 一种机床主轴精度预测方法 |
US9508042B2 (en) * | 2012-11-05 | 2016-11-29 | National Cheng Kung University | Method for predicting machining quality of machine tool |
JP6011353B2 (ja) * | 2013-01-17 | 2016-10-19 | 日立金属株式会社 | 加工条件予測装置および加工条件予測方法 |
CN104423344A (zh) * | 2013-08-30 | 2015-03-18 | 鸿富锦精密工业(深圳)有限公司 | Cnc加工信息分析系统及方法 |
US9085958B2 (en) * | 2013-09-19 | 2015-07-21 | Sas Institute Inc. | Control variable determination to maximize a drilling rate of penetration |
TWI598841B (zh) * | 2014-02-14 | 2017-09-11 | Univ Chung Yuan Christian | 雲端射出成型系統及其方法 |
TWI571820B (zh) * | 2014-11-06 | 2017-02-21 | 財團法人資訊工業策進會 | 工具機耗電量預測系統與方法 |
CN106292537B (zh) * | 2015-05-20 | 2018-11-20 | 合济工业股份有限公司 | 锯切刀具的工作参数运算系统 |
JP6063016B1 (ja) * | 2015-09-29 | 2017-01-18 | ファナック株式会社 | 電動機に対する動作指令を学習する機械学習方法および機械学習装置並びに該機械学習装置を備えた工作機械 |
JP6578195B2 (ja) * | 2015-11-26 | 2019-09-18 | Dmg森精機株式会社 | 切削工具の固有振動数導出方法及び安定限界曲線作成方法、並びに切削工具の固有振動数導出装置 |
US20180284735A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection in a network sensitive upstream oil and gas environment |
JP6557198B2 (ja) * | 2016-09-06 | 2019-08-07 | ファナック株式会社 | 数値制御装置 |
TWI626111B (zh) * | 2016-11-10 | 2018-06-11 | 國立中正大學 | 切削加工轉速調整裝置及其方法 |
JP6675297B2 (ja) * | 2016-12-09 | 2020-04-01 | Dmg森精機株式会社 | 情報処理方法、情報処理システム、および情報処理装置 |
JP6450738B2 (ja) * | 2016-12-14 | 2019-01-09 | ファナック株式会社 | 工作機械における工具のビビり発生の予兆を検知する機械学習装置、cnc装置および機械学習方法 |
US11662719B2 (en) * | 2017-09-29 | 2023-05-30 | Rockwell Automation Technologies, Inc. | Classification modeling for monitoring, diagnostics optimization and control |
-
2018
- 2018-06-21 TW TW107121217A patent/TWI684080B/zh active
- 2018-08-14 CN CN201810923409.9A patent/CN110633882A/zh active Pending
- 2018-09-27 US US16/143,549 patent/US10890890B2/en active Active
- 2018-10-01 EP EP18197863.6A patent/EP3588220A1/en not_active Ceased
-
2019
- 2019-06-04 JP JP2019104373A patent/JP6909510B2/ja active Active
- 2019-06-17 KR KR1020190071835A patent/KR102237999B1/ko active IP Right Grant
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI749925B (zh) * | 2020-12-01 | 2021-12-11 | 英業達股份有限公司 | 製造設備製造參數調整控制系統及其方法 |
Also Published As
Publication number | Publication date |
---|---|
KR20190143813A (ko) | 2019-12-31 |
JP2019220164A (ja) | 2019-12-26 |
CN110633882A (zh) | 2019-12-31 |
US10890890B2 (en) | 2021-01-12 |
EP3588220A1 (en) | 2020-01-01 |
JP6909510B2 (ja) | 2021-07-28 |
US20190391554A1 (en) | 2019-12-26 |
KR102237999B1 (ko) | 2021-04-12 |
TWI684080B (zh) | 2020-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI684080B (zh) | 智慧型調整系統及其方法 | |
US10928802B2 (en) | Method for optimizing the productivity of a machining process of a CNC machine | |
CN111694320B (zh) | 一种虑及颤振抑制的机床自适应控制方法 | |
CN101334656B (zh) | 一种数控机床加工性能监控系统 | |
EP2916187B1 (en) | Improved database for chatter predictions | |
Verl et al. | Modular modeling of energy consumption for monitoring and control | |
KR101846793B1 (ko) | 제조 장비에서 수집된 데이터의 분석을 이용한 제조 공정 계획 방법 및 이를 이용한 제조 공정 계획 시스템 | |
TWI641931B (zh) | 工具機控制指令與參數的自動生成裝置及其方法 | |
JP6940542B2 (ja) | 把持力調整装置及び把持力調整システム | |
CN116088419B (zh) | 基于参数优化的数控机床加工控制方法、系统及相关设备 | |
WO2012124447A1 (ja) | Ncプログラム生成方法および切削加工方法 | |
JP2019091447A (ja) | 工作機械、特に鋸盤、及び、工作機械を最適運転するためのシステム | |
CN105945311A (zh) | 一种基于功率预测的数控机床进给系统调速方法 | |
de Carvalho et al. | Vibration analysis and energy efficiency in interrupted face milling processes | |
CN114859823A (zh) | 切削工艺参数优化方法、系统、计算机设备及存储介质 | |
CN114912706A (zh) | 一种基于粒子群算法的刀具选配方法 | |
CN107491036B (zh) | 机床加工能耗控制方法及加工机床 | |
CN107807526B (zh) | 一种基于稳定性仿真智能抑制加工颤振的方法 | |
CN106094722B (zh) | 智能车床控制方法 | |
Ratnayake | Framework for computing machining parameter settings in CNC machines: an industrial case study | |
Pena et al. | Research regarding software developing for machining parameters optimization calculus | |
Wang et al. | Milling-tool wear-condition prediction with statistic analysis and echo-state networks | |
KR102594887B1 (ko) | 공작기계 공작물의 재질 판별 장치 및 그 방법 | |
Zeng et al. | Application of grey based taguchi method to determine optimal end milling parameters | |
Moreira | An innovative method for process planning for sustainable manufacturing |