TW202100290A - 加工條件探索裝置及加工條件探索方法 - Google Patents

加工條件探索裝置及加工條件探索方法 Download PDF

Info

Publication number
TW202100290A
TW202100290A TW108143128A TW108143128A TW202100290A TW 202100290 A TW202100290 A TW 202100290A TW 108143128 A TW108143128 A TW 108143128A TW 108143128 A TW108143128 A TW 108143128A TW 202100290 A TW202100290 A TW 202100290A
Authority
TW
Taiwan
Prior art keywords
processing
processing condition
evaluation value
unit
value
Prior art date
Application number
TW108143128A
Other languages
English (en)
Other versions
TWI759653B (zh
Inventor
増井秀之
西脇基晃
藤井健太
石川恭平
瀬口正記
Original Assignee
日商三菱電機股份有限公司
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 日商三菱電機股份有限公司 filed Critical 日商三菱電機股份有限公司
Publication of TW202100290A publication Critical patent/TW202100290A/zh
Application granted granted Critical
Publication of TWI759653B publication Critical patent/TWI759653B/zh

Links

Images

Classifications

    • 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
    • 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
    • G05B19/4093—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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
    • G05B19/40937—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 part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine concerning programming of machining or material parameters, pocket machining
    • 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
    • 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
    • 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
    • G05B19/4155—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 programme execution, i.e. part programme or machine function execution, e.g. selection of a programme
    • 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
    • G05B2219/31—From computer integrated manufacturing till monitoring
    • G05B2219/31407—Machining, work, process finish time estimation, calculation
    • 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
    • G05B2219/36—Nc in input of data, input key till input tape
    • G05B2219/36289—Cutting, machining conditions by optimisation of time, cost, accuracy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Geometry (AREA)
  • Numerical Control (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本發明之加工條件探索裝置(2)係包括：加工條件產生部(22)，係產生由對加工機(1)可設定之一個以上之控制參數所構成的加工條件；實加工指令部(23)，係使加工機(1)實施根據所產生之加工條件的加工；加工評估部(12)，係根據表示所實施之加工之加工結果的資訊，產生所實施之加工的評估值；預測部(27)，係根據評估值、與對應於評估值之加工條件，預測與未實施加工之加工條件對應的評估值；以及最佳加工條件計算部(31)，係根據預測部(27)所預測之預測值、與加工評估部(12)所產生之評估值，求得是評估值是臨限值以上且裕度成為最大之加工條件的最佳加工條件。

Description

加工條件探索裝置及加工條件探索方法
本發明係有關於一種加工條件探索裝置及加工條件探索方法，該加工條件探索裝置係為了可得到適當的加工結果而探索對加工機所設定之加工條件。
在產業用途所使用之加工機係進行改變是被加工物之工作物的形狀之加工。工作物的材料係金屬、陶瓷、玻璃、木材等各式各樣。加工之一例係藉由除去不要的部分，而將工作物作成所要之形狀的除去加工。在除去加工，係例如藉切削、研磨等，或利用電、其他的能量，除去不要的部分。
一般，在這些加工機，係可設定複數個控制參數。加工機之加工結果係與是複數個控制參數之各個的參數值之組合的加工條件相依。即，為了得到所要之加工結果，係需要對加工機設定適當之加工條件。可是，因為控制參數係存在複數個且各控制參數之參數值係能以連續值或複數個階段設定，所以在藉嘗試錯誤來選擇得到所要之加工結果的加工條件係需要龐大的勞力與時間。
例如，使用雷射光，裁斷約5~20mm之軟鋼之工作物的板金雷射加工機係被要求即使在工作物之尺寸有不均的情況，亦被要求藉加工所形成的裁斷面成為所要求之品質。在板金雷射加工機的情況，作為對加工結果之影響度大之主要的控制參數，列舉雷射輸出、裁斷速度、光束倍率、焦點位置、氣體壓力之5個。各個控制參數係從複數個階段的值之中被選擇一個。此處，若對5個控制參數之各個從11階段的值可選擇，則總組合數係成為161051種。在此時，若對一個加工條件進行嘗試錯誤，需要5分鐘，則在161051種之嘗試錯誤係需要約559天。
於是，為了選擇適當之加工條件，因為在全部之組合進行嘗試錯誤係花費勞力與時間，所以一般係不進行全部之組合的嘗試錯誤，而藉別的方法，選擇適當之加工條件。作為別的方法之一例，列舉在專利文獻1所記載之方法。在專利文獻1所記載之方法係藉神經網路等之函數模型產生表示加工條件與評估值之關係性的學習模型，再利用學習模型之預測結果，探索評估值成為最高的加工條件。藉此，在專利文獻1所記載之方法係以少的嘗試錯誤次數可得到評估值高的加工條件。 [先行專利文獻] [專利文獻]
[專利文獻1] 特開2008－036812號公報
[發明所欲解決之課題]
在專利文獻1所記載之方法，係根據藉嘗試錯誤所得之加工條件與評估值的組合，探索評估值最高之加工條件的周邊，藉此，求得最佳之加工條件。可是，一般係即使所設定之加工條件是相同，亦可能因加工條件以外的要因等而加工結果相異。例如，因加工之材料的尺寸等的不均，即使設定相同之加工條件，亦可能在加工結果發生不均。因此，即使對加工機設定根據在專利文獻1所記載之方法所選擇之成為高的評估值之加工條件，亦具有實際加工時無法得到所要之評估值以上的加工結果的可能性。
本發明係鑑於上述所開發者，其目的在於得到一種加工條件探索裝置，該加工條件探索裝置係可求得得到所要之評估值以上的加工結果之可能性高的加工條件。 [解決課題之手段]
為了解決上述之課題，而達成目的，本發明之加工條件探索裝置係包括：加工條件產生部，係產生由對加工機可設定之一個以上之控制參數所構成的加工條件；及實加工指令部，係使加工機實施根據加工條件產生部所產生之加工條件的加工。進而，加工條件探索裝置係包括：加工評估部，係根據表示所實施之加工之加工結果的資訊，產生所實施之加工的評估值；及預測部，係根據評估值、與對應於評估值之該加工條件，預測與未實施加工之加工條件對應的評估值。進而，加工條件探索裝置係具備最佳加工條件計算部，該最佳加工條件計算部係根據預測部所預測之預測值、與加工評估部所產生之評估值，求得是評估值是臨限值以上且裕度成為最大之加工條件的最佳加工條件，評估值係表示值愈大加工結果愈佳。 [發明之效果]
本發明之加工條件探索裝置係具有可求得得到所要之評估值以上的加工結果之可能性高的加工條件之效果。
在以下，根據圖面，詳細地說明本發明之實施形態的加工條件探索裝置及加工條件探索方法。此外，不是藉此實施形態限定本發明。 實施形態
圖1係表示本發明之實施形態的加工條件探索裝置之構成例的圖。本實施形態之加工條件探索裝置2係探索適合加工機1之加工的加工條件。如圖1所示，本實施形態之加工條件探索裝置2係包括探索加工條件產生部11、加工評估部12、機械學習部13、最佳加工條件產生部14以及顯示部15。
加工機1係例如是藉由除去不要之部分而將是被加工物的工作物作成所要之形狀的產業機機，或進行附加加工等的產業機機。以下，將工作物稱為工件。工件之材料的一例係金屬，但是工件之材料係不限定為金屬，亦可是陶瓷、玻璃、木材等。作為這種加工機1，係雷射加工機、放電加工機、切削加工機、研磨加工機、電解加工機、超音波加工機、電子束加工機、附加加工機等符合。在本實施形態，當作加工機1是雷射加工機來說明，但是本發明係亦可應用於雷射加工機以外的加工機。
在加工機1是雷射加工機的情況，加工機1係例如如以下所示裁斷工件。是雷射加工機之加工機1係包括雷射振盪器及加工頭。雷射振盪器係使雷射光振盪並射出。從雷射振盪器所射出之雷射光係經由光路，向加工頭被供給。在加工頭之內部，係被供給加工氣體，在向工件照射雷射光時，向工件供給加工氣體。加工頭係具有將雷射光向工件聚光的聚光鏡，加工頭係將雷射光聚光，並向工件照射，藉此，裁斷工件。依此方式，工件係藉加工機1所裁斷。
加工機1係可進行用以將工件作成所要之形狀之一般的加工，且可對工件進行後述之實驗用的加工。在實驗用的加工，本實施形態之加工機1係根據由探索加工條件產生部11所產生之後述之用以探索的加工條件，對工件實施所預設之實驗用的加工。加工機1係具備可取得表示加工結果之資訊的感測器等。表示加工結果之資訊係例如是表示加工中之加工機1或工件之狀態的資訊、表示加工後之工件之狀態的資訊。這些資訊係藉加工機1所具備之感測器等所取得。感測器之一例係檢測出在加工中所產生之聲音、光等的感測器。感測器之別的例子係取得拍攝加工後之工件之影像的攝像裝置、測量工件之裁斷面之凹凸的測量儀器。加工機1係只要具備可檢測出表示加工結果之資訊的感測器即可，感測器係未被限定為這些。又，此處，係說明加工機1具備感測器的例子，但是亦可作成與加工機1另外地設置感測器，而加工條件探索裝置2從該感測器取得檢測結果。
加工條件探索裝置2之探索加工條件產生部11係產生在實驗用的實加工所使用之加工條件，並使加工機1實施根據所產生之加工條件的加工。即，探索加工條件產生部11係在將構成加工條件之控制參數作為維度的多維空間，產生藉實加工所探索之加工條件。加工條件係包含對加工機1所實施之加工可調整的複數個控制參數。控制參數係例如是雷射輸出、裁斷速度、光束倍率、焦點位置、氣體壓力。如圖1所示，探索加工條件產生部11係包括探索結束判定部21、加工條件產生部22以及實加工指令部23。
加工條件產生部22係產生由對加工機可設定之一個以上之控制參數所構成的加工條件。詳細地說明之，加工條件產生部22係產生在實驗用的加工所使用之加工條件，並向實加工指令部23輸出所產生之加工條件。實加工指令部23係使加工機1實施根據由加工條件產生部22所產生之加工條件的加工。詳細地說明之，實加工指令部23係根據從加工條件產生部22所輸入之加工條件，產生用以使加工機1動作的指令，並向加工機1輸出所產生之指令。探索結束判定部21係根據在結束判定所使用之資訊，判斷是否結束實驗用的加工，並向加工條件產生部22輸出判斷結果。在結束判定所使用之資訊係如後述所示由機械學習部13所產生。此外，在本實施形態，係加工條件探索裝置2具有作為向加工機1輸出指令之控制裝置的功能，產生根據加工條件之加工指令，並向加工機1輸出。不限定為本例，亦可與向加工機1輸出指令之控制裝置係另外地設置加工條件探索裝置2。在與向加工機1輸出指令之控制裝置係另外地設置加工條件探索裝置2的情況，加工條件探索裝置2係不必具備實加工指令部23。在此情況，加工條件探索裝置2係與上述之控制裝置連接，而探索加工條件產生部11係向上述之控制裝置輸出所產生之加工條件。
加工評估部12係根據表示所實施之加工的加工結果之資訊，產生所實施之加工的評估值。詳細地說明之，加工評估部12係從加工機1取得表示加工結果之資訊，再使用所取得之資訊，求得表示加工之良否的評估值，並記憶是加工條件與對應之評估值之組合的探索結果。加工評估部12係包括加工結果取得部24、評估值產生部25以及探索結果記憶部26。
加工結果取得部24係從加工機1取得表示加工結果之資訊。評估值產生部25係根據加工結果取得部24所取得之資訊，對各加工條件，求得對根據加工條件所進行之加工的評估值。評估值係例如是從0至1的值，並定義成表示值愈大加工結果愈佳的值。因此，在進行最佳之加工的情況，評估值係成為1，而在進行最差之加工的情況，評估值係成為0。佳之加工係根據加工機1之種類、在加工機1被加工所得之加工物所要求的規格等而異，例如，在藉雷射加工機進行裁斷加工的情況，係表示在裁斷面，瑕疵、粗糙、氧化膜剝離、浮渣等的加工不良未發生或少。浮渣係熔化之金屬等附著於被加工物之下面的現象。粗糙係表示裁斷面之面精度差。評估值係亦可藉評估值產生部25根據加工結果取得部24所取得之資訊算出，亦可根據使用者之輸入決定。在後者的情況，例如，評估值產生部25係藉由在未圖示之顯示手段顯示加工結果取得部24所取得之資訊等，向使用者提示，再從未圖示之輸入手段，取得使用者使用輸入手段所輸入之評估值。評估值產生部25之動作的細節係後述。
又，評估值產生部25係將加工條件與評估值之組合作為探索結果，向探索結果記憶部26儲存。探索結果記憶部26係記憶探索結果。
機械學習部13係使用探索結果記憶部26所記憶之探索結果，預測與未被探索的加工條件對應之加工的評估值。又，機械學習部13係算出對評估值之預測值的不確實性，即預測的易失準性。
機械學習部13係包括預測部27、預測結果記憶部28、不確實性評估部29以及不確實性記憶部30。預測部27係根據評估值產生部25所產生之評估值、與對應於評估值之加工條件，預測與未實施加工之加工條件對應的評估值。詳細地說明之，預測部27係使用探索結果記憶部26所記憶之探索結果，預測與未被探索之加工條件，即未探索之加工條件對應之加工的評估值，再以與加工條件賦與對應的方式將藉預測所得之評估值的預測值儲存於預測結果記憶部28。預測結果記憶部28係記憶未探索之加工條件與對應之評估值的預測值之組合，作為預測結果。不確實性評估部29係算出表示預測部27之預測之不確實性的指標。詳細地說明之，不確實性評估部29係使用探索結果記憶部26所記憶之探索結果，算出表示對評估值之預測值的不確實性，即預測之易失準性的指標，再以與加工條件賦與對應的方式向不確實性記憶部30儲存所算出之指標，作為不確實性資訊。預測部27及不確實性評估部29之動作的細節係後述。
最佳加工條件產生部14係根據由預測部27所預測之預測值、與由加工評估部12所產生之評估值，求得是評估值是臨限值以上且裕度成為最大之加工條件的最佳加工條件。關於裕度係後述。詳細地說明之，最佳加工條件產生部14係根據預測結果記憶部28所記憶之預測結果與不確實性記憶部30所記憶之不確實性資訊，產生是適合加工機1之加工之條件的最佳加工條件。
最佳加工條件產生部14係包括最佳加工條件計算部31及最佳加工條件記憶部32。最佳加工條件計算部31係根據預測結果記憶部28所記憶之預測結果與不確實性記憶部30所記憶之不確實性資訊，產生是適合加工機1之加工之條件的最佳加工條件，並將所產生之最佳加工條件儲存於最佳加工條件記憶部32。最佳加工條件計算部31之動作的細節係後述。最佳加工條件記憶部32係記憶最佳加工條件。
顯示部15係根據來自使用者之要求，讀出各記憶部所儲存之資訊並顯示。顯示部15係例如以將加工評估部12所產生之評估值與對應之加工條件賦與對應的方式顯示，且以將預測部27所產生之預測值與對應之加工條件賦與對應的方式顯示，並顯示最佳加工條件。
其次，說明加工條件探索裝置2之硬體構成。圖1所示之探索加工條件產生部11、加工評估部12、機械學習部13以及最佳加工條件產生部14係分別藉處理電路所實現。處理電路係亦可是專用的硬體，亦可是具備處理器的電路。顯示部15係藉顯示器、監視器等的顯示手段、使顯示手段顯示顯示資料的處理電路、以及鍵盤、滑鼠等的輸入手段所實現。
在處理電路是具備處理器之電路的情況，處理電路係例如是圖2所示的構成的處理電路。圖2係表示本實施形態之處理電路之構成例的圖。處理電路200係包括處理器201及記憶體202。在藉圖2所示之處理電路200實現加工條件探索裝置2之各部的情況，藉由處理器201讀出記憶體202所儲存之程式並執行，實現探索結束判定部21、加工條件產生部22、實加工指令部23、加工結果取得部24、評估值產生部25、預測部27、不確實性評估部29以及最佳加工條件計算部31的功能。即，在藉圖2所示之處理電路200實現加工條件探索裝置2之各部的情況，這些功能係使用是軟體之程式所實現。探索結果記憶部26、預測結果記憶部28、不確實性記憶部30以及最佳加工條件記憶部32係藉記憶體202所實現。記憶體202係亦被用作處理器201的工作區域。處理器201係CPU(Central Processing Unit)等。記憶體202係例如RAM(Random Access Memory)、ROM(Read Only Memory)、快閃記憶體等之不揮發性或揮發性的半導體記憶體、磁碟等符合。
在實現加工條件探索裝置2之探索加工條件產生部11、加工評估部12、機械學習部13以及最佳加工條件產生部14之處理電路是專用硬體的情況，處理電路係例如是FPGA(Field Programmable Gate Array)、ASIC(Application Specific Integrated Circuit)。此外，亦可加工條件探索裝置2之各部係將具備處理器之處理電路及專用硬體組合所實現。亦可加工條件探索裝置2之各部係藉複數個處理電路所實現。
其次，說明本實施形態的動作。圖3係表示在本實施形態之加工條件探索裝置2的加工條件探索處理程序之一例的流程圖。加工條件探索處理開始時，首先，加工條件產生部22產生起始加工條件(步驟S1)。加工條件產生部22係從可設定成加工條件之全部的組合之中選擇預定之個數的加工條件，作為起始加工條件，藉此，產生起始加工條件。作為起始加工條件之選擇方法，係使用任何方法都可，列舉實驗計劃法、最佳計劃法、隨機取樣等。又，在使用者從過去之利用實績等可判斷認為最佳之加工條件的情況，係亦可使用由使用者所輸入之加工條件，作為起始加工條件。
例如，構成加工條件之控制參數是5個，若在各控制參數從11階段的值可選擇設定於加工機1的值，則加工條件之總組合數係存在161051種。從該組合之中，選擇10種加工條件，作為起始加工條件。此外，構成加工條件之控制參數的個數、在各控制參數可設定之階段的個數、以及選擇成起始加工條件之加工條件的個數係不限定為這些。亦可可設定之階段的個數根據控制參數而異。
接著，加工條件探索裝置2係從所產生之起始加工條件之中選一個起始加工條件，並根據所選擇之起始加工條件使加工機1實施加工(步驟S2)。詳細地說明之，加工條件產生部22係從起始加工條件之中選一個，並向實加工指令部23及評估值產生部25輸出所選擇之起始加工條件。實加工指令部23係根據從加工條件產生部22所輸入之起始加工條件產生用以使加工機1動作的指令，並向加工機1輸出所產生之指令。藉此，加工機1係實施根據加工條件產生部22所選擇之起始加工條件的加工。本實施形態之加工條件探索裝置2係依此方式，首先，使加工機1實施根據起始加工條件的加工。以下，將根據起始加工條件的加工亦稱為起始加工。
然後，加工條件探索裝置2係產生與在步驟S2所實施之加工對應的評估值(步驟S3)。詳細地說明之，加工結果取得部24係取得表示與在步驟S2所實施之加工對應的加工結果的資訊，並向評估值產生部25輸出。評估值產生部25係使用表示加工結果之資訊，求得表示在步驟S2所實施之加工的良否的評估值。
評估值係如上述所示，例如是從0至1的值。評估值係亦可是連續值，亦可是10階段評估的離散值。例如，評估值產生部25係藉由對拍攝工件之裁斷面的影像進行影像處理，算出浮渣、氧化膜剝離、粗糙、瑕疵之加工不良的發生量，再因應於所算出之量算出表示加工之良否程度的評估值。算出浮渣、氧化膜剝離、粗糙、瑕疵之量的方法係任何方法都可，例如，評估值產生部25係根據像素之亮度的差求得發生這些不良的區域，再因應於區域的長度或面積等，定量地求得加工不良的發生量。而且，以加工不良的發生量愈多評估值成為愈低的方式預先決定評估值與加工不良之發生量的對應，評估值產生部25係根據該對應算出評估值。如上述所示，亦可評估值係由使用者所輸入。又，亦可評估值係因應於在加工中所產生之聲音、光決定。例如，亦可預先以在加工中所產生之聲音的位準愈大評估值成為愈小的方式定義評估值。又，亦可評估值產生部25係以將複數種資訊組合的方式算出評估值。
接著，加工條件探索裝置2係記憶加工條件與評估值(步驟S4)。詳細地說明之，加工結果取得部24係以將從加工條件產生部22所收到之加工條件、與在步驟S3所算出之評估值賦與對應的方式儲存於探索結果記憶部26。作為探索結果。
然後，加工條件探索裝置2係判斷是否結束起始加工(步驟S5)。在結束起始加工的情況(在步驟S5為Yes)，實施後述之步驟S6及步驟S8的處理。在步驟S5，詳細地說明之，加工條件探索裝置2係判斷是否已進行與在步驟S1所產生之全部的起始加工條件對應的加工。加工條件探索裝置2係在已進行與在步驟S1所產生之全部的起始加工條件對應的加工的情況，判斷結束起始加工。
在不結束起始加工的情況(在步驟S5為No)，加工條件探索裝置2係重複從步驟S2開始的處理。在第2次以後的步驟S2，加工條件探索裝置2係選擇至目前為止之在步驟S2未選擇的起始加工條件。此外，此處，係說明了加工條件探索裝置2重複使加工機1實施對應於一個起始加工條件的加工，再求得評估值並記憶之動作的例子。不限定為本例，亦可作成加工條件探索裝置2係使加工機1實施與所產生之全部之起始加工條件對應的加工，從加工機1取得表示與這些加工對應之加工結果的資訊，再求得各起始加工條件的評估值並記憶。
在步驟S6，係預測部27使用探索結果記憶部26所記憶之探索結果，計算與是尚未加工之加工條件的未探索加工條件對應之評估值的預測值。關於是已加工之加工條件的未探索加工條件，係藉上述之步驟S3產生評估值。另一方面，已加工之加工條件係全部之加工條件的組合之一部分。例如，加工條件的全部組合是161041種，在產生10種起始加工條件的情況，在起始加工之結束後，未探索加工條件是161031種。因此，在此情況，預測部27係算出161031個之評估值的預測值。此外，如後述所示，在步驟S13~步驟S15亦進行加工條件之選擇、加工的實施以及評估值的算出，並在步驟S15之後實施步驟S6。在經由步驟S13~步驟S15，已實施步驟S6的情況，在步驟S13所設定之加工條件係從未探索加工條件被除去。
作為預測部27算出與未探索加工條件對應之評估值之預測值的方法，即與未探索加工條件對應之評估值的預測方法的一例，列舉使用高斯過程遞迴(Gauss process recursion)的方法。在預測部27使用高斯過程遞迴來預測與未探索加工條件對應之評估值的情況，進行如以下所示的計算。使用高斯過程遞迴的方法係使用評估值之對加工條件的機率模型之方法的一例，而該機率模型係假設對加工條件之評估值是依照特定之分布的機率變數所產生。將觀測值之個數，即加工而算出評估值之加工條件的個數當作N，將Gram矩陣當作CN ，並將排列探索結果記憶部26所記錄之評估值的向量當作t。在此時，將構成加工條件的控制參數中之一個當作xi (i係自然數)，並將在探索結果記憶部26所記錄之在各加工條件之該控制參數的值當作x1 ~xN 時，對未探索加工條件xN ＋ 1 之評估值的預測值m(xN ＋ 1 )係可根據以下之數學式(1)計算。k係如以下之數學式(2)所示，是排列將已探索之加工條件x1 、…、xN 的各個與xN ＋ 1 作為引數時之核函數(kernel function)之值的向量。此外，上標之T係表示轉置，上標之－1係表示反矩陣。 m(xN ＋ 1 )＝kT ‧(CN － 1 )‧t　　…(1)
[數學式1]
Figure 02_image001
此外，此處，係說明了預測部27進行使用高斯過程遞迴之預測的例子，但是評估值之預測方法係不限定為此，例如亦可是使用決定樹、線性遞迴、boosting、神經網路之有老師之機械學習的方法。
然後，加工條件探索裝置2係記錄評估值之預測值(步驟S7)。詳細地說明之，預測部27以與加工條件賦與對應的方式將在步驟S6所算出之評估值的預測值儲存於預測結果記憶部28，作為預測結果。
又，不確實性評估部29使用探索結果記憶部26所記憶之探索結果，算出表示對與未探索加工條件對應之評估值的預測之不確實性的指標(步驟S8)。作為表示不確實性之指標的一例，列舉使用是機率模型之一例的高斯過程遞迴所算出之標準偏差。在不確實性評估部29使用高斯過程遞迴算出表示不確實性之指標的情況，例如進行如以下所示的計算。將觀測值之個數，即加工而算出評估值之加工條件的個數當作N，將Gram矩陣當作CN ，並將排列探索結果記憶部26所記錄之加工條件的向量當作k，對未探索之加工條件xN ＋ 1 彼此之核值加入預測模型之精度參數的純量值當作c。在此時，將構成加工條件的控制參數中之一個當作xi (i係自然數)，並將在探索結果記憶部26所記錄之在各加工條件之該控制參數的值當作x1 ~xN 時，是表示對與未探索加工條件xN ＋ 1 對應之評估值的預測之不確實性的指標之標準偏差σ(xN ＋ 1 )係可根據以下之數學式(3)計算。此外，在數學式(3)，係求得分散σ2 (xN ＋ 1 )，但是藉由計算分散的平方根，可求得標準偏差σ(xN ＋ 1 )。 σ2 (xN ＋ 1 )＝c－kT ‧(CN － 1 )‧k　　…(3)
此外，此處，係說明了不確實性評估部29使用高斯過程遞迴算出表示對預測之不確實性之指標的例子，但是表示不確實性之指標的算出方法係不限定為此，例如，亦可使用密度推測、混合密度網路之手法。
此處，說明在本實施形態之評估值的預測值、與預測值之不確實性。圖4係示意地表示實施形態之評估值的預測值與表示不確實性之指標的說明圖。在圖4，係表示使用高斯過程遞迴算出預測值與表示不確實性之指標的例子。圖4之橫軸係表示是加工條件之控制參數的值x，圖4之縱軸係表示評估值。圖4之以黑圓所示的點係表示根據使用起始加工條件之實加工所算出的評估值(以下亦稱為實加工之評估值)。在使用高斯過程遞迴之預測，係當作評估值依照高斯分布，來預測評估值。因此，將評估值之預測值當作高斯分布的平均m(x)，將表示預測之不確實性的指標當作高斯分布的標準偏差σ(x)時，實際的評估值係在統計上表示，在約95%之機率，位於m(x)－2σ(x)以上且m(x)＋2σ(x)以下的範圍。在圖4，以實線所示之曲線係表示是評估值之預測值的m(x)，以虛線所示之曲線係表示m(x)－2σ(x)及m(x)＋2σ(x)的曲線。如圖4所示，在接近實加工之評估值之處係表示不確實性的指標變小，而在遠離實加工之評估值之處係表示不確實性的指標變大。
回到圖3之說明，在步驟S8之後，加工條件探索裝置2係記錄表示預測值之不確實性的指標(步驟S9)。詳細地說明之，不確實性評估部29以與加工條件賦與對應的方式將在步驟S8所算出之表示預測值之不確實性的指標儲存於不確實性記憶部30。
在步驟S7及步驟S9之後，加工條件探索裝置2係計算最佳加工條件(步驟S10)。詳細地說明之，最佳加工條件計算部31使用探索結果記憶部26所記憶之探索結果、與預測結果記憶部28所記憶之預測結果，計算評估值是臨限值以上且裕度最高，即韌性(robust)最高之加工條件。臨限值係在評估值取從0至1之值的情況，可採用是表示進行品質最佳之加工之值的1。或者，亦可臨限值係被設定成如0.85之接近1並小於1的值。
此處，在本實施形態，裕度係表示即使在加工機1使用相同之加工條件實施加工所得之評估值有不均，亦在選擇某加工條件加工的情況，得到與所選擇之加工條件被賦與對應的評估值同程度之評估值之可能性的高度。與所選擇之加工條件被賦與對應的評估值係藉實加工所得之評估值及評估值的預測值，以下將這些評估值亦稱為設想的評估值。在本實施形態，係如後述所示，根據設想的評估值，選擇加工條件，但是以在此時所選擇之設想的評估值成為所要之值以上的方式選擇。另一方面，根據依此方式所選擇之加工條件實際加工所得之評估值係具有因某種要因而與設想之評估值相異的可能性。在本實施形態，係將設想的評估值與根據所選擇之加工條件實際加工所得之評估值成為一致之可能性的高度定義成裕度，藉由選擇裕度高的加工條件，即使在加工機1使用相同之加工條件實施加工所得之評估值有不均，亦可提高進行成為所要之評估值之加工的可能性。作為裕度之一例，列舉在將構成加工條件之複數的控制參數的參數值作為維度的多維空間，表示與評估值成為臨限值以上之某加工條件對應的點偏離評估值成為臨限值以上之區域與評估值成為未滿臨限值之區域的邊界之程度的值。在此情況，例如，可將成為評估值成為臨限值以上之區域的中心之加工條件定義成裕度最高的加工條件。
圖5係用以說明實施形態之裕度的圖。在圖5，係圖示在以第1控制參數與第2控制參數之2個控制參數構成加工條件的情況，在橫軸及縱軸取第1控制參數與第2控制參數各個之參數值的平面。在圖5，以圓、三角形以及四角形所示的點係表示與已進行實加工之加工條件對應的點。以圓所示的加工條件301係表示評估值成為0.85以上的加工條件。以三角形所示的的加工條件302係表示評估值成為0.45以上且未滿0.85的加工條件。以四角形所示的加工條件303係表示評估值成為未滿0.45的加工條件。此評估值係在與已進行實加工之點對應的情況，是藉實加工所算出之評估值，而在對應於未探索加工條件的點，係上述的預測值。
此處，係例如，將評估值為0.85以上的情況當作是良加工，將評估值為0.45以上且未滿0.85的情況當作是輕微的不良加工，將評估值為未滿0.45的情況當作是重度的不良加工。在圖5，區域311係評估值成為0.85以上的區域，區域312係評估值成為0.45以上且未滿0.85的區域，區域313係評估值成為未滿0.45的區域。將上述之臨限值當作0.85，在期望如成為良加工之加工條件之設定的情況，評估值成為臨限值以上之區域與評估值成為未滿臨限值之區域的邊界係成為區域311與區域312的邊界。在此情況，愈遠離區域311與區域312的邊界，裕度愈高。因此，例如，區域311之是重心的中心320成為裕度最高的加工條件。在此情況，最佳加工條件計算部31係在將構成加工條件之複數的控制參數作為維度的多維空間，求得與評估值成為臨限值以上之區域的重心對應之加工條件，作為最佳加工條件。
裕度最高之加工條件的算出方法係不限定為上述的例子。例如，亦可因應於評估值之值賦與加權，將與位於取加權平均之座標的點對應之加工條件當作裕度最高之加工條件。例如，在圖5所示之例子，將臨限值當作0.45以上，將評估值為0.85以上之情況的加權當作w1 ，將評估值為0.45以上且未滿0.85之情況的加權當作w2 ，並當作w1 ＋w2 ＝1。在此情況，將區域311之重心的座標當作p1 、並將區域312之重心的座標當作p2 時，可根據以下之數學式(4)求得裕度最高之座標pL 。 pL ＝w1 ×p1 ＋w2 ×p2 …(4)
此外，加權平均的算出方法係不限定為上述的例子。又，如上述所示，預測值係對全部之未探索加工條件所計算，再使用這些結果，計算上述之區域。因此，在實施，係不是如圖5所示算出連續的邊界，而對離散地配置之點算出評估值的預測值。因此，例如，在計算區域311之重心之座標的情況，係成為計算在區域311內離散地配置之點之各座標值的重心。關於加權平均亦一樣。因此，在計算是重心之中心點或加權平均時，若加工條件之組合的個數多，則計算量增加。因此，為了削減計算量，亦可在間拔考慮之加工條件後，計算上述之中心點、加權平均。
在本實施形態，係如上述所示，例如，因為將區域311之是重心的中心320選擇成裕度最高之最佳加工條件，所以最佳加工條件係遠離區域311之邊界。相對地，如專利文獻1所示，藉實加工之探索求得評估值成為最高的點，再以該點為中心進行藉實加工之探索時，例如成為在區域330內探索。區域330係成為區域311內之紙面之靠右上的區域，在此區域內，探索最佳加工條件，亦只能探索比在本實施形態所選擇之最佳加工條件接近區域311之邊界的加工條件。於是，在本實施形態，係因為可將遠離區域311之邊界的加工條件選擇成最佳加工條件，所以即使在根據相同之加工條件所得之加工結果有不均的情況，亦得到所要之加工結果的可能性變高。
回到圖3之說明，在步驟S10之後，加工條件探索裝置2係記憶最佳加工條件(步驟S11)。詳細地說明之，最佳加工條件計算部31向最佳加工條件記憶部32儲存在步驟S10所求得之最佳加工條件。
然後，加工條件探索裝置2係判斷是否結束探索(步驟S12)，在結束探索的情況(在步驟S12為Yes)，結束處理。詳細地說明之，在步驟S12，係探索結束判定部21判斷是否滿足探索結束條件。作為探索結束條件的例子，係列舉對全加工條件，表示評估值之預測之不確實性的指標成為臨限值以下的條件。又，亦可探索結束判定部21係根據表示不確實性之指標與預測值，算出是預測值錯誤之機率的預測錯誤率，再根據預測錯誤率判斷是否結束加工條件的探索。又，作為探索結束條件的例子，列舉具有使預測大為失準之可能性之加工條件的個數成為指定之個數以下的條件。這係因為預測值係根據周邊之複數個實測值所算出，所以有實測值與預測值大為相異的加工條件時，該加工條件之實測值在探索空間之廣大的範圍有影響，而預測值大為變化的緣故。
例如，將評估值當作從0至1之值，並當作1是表示已進行最佳之加工的值。在從0至1之評估值的範圍內，預測之評估值與在實際之加工所得之評估值大為相異，這對對使用者係不佳。例如，假設將評估值0.85以上的加工判斷成良加工時，根據被預測評估值0.95之加工條件進行實際的加工，即使藉該加工所求得之評估值是0.9，亦對製品之品質的影響係少。另一方面，根據被預測評估值0.95之加工條件進行實際的加工，若藉該加工所求得之評估值是0.2，是理應根據品質佳之加工條件進行了加工，卻成為重度之加工不良，而影響大。像這樣，如成為重度之加工不良的範圍與被判斷為良加工的範圍所示，在實際之加工所得的評估值與預測值所屬的範圍互相替換時有影響大之2個範圍的情況，亦可將是發生這種預測之錯誤的機率之預測錯誤率用於探索結束之判定。
例如，將評估值成為第1範圍內之加工條件當作組#1，並將評估值成為第2範圍內之加工條件當作組#2。第1範圍係例如是0以上且未滿0.3，第2範圍係與第1範圍不重複的範圍，例如是0.7以上且1以下。在此情況，在根據被預測屬於組#2之加工條件加工的情況，實際上，成為對應於組#1之評估值係不佳。又，在根據被預測屬於組#1之加工條件加工的情況，實際上，成為對應於組#2之評估值係不佳。因此，探索結束判定部21係使用預測結果記憶部28所記憶之預測結果與不確實性記憶部30所記憶之表示預測之不確實性的指標，計算第1預測錯誤率與第2預測錯誤率。第1預測錯誤率係被預測屬於組#1之加工條件實際上係屬於組#2的機率，第2預測錯誤率係被預測屬於組#2之加工條件實際上係屬於組#1的機率。換言之，第1預測錯誤率係被預測預測值是第1範圍內的加工條件之實際的評估值成為與第1範圍係不重複之第2範圍內的機率。此處，採用使用高斯過程遞迴的前提，當作對某加工條件x之評估值的預測值m(x)是0≦m(x)≦0.3，即當作某加工條件x被預測屬於組#1，並將對預測之不確實性的標準偏差當作σ(x)。在此時，是加工條件x實際上不是屬於組#1而屬於組#2之機率的第1預測錯誤率係可根據以下之數學式(5)計算。第2預測錯誤率亦藉由變更積分範圍而可一樣地計算。z係用以進行積分的變數。
[數學式2]
Figure 02_image003
探索結束判定部21係亦可在第1預測錯誤率與第2預測錯誤率之雙方是決定之值以下的情況判斷探索結束，亦可在第1預測錯誤率是決定之值以下的情況判斷探索結束。依此方式算出之第1預測錯誤率與第2預測錯誤率係表示預測錯誤的機率之預測錯誤率的一例。預測錯誤率係只要是關於預測與實測之差的指標即可，不限定為上述的例子。例如，亦可預測錯誤率係表示上述之評估值的預測之不確實性的指標。又，亦可探索結束判定部21係在表示評估值的預測之不確實性的指標是臨限值以上且第1預測錯誤率是決定之值以下的情況，判斷探索結束等，以將複數個項目組合的方式判斷探索結束。
在步驟S12，在判斷不結束探索的情況(在步驟S12為No)，加工條件探索裝置2係產生接著探索的加工條件(步驟S13)。詳細地說明之，探索結束判定部21判斷未滿足探索結束條件時，向加工條件產生部22指示接著探索之加工條件的產生，而加工條件產生部22根據指示，從全部的加工條件中選擇接著探索之加工條件，即新的加工條件，並向實加工指令部23輸出所選擇之加工條件。探索結束判定部21係例如根據表示不確實性的指標，判斷是否結束加工條件之探索，在不結束探索的情況，係使加工條件產生部22產生新的加工條件。
作為探索結束判定部21選擇接著探索之加工條件時之選擇方法的一例，列舉選擇與對良加工與不良加工之邊界的加工結果之評估值對應之加工條件的方法。與對良加工與不良加工之邊界的加工結果之評估值對應的加工條件之在多維空間的區域成為明確時，可將該區域之內側判定為評估值高的區域，並將外側判定為評估值低的區域，而以少的嘗試錯誤次數可求得評估值變高之區域的中心座標。
例如，在選擇評估值成為0.7的附近之加工條件的情況，將對加工條件x之評估值的預測值當作m(x)，並將是表示對預測之不確實性的指標之標準偏差當作σ(x)。在此時，探索結束判定部21係若選擇如下之數學式(6)的值成為最大的x，則可得到評估值接近0.7之加工條件。 －(m(x)－0.7)2 ＋κ‧σ(x)　　…(6)
此處，κ係決定預測與其不確實性之加權的參數，κ愈小成為愈重視預測的探索，κ愈大成為愈重視不確實性的探索。關於作為目標之評估值的值，係亦可從探索開始至結束固定為相同的值，亦可每次探索採用相異的值。又，亦可在探索結束判定部21計算上述之預測錯誤率的情況，從探索結束判定部21取得預測錯誤率，再從預測錯誤率高的範圍內選擇加工條件。或者，亦可加工條件產生部22與探索結束判定部21一樣地根據預測結果記憶部28所記憶之預測結果與不確實性記憶部30所記憶之表示預測之不確實性的指標求得預測錯誤率。再根據求得之預測錯誤率產生加工條件。例如，加工條件產生部22從預測錯誤率高的範圍內選擇加工條件。
在步驟S13之後，與步驟S2、步驟S3一樣地實施步驟S14、步驟S15，在步驟S15之後，再實施步驟S6及步驟S8。
顯示部15係可顯示在上述之處理的過程所得之資料、處理之結果所得之最佳加工條件等。例如，顯示部15係能以將加工評估部12所產生之評估值與對應之加工條件賦與對應的方式顯示，且以將預測部27所產生之預測值與對應之加工條件賦與對應的方式顯示，更顯示最佳加工條件。圖6係表示本實施形態之加工條件與評估值之顯示例的圖。在圖6所示之例子，係在橫軸及縱軸取2個控制參數之各個，並以圖形之差異表示在表示加工條件之各點的評估值。在圖6，係與有影線之圖形對應的點表示已探索之加工條件，與無影線之圖形對應的點表示所預測之加工條件。又，圓的圖形係表示評估值是對應於良加工的評估值，四角形的圖形係表示評估值是對應於不良加工的評估值，三角形的圖形係表示評估值是對應於輕微之不良加工的評估值。以雙重圓所示的點係表示所推測之最佳加工條件。又，在圖6之表示各加工條件之點的背景，係以縱的影線表示良加工的範圍。加工條件與評估值之顯示例係不限定為圖6所示的例子。
在以上所說明之例子，係當作加工機1是雷射加工機來說明，但是如上述所示，加工機1係不限定為雷射加工機。在將在本實施形態所述之加工條件的探索方法應用於雷射加工機以外之加工機1的情況，可一樣地探索由因應於加工機1之控制參數所構成的加工條件。例如，在加工機1是線放電加工機的情況，係可將放電停止時間、放電脈波能量、平均加工電壓等作為控制參數。
如以上所示，若依據本實施形態，加工條件探索裝置2係包括：加工條件產生部22，係產生由對加工機1可設定之一個以上之控制參數所構成的加工條件；及加工評估部12，係根據用以評估根據加工條件產生部22所產生之加工條件實施之加工的資訊，算出表示所實施之加工之良否的評估值。進而，加工條件探索裝置2係具備預測部27，該預測部27係根據加工評估部12所算出之評估值，預測未實施對應之加工之加工條件的評估值。進而，加工條件探索裝置2係具備最佳加工條件計算部31，該最佳加工條件計算部31係使用預測部27所預測之預測值，計算評估值是臨限值以上且裕度高之加工條件。藉此，以少的嘗試錯誤次數可求得得到所要之評估值以上的加工結果之可能性高的加工條件。
又，加工條件探索裝置2係具備不確實性評估部29，該不確實性評估部29係計算表示藉預測部27之預測之不確實性的指標，使用該指標判定是否滿足探索結束條件，在不結束探索的情況，係藉追加重新產生進行實加工之加工條件。再計算與根據所產生之加工條件進行的加工對應的評估值。而且，重複加工條件產生部22、實加工指令部23、加工評估部12、預測部27、不確實性評估部29以及最佳加工條件計算部31之處理至滿足探索結束條件。藉此，可使作為起始探索進行實加工之加工條件的個數變少，而以滿足探索結束條件之最低限之實加工的次數，可得到最佳之加工條件。
以上之實施形態所示的構成係表示本發明之內容的一部分，亦可能與別的周知之技術組合，亦可能在不超出本發明之主旨的範圍，省略、變更構成的一部分。
1:加工機 2:加工條件探索裝置 11:探索加工條件產生部 12:加工評估部 13:機械學習部 14:最佳加工條件產生部 15:顯示部 21:探索結束判定部 22:加工條件產生部 23:實加工指令部 24:加工結果取得部 25:評估值產生部 26:探索結果記憶部 27:預測部 28:預測結果記憶部 29:不確實性評估部 30:不確實性記憶部 31:最佳加工條件計算部 32:最佳加工條件記憶部
[圖1] 係表示本發明之實施形態的加工條件探索裝置之構成例的圖。 [圖2] 係表示實施形態之處理電路之構成例的圖。 [圖3] 係表示在實施形態之加工條件探索裝置的加工條件探索處理程序之一例的流程圖。 [圖4] 係示意地表示實施形態之評估值的預測值與表示不確實性之指標的說明圖。 [圖5] 係用以說明實施形態之裕度的圖。 [圖6] 係表示實施形態之加工條件與評估值之顯示例的圖。
1:加工機
2:加工條件探索裝置
11:探索加工條件產生部
12:加工評估部
13:機械學習部
14:最佳加工條件產生部
15:顯示部
21:探索結束判定部
22:加工條件產生部
23:實加工指令部
24:加工結果取得部
25:評估值產生部
26:探索結果記憶部
27:預測部
28:預測結果記憶部
29:不確實性評估部
30:不確實性記憶部
31:最佳加工條件計算部
32:最佳加工條件記憶部

Claims (18)

  1. 一種加工條件探索裝置，其特徵為： 包括： 加工條件產生部，係產生由對加工機可設定之一個以上之控制參數所構成的加工條件； 實加工指令部，係使該加工機實施根據該加工條件產生部所產生之加工條件的加工； 加工評估部，係根據表示所實施之加工之加工結果的資訊，產生該實施之加工的評估值； 預測部，係根據該評估值、與對應於該評估值之該加工條件，預測與未實施加工之加工條件對應的評估值；以及 最佳加工條件計算部，係根據該預測部所預測之預測值、與該加工評估部所產生之評估值，求得是評估值是臨限值以上且裕度成為最大之加工條件的最佳加工條件； 該評估值係表示值愈大加工結果愈佳。
  2. 如申請專利範圍第1項之加工條件探索裝置，其中 包括： 不確實性評估部，係算出表示藉該預測部之預測之不確實性的指標；及 探索結束判定部，係根據該指標，判斷是否結束加工條件之探索，在不結束探索的情況，係使該加工條件產生部產生新的加工條件； 重複該加工條件產生部、該實加工指令部、該加工評估部、該預測部、該不確實性評估部以及該最佳加工條件計算部之處理至該探索結束判定部判斷結束探索。
  3. 如申請專利範圍第2項之加工條件探索裝置，其中該探索結束判定部係根據該指標與該預測值，算出是預測值錯誤之機率的預測錯誤率，再根據該預測錯誤率判斷是否結束加工條件的探索。
  4. 如申請專利範圍第3項之加工條件探索裝置，其中該探索結束判定部係根據該指標與該預測值，算出第1預測錯誤率，該第1預測錯誤率係被預測預測值是第1範圍內之加工條件之實際的評估值成為與該第1範圍係不重複之第2範圍內的機率，再根據該第1預測錯誤率判斷是否結束加工條件的探索。
  5. 如申請專利範圍第2項之加工條件探索裝置，其中該加工條件產生部係根據該預測值，產生對加工條件之評估值成為中間之值的加工條件。
  6. 如申請專利範圍第3項之加工條件探索裝置，其中該加工條件產生部係根據該預測值，產生對加工條件之評估值成為中間之值的加工條件。
  7. 如申請專利範圍第4項之加工條件探索裝置，其中該加工條件產生部係根據該預測值，產生對加工條件之評估值成為中間之值的加工條件。
  8. 如申請專利範圍第2~7項中任一項之加工條件探索裝置，其中該加工條件產生部係使用是該預測值錯誤之機率的預測錯誤率，產生加工條件。
  9. 如申請專利範圍第2~7項中任一項之加工條件探索裝置，其中 該預測部係使用評估值之對加工條件的機率模型來產生該預測值，而該機率模型係假設對該加工條件之評估值是依照特定之分布的機率變數所產生； 該不確實性評估部係使用該機率模型算出該指標。
  10. 如申請專利範圍第8項之加工條件探索裝置，其中 該預測部係使用評估值之對加工條件的機率模型來產生該預測值，而該機率模型係假設對該加工條件之評估值是依照特定之分布的機率變數所產生； 該不確實性評估部係使用該機率模型算出該指標。
  11. 如申請專利範圍第1~7項中任一項之加工條件探索裝置，其中該最佳加工條件計算部係在將構成加工條件之複數的控制參數作為維度的多維空間，求得與該評估值成為臨限值以上之區域的重心對應之加工條件，作為該最佳加工條件。
  12. 如申請專利範圍第8項之加工條件探索裝置，其中該最佳加工條件計算部係在將構成加工條件之複數的控制參數作為維度的多維空間，求得與該評估值成為臨限值以上之區域的重心對應之加工條件，作為該最佳加工條件。
  13. 如申請專利範圍第9項之加工條件探索裝置，其中該最佳加工條件計算部係在將構成加工條件之複數的控制參數作為維度的多維空間，求得與該評估值成為臨限值以上之區域的重心對應之加工條件，作為該最佳加工條件。
  14. 如申請專利範圍第1~7項中任一項之加工條件探索裝置，其中具備顯示部，該顯示部係以將該加工評估部所產生之評估值與對應之加工條件賦與對應的方式顯示，且以將該預測部所產生之預測值與對應之加工條件賦與對應的方式顯示，並顯示該最佳加工條件。
  15. 如申請專利範圍第8項之加工條件探索裝置，其中具備顯示部，該顯示部係以將該加工評估部所產生之評估值與對應之加工條件賦與對應的方式顯示，且以將該預測部所產生之預測值與對應之加工條件賦與對應的方式顯示，並顯示該最佳加工條件。
  16. 如申請專利範圍第9項之加工條件探索裝置，其中具備顯示部，該顯示部係以將該加工評估部所產生之評估值與對應之加工條件賦與對應的方式顯示，且以將該預測部所產生之預測值與對應之加工條件賦與對應的方式顯示，並顯示該最佳加工條件。
  17. 如申請專利範圍第11項之加工條件探索裝置，其中具備顯示部，該顯示部係以將該加工評估部所產生之評估值與對應之加工條件賦與對應的方式顯示，且以將該預測部所產生之預測值與對應之加工條件賦與對應的方式顯示，並顯示該最佳加工條件。
  18. 一種加工條件探索方法，其特徵為： 加工條件探索裝置包含： 加工條件產生步驟，係產生由對加工機可設定之一個以上之控制參數所構成的加工條件； 實加工指令步驟，係使該加工機實施根據該加工條件產生步驟所產生之加工條件的加工； 加工評估步驟，係根據表示所實施之加工之加工結果的資訊，產生該實施之加工的評估值； 預測步驟，係根據該評估值、與對應於該評估值之該加工條件，預測與未實施加工之加工條件對應的評估值；以及 最佳加工條件計算步驟，係根據該預測步驟所預測之預測值、與該加工評估步驟所產生之評估值，求得是評估值是臨限值以上且裕度成為最大之加工條件的最佳加工條件； 該評估值係表示值愈大加工結果愈佳。
TW108143128A 2019-06-28 2019-11-27 加工條件探索裝置及加工條件探索方法 TWI759653B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
PCT/JP2019/025959 WO2020261572A1 (ja) 2019-06-28 2019-06-28 加工条件探索装置および加工条件探索方法
WOPCT/JP2019/025959 2019-06-28

Publications (2)

Publication Number Publication Date
TW202100290A true TW202100290A (zh) 2021-01-01
TWI759653B TWI759653B (zh) 2022-04-01

Family

ID=69320894

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108143128A TWI759653B (zh) 2019-06-28 2019-11-27 加工條件探索裝置及加工條件探索方法

Country Status (7)

Country Link
US (1) US20220107629A1 (zh)
JP (1) JP6639760B1 (zh)
KR (1) KR102422358B1 (zh)
CN (1) CN114025912B (zh)
DE (1) DE112019007433B4 (zh)
TW (1) TWI759653B (zh)
WO (1) WO2020261572A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021186521A1 (ja) * 2020-03-17 2021-09-23 三菱電機株式会社 加工条件探索装置および加工条件探索方法
JP7109689B1 (ja) * 2021-07-08 2022-07-29 三菱電機株式会社 加工条件探索装置および加工条件探索方法
CN115358436A (zh) * 2022-06-29 2022-11-18 合肥工业大学 一种交错沟槽电解加工参数优化方法、存储介质和计算机系统
WO2024042560A1 (ja) * 2022-08-22 2024-02-29 三菱電機株式会社 パラメータ探索装置およびパラメータ探索方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4046852B2 (ja) * 1997-06-24 2008-02-13 株式会社アマダ レーザ加工機用支援装置及びこれを備えたレーザ加工機
JP4795282B2 (ja) 2006-07-11 2011-10-19 三菱電機株式会社 加工条件探索装置
JP2009064090A (ja) * 2007-09-04 2009-03-26 Fuji Electric Systems Co Ltd モデル予測制御装置およびモデル予測制御方法
JP2010042499A (ja) * 2008-07-18 2010-02-25 Mitsubishi Electric Corp 加工条件探索装置
JP5734086B2 (ja) * 2011-05-13 2015-06-10 三菱電機株式会社 加工条件探索装置
US9110452B2 (en) * 2011-09-19 2015-08-18 Fisher-Rosemount Systems, Inc. Inferential process modeling, quality prediction and fault detection using multi-stage data segregation
US9696694B2 (en) * 2012-04-02 2017-07-04 Mitsubishi Electric Corporation Parameter setting device
DE102013224649B4 (de) * 2013-11-29 2024-05-23 Dmg Mori Ultrasonic Lasertec Gmbh Werkzeugmaschine
JP6620422B2 (ja) * 2015-05-22 2019-12-18 富士通株式会社 設定方法、設定プログラム、及び設定装置
JP6219897B2 (ja) 2015-09-28 2017-10-25 ファナック株式会社 最適な加減速を生成する工作機械
US10401823B2 (en) * 2016-02-04 2019-09-03 Makino Inc. Real time machining process monitoring utilizing preprocess simulation
JP6540531B2 (ja) * 2016-02-09 2019-07-10 オムロン株式会社 監視装置及び監視装置の制御方法
CN105807741B (zh) * 2016-03-09 2018-08-07 北京科技大学 一种工业生产流程预测方法
JP6625914B2 (ja) * 2016-03-17 2019-12-25 ファナック株式会社 機械学習装置、レーザ加工システムおよび機械学習方法
JP6470251B2 (ja) * 2016-12-26 2019-02-13 ファナック株式会社 数値制御装置及び機械学習装置
JP6686151B2 (ja) * 2017-01-27 2020-04-22 三菱日立パワーシステムズ株式会社 モデルパラメータ値推定装置及び推定方法、プログラム、プログラムを記録した記録媒体、モデルパラメータ値推定システム
JP6822245B2 (ja) * 2017-03-17 2021-01-27 株式会社リコー 診断装置、診断システム、診断方法およびプログラム
JP6680714B2 (ja) * 2017-03-30 2020-04-15 ファナック株式会社 ワイヤ放電加工機の制御装置及び機械学習装置
JP6560707B2 (ja) * 2017-04-20 2019-08-14 ファナック株式会社 加工面品位評価装置
CN107729998B (zh) * 2017-10-31 2020-06-05 中国科学院计算技术研究所 一种用于神经网络处理器的方法
JP6680748B2 (ja) * 2017-11-17 2020-04-15 ファナック株式会社 制御装置及び機械学習装置
CN109828532B (zh) * 2019-01-29 2021-12-28 贵州大学 一种基于ga-gbrt的表面粗糙度预测方法及工艺参数优化方法

Also Published As

Publication number Publication date
DE112019007433T5 (de) 2022-02-24
DE112019007433B4 (de) 2023-05-17
KR102422358B1 (ko) 2022-07-18
JPWO2020261572A1 (ja) 2021-09-13
CN114025912B (zh) 2023-08-15
US20220107629A1 (en) 2022-04-07
JP6639760B1 (ja) 2020-02-05
WO2020261572A1 (ja) 2020-12-30
CN114025912A (zh) 2022-02-08
TWI759653B (zh) 2022-04-01
KR20220002679A (ko) 2022-01-06

Similar Documents

Publication Publication Date Title
TW202100290A (zh) 加工條件探索裝置及加工條件探索方法
JP4886844B2 (ja) マシンビジョンツールパラメータの自動決定
CN115908424A (zh) 基于三维激光扫描的建筑物健康检测方法、系统及介质
US20220382229A1 (en) Machining condition searching device and machining condition searching method
CN116213962B (zh) 一种基于状态预测的金属板材切割控制方法及系统
US20220121176A1 (en) Information processing device, program, process treatment executing device, and information processing system
JP2020121338A (ja) 加工条件解析装置、レーザ加工装置、レーザ加工システムおよび加工条件解析方法
TWI451512B (zh) 用於晶圓檢測或度量設定之資料擾動
CN115393351B (zh) 一种基于朗格汉斯细胞判断角膜免疫状态的方法及装置
CN116228766A (zh) 一种等离子加工设备的智能调控方法及系统
JP2005038976A (ja) 最適エッチングパラメタ自動設定システムおよびエッチング出来ばえ評価システム
JP6725310B2 (ja) 画像処理装置及びプログラム
CN111177290B (zh) 一种三维地图准确度的评价方法及装置
JP2022089430A (ja) 画像処理システム、及び画像処理プログラム
US20240094688A1 (en) Machining condition search device and machining condition search method
CN117921197B (zh) 激光精密切割异形槽板制造方法、系统、设备及介质
CN111047110A (zh) 基于偏好辅助决策因子的交互式偏好反馈方法、装置及计算机设备
CN116681266B (zh) 一种镜面放电加工机的生产调度方法及系统
CN117420809B (zh) 基于人工智能的曲轴加工优化决策方法及系统
CN115082433B (zh) 微铣削刀工作参数确定方法、装置、电子设备及存储介质
JP7390851B2 (ja) 欠陥分類装置、欠陥分類プログラム
EP4299290A1 (en) Method for developing additive manufacturing technology and 3d additive manufacturing system
CN118070983A (zh) 一种基于深度学习的工业机械生产优化方法及系统
Ocak et al. Department of Civil Engineering, Istanbul University-Cerrahpaşa, 34320 Avcılar, Istanbul, Turkey {bekdas, melihnig}@ iuc. edu. tr
CN117921197A (zh) 激光精密切割异形槽板制造方法、系统、设备及介质