TW202136939A - 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
TW202136939A
TW202136939A TW109131471A TW109131471A TW202136939A TW 202136939 A TW202136939 A TW 202136939A TW 109131471 A TW109131471 A TW 109131471A TW 109131471 A TW109131471 A TW 109131471A TW 202136939 A TW202136939 A TW 202136939A
Authority
TW
Taiwan
Prior art keywords
processing
evaluation value
unit
condition
evaluation
Prior art date
Application number
TW109131471A
Other languages
English (en)
Inventor
増井秀之
吉川寛史
丸田潤
中根滉稀
中川孝幸
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 TW202136939A publication Critical patent/TW202136939A/zh

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
    • 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
    • G05B13/048—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 using a predictor
    • 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
    • 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
    • G05B13/042—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 in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Manufacturing & Machinery (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Mechanical Engineering (AREA)
  • Numerical Control (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

加工條件探索裝置(1)係包括：加工條件產生部(11)，係產生對加工機(2)所設定之加工條件；加工狀態收集部(12)，係收集加工狀態；加工結果收集部(13)，係收集根據加工條件所實施之加工的加工結果；加工結果評估部(14)，係根據加工結果算出加工的評估值；評估值預測模型(16)，係根據加工條件、加工狀態以及評估值，預測與未嘗試之加工條件對應的評估值；以及模型構築部(15)，係根據加工條件與評估值之關係性的變化程度，構築評估值預測模型(16)，並對評估值預測模型(16)進行因應於加工狀態的加權；加工條件產生部(11)係使用評估值的預測值，產生接著應嘗試之加工條件；至判定結束探索，重複進行藉加工狀態收集部(12)、加工結果收集部(13)、加工結果評估部(14)、評估值預測模型(16)以及模型構築部(15)的各處理。

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探索加工條件之加工條件探索裝置及加工條件探索方法。
一般，根據對加工機所設定之加工條件，得到相異的加工結果，又，是相同之加工條件，亦因表示加工機的狀態及工件的狀態之加工狀態的變化而得到相異的加工結果。因此，為了得到滿足加工之要求規格的加工結果，需要探索因應於加工狀態之適合的加工條件。
相對地，例如，在專利文獻1，係記載一種預測加工機械之對工件之加工結果的控制裝置。此控制裝置係藉由使用表示狀態變數與判定資料之相關關係的學習模型，預測狀態量的變化對加工結果的影響，而該狀態變數係表示狀態量的變化，該狀態量係表示加工狀態，該判定資料係表示加工結果。 [先行專利文獻] [專利文獻]
[專利文獻1] 日本特開2019－32649號公報
[發明所欲解決之課題]
加工狀態變化時，對加工機所設定之加工條件是相同，亦成為相異的加工結果，加工條件與根據該加工條件所實施之加工之評估值的關係性亦變化。因此，為了使用在專利文獻1所記載之控制裝置探索滿足加工之要求規格的加工條件，係具有需要構築學習模型的課題，該學習模型係預先收集大量的學習用資料，並可高精度地預測加工狀態的變化對加工結果的影響。
本揭示係解決上述之課題，其目的在於得到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不必預先收集大量的資料並預先構築學習模型，就可探索加工條件。 [解決課題之手段]
本揭示之加工條件探索裝置係包括：加工條件產生部，係產生對加工機所設定之加工條件；加工狀態收集部，係收集加工狀態，而該加工狀態係表示根據加工條件實施加工之加工機、加工對象之工件以及加工機之設置環境的各狀態；加工結果收集部，係收集根據加工條件所實施之加工的加工結果；加工結果評估部，係根據加工結果收集部所收集之加工結果，算出根據加工條件所實施之加工的評估值；評估值預測模型，係根據加工條件產生部所產生之加工條件、加工狀態收集部所收集之加工狀態、以及加工結果評估部所算出之評估值，預測與未嘗試之加工條件對應的評估值；以及模型構築部，係根據加工條件與評估值之關係性的變化程度，構築評估值預測模型，再對評估值預測模型進行因應於加工狀態的加權；加工條件產生部係使用評估值預測模型所算出之評估值的預測值，產生接著應嘗試之加工條件；至加工條件產生部判定結束加工條件的探索，重複藉加工狀態收集部、加工結果收集部、加工結果評估部、評估值預測模型以及模型構築部的各處理。 [發明之效果]
若依據本揭示，根據對加工機所設定之加工條件、加工狀態以及加工的評估值，預測與未嘗試之加工條件對應的評估值，再根據加工條件與評估值之關係性的變化程度，構築評估值預測模型，並對評估值預測模型進行因應於加工狀態之加權。是因加工狀態的變化而加工條件與評估值之關係性變化的情況，亦因應於該變化的程度，重新構築評估值預測模型，並對評估值預測模型進行因應於加工狀態之加權。因此，本揭示之加工條件探索裝置係不必預先收集大量的資料並預先構築學習模型，就可探索加工條件。
實施形態1
圖1係表示實施形態1之加工條件探索裝置1之構成的方塊圖。加工條件探索裝置1係從可設定於加工機2之多個加工條件探索最佳之加工條件，並將探索結果之加工條件設定於加工機2。最佳之加工條件係例如是可得到滿足加工的要求規格之加工結果的加工條件。又，顯示部3係顯示藉加工條件探索裝置1所探索之加工條件等。例如，顯示部3係顯示對加工機2所設定之加工條件、與加工機2根據該加工條件所實施之加工的評估值。
加工機2係根據加工條件實施加工之產業用裝置，例如，對由金屬所構成之加工對象物進行切削或研磨、或者利用電力或其他的能源除去不要的部分，藉此，將加工對象物作成所要的形狀。加工對象物係不限定為金屬，亦可是陶瓷、玻璃或木材。在加工機2，係例如有雷射加工機、放電加工機、切削加工機、研磨加工機、電解加工機、超音波加工機或電子束加工機。在以下的說明，係當作加工機2是放電加工機，尤其是雕模放電加工機。
加工條件係由在加工機2的控制所使用之複數個控制參數的組合所構成。一般，加工條件相異時，加工結果係相異。又，即使對加工機2所設定之加工條件是相同，亦根據表示加工中之加工機2、加工對象之工件以及加工機2之設置環境的各狀態之加工狀態的變化，係有時得到相異的加工結果。即，為了得到滿足加工之要求規格之最佳加工結果，需要探索因應於加工狀態之適當的加工條件。
例如，在雕模放電加工機之加工可調整之控制參數有3個，在能以10個階段選擇各控制參數的情況，由各控制參數之組合所構成的加工條件係有103 ＝1000種。相對地，加工條件探索裝置1係不是依序探索對加工機2可設定之多個加工條件，因為因應於加工狀態的變化，縮小探索對象之加工條件的個數，所以減少加工條件之探索的嘗試次數。
在圖1，加工條件探索裝置1係包括加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14、模型構築部15以及評估值預測模型16。又，加工條件探索裝置1係包括記憶部17A、探索結果記憶部17B、模型記憶部17C、預測結果記憶部17D以及不確實性記憶部17E。此外，亦可記憶部17A~17E之全部或其一部分係具有與加工條件探索裝置1係另外設置的外部裝置。
加工條件產生部11係產生加工條件，並將所產生之加工條件設定於加工機2。加工條件產生部11係包括加工條件計算部11a、實際加工指令部11b以及探索結束判定部11c。
加工條件計算部11a係算出對加工機2所設定之加工條件。例如，加工條件計算部11a係從加工機2之複數個控制參數及這些控制參數所取得的值之範圍的組合，選擇對應於加工內容之組合，再從所選擇之組合算出加工條件。控制參數係例如是雷射輸出功率、裁斷速度、束倍率、焦點位置以及氣體壓力。
實際加工指令部11b係使加工機2實施根據加工條件計算部11a所算出之加工條件的加工。例如，實際加工指令部11b係根據加工條件計算部11a所算出之加工條件，產生用以使加工機2動作的指令，並向加工機2輸出所產生的指令。
探索結束判定部11c係根據預測結果記憶部17D或不確實性記憶部17E所記憶之資料，判定是否結束加工條件之探索。在探索結束判定部11c判定需要追加地進行加工條件之探索的情況，加工條件計算部11a係產生接著應實施加工的加工條件。又，在判定不需要追加地進行加工條件之探索的情況，加工條件計算部11a係使用預測結果記憶部17D所記憶之評估值的預測結果，將被預測是最高之評估值的加工條件決定成最佳之加工條件。
加工狀態收集部12係收集表示加工機2所實施之加工之加工狀態的資料。在加工狀態，係包含加工機2之狀態、加工對象之工件的狀態以及加工機2之設置環境的狀態。例如，加工狀態係如加工機2的溫度、工件的溫度、工件的厚度、以及是加工機2的設置環境之室內的溫度或濕度之對加工結果給與影響，但是使用者無法控制的狀態。表示加工狀態之資料係對加工狀態所表示之各狀態進行數值化的狀態量。加工狀態收集部12所收集之資料係被記憶於加工狀態記憶部17A。
加工結果收集部13係從加工機2收集根據加工條件所實施之加工的加工結果。例如，加工結果收集部13係收集在加工中及加工後所得之與加工相關聯的資訊。在與加工處理相關聯的資訊，係例如有在加工中所觀測之聲音或光的檢測資料、放電脈波數或加工後之工件的表面狀態。
加工結果評估部14係根據加工結果收集部13所收集之加工結果，算出加工機2根據加工條件所實施之加工的評估值。評估值係加工之良否的評估值，例如是從0至1的值。評估值愈大，表示加工結果愈佳。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。又，加工結果評估部14係將加工條件與評估值之組合作為探索結果，記憶於探索結果記憶部17B。探索結果記憶部17B係記憶探索結果。
模型構築部15係根據加工條件與評估值之關係性的變化程度，構築評估值預測模型16，並對評估值預測模型16進行因應於加工狀態的加權。例如，模型構築部15係根據加工狀態記憶部17A所記憶之表示加工狀態的資訊、與探索結果記憶部17B所記憶之評估值，算出加工條件與評估值之關係性的變化程度。模型構築部15係在加工條件與評估值之關係性的變化程度是臨限值以上的情況，判斷發生了應重新構築評估值預測模型之加工狀態的變化，並構築評估值預測模型。
又，模型構築部15係因應於加工狀態，對評估值預測模型16實施加權。例如，根據複數個評估值預測模型16之各評估值的預測值係藉因應於狀態量之大小的加權所統合，而該狀態量係對與評估值預測模型16對應之加工狀態進行數值化者。在所統合之評估值的預測值，是加權愈大之評估值預測模型16，其預測結果愈受重視。
評估值預測模型16係根據加工條件產生部11所產生之加工條件、加工狀態收集部12所收集之加工狀態、以及加工結果評估部14所算出之評估值，預測與未嘗試之加工條件對應的評估值。在圖1，評估值預測模型16係包括評估值預測部16a及不確實性評估部16b。
評估值預測部16a係根據探索結果記憶部17B所記憶之加工條件與對應於該加工條件之評估值，預測與未嘗試(未實施加工)之加工條件對應的評估值。又，評估值預測部16a係將加工條件及對應於該加工條件之評估值的預測值記憶於預測結果記憶部17D。在預測結果記憶部17D，係以賦與對應的方式記憶未嘗試之加工條件、與對應於該未嘗試的加工條件之評估值的預測值。
不確實性評估部16b係算出表示根據評估值預測部16a之評估值的預測之不確實性的指標。例如，不確實性評估部16b係使用探索結果記憶部17B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，預測之易不準性的指標。不確實性評估部16b係將包含算出之指標的值及加工條件的不確實性資訊記憶於不確實性記憶部17E。在不確實性記憶部17E，係以賦與對應的方式記憶未嘗試之加工條件、與表示與未嘗試的加工條件對應之評估值的預測之不確實性的指標值。
圖2係表示實施形態1之加工條件探索方法的流程圖，表示藉加工條件探索裝置1至探索最佳之加工條件之一連串的處理。開始進行最佳之加工條件的探索處理時，加工條件產生部11產生起始加工條件(步驟ST1)。加工條件計算部11a係從對加工機2可設定之全部的控制參數之組合中，選擇固定個數的組合，作為起始加工條件。作為起始加工條件之選擇方法，有實驗計劃法、最佳計劃法或隨機取樣。又，從加工機2之過去的利用實績，在使用者對最佳之加工條件心中有數的情況，係亦可使用使用者所指定之加工條件，作為起始加工條件。
例如，在構成加工條件之控制參數是3個，且對各控制參數從10階段的值可選擇設定於加工機2之值的情況，加工條件之總組合數係存在1000種。加工條件計算部11a係從1000種的加工條件之中選擇固定個數之加工條件。在以下的說明，係當作固定個數例如是5，而加工條件計算部11a係從1000種的加工條件之中選擇5種加工條件。
接著，加工條件產生部11對加工機2設定起始加工條件，並根據起始加工條件對加工機2實施加工(步驟ST2)。例如，加工條件計算部11a係從5種起始加工條件之中選擇一種起始加工條件，並向實際加工指令部11b輸出所選擇之起始加工條件。實際加工指令部11b係根據從加工條件計算部11a所輸出之起始加工條件，產生用以使加工機2動作的指令，並向加工機2輸出所產生的指令。加工機2係實施根據起始加工條件之加工。在以下的說明，根據起始加工條件之加工係亦被記載為“起始加工”。
加工狀態收集部12係收集表示加工之加工狀態的資料(步驟ST3)，而該加工係加工機2根據起始加工條件所實施。加工狀態收集部12係將表示從加工機2所收集之加工狀態的資料記憶於加工狀態記憶部17A。因此，在加工狀態記憶部17A係以賦與對應的方式記憶起始加工條件與加工狀態。
加工結果收集部13係收集表示加工之加工結果的資料(步驟ST4)，而該加工係加工機2根據起始加工條件所實施。向加工結果評估部14輸出加工結果收集部13所收集之資料。
加工結果評估部14係根據加工結果收集部13所收集之加工結果，算出加工機2根據起始加工條件所實施之加工的評估值(步驟ST5)。加工結果評估部14係將加工結果收集部13所收集之加工結果進行數值化，而算出加工之良否的評估值。例如，加工結果評估部14係測量在根據加工條件的加工中所觀測之聲音或光的檢測資料或者放電脈波數，再將該測量值變換成表示加工之良否之連續值或複數個階段之離散值(例如10個階段)的評估值。探索結果記憶部17B係記憶加工條件與評估值的組合。
加工條件計算部11a係對作為起始加工條件所選擇之全部的加工條件，確認是否起始加工結束了(步驟ST6)。在有起始加工未結束之起始加工條件的情況(在步驟ST6為NO)，對起始加工未結束之起始加工條件，依序實施從步驟ST1至步驟ST5的處理。藉此，在加工狀態記憶部17A，係以賦與對應的方式記憶全部的起始加工條件(例如，5種起始加工條件)、與表示加工狀態之資料。進而，在探索結果記憶部17B，係以賦與對應的方式記憶全部的起始加工條件與評估值。
在全部之起始加工條件的起始加工結束的情況(在步驟ST6為YES)，加工條件計算部11a係確認是否根據所探索之最佳之加工條件的加工已結束(步驟ST7)。在加工機2根據最佳之加工條件已完成加工的情況(在步驟ST7為YES)，結束圖2之一連串的處理。
在根據最佳之加工條件之加工未結束的情況(在步驟ST7為NO)，模型構築部15係使用加工狀態記憶部17A所記憶之表示加工狀態的資料，判定是否表示加工條件與評估值之關係性的變化程度之指標的值是臨限值以上(步驟ST8)。在求該變化程度的方法，係有變化點偵測。在變化點偵測，係作為表示該變化程度的指標，使用異常度。異常度係例如是將加工狀態之預測值、與加工狀態記憶部17A所記憶之加工狀態的實測值之差取平方的值。
在加工狀態之預測值的算出，係例如使用自回歸模型。在自回歸模型，在1個時間步驟之前的時刻t之加工狀態的預測值
Figure 02_image001
(t)係使用下列之數學式(1)所算出。在下列之數學式(1)，y(t－1)係在現在時刻t－1之加工狀態的實測值，y(t－2)係在過去之時刻t－2之加工狀態的實測值，y(t－3)係在過去之時刻t－3之加工狀態的實測值。係數α1係對實測值y(t－1)的係數，係數α2係對實測值y(t－2)的係數，係數α3係對實測值y(t－3)的係數。此外，模型構築部15係除了使用自回歸模型以外，亦可使用重回歸模型、決定樹或神經網路之有教師的學習，來評估加工條件與評估值之關係性的變化程度。
Figure 02_image003
模型構築部15係在判定表示加工條件與評估值之關係性的變化程度之指標的值是臨限值以上的情況(在步驟ST8為YES)，判斷發生了應新構築評估值預測模型16之加工狀態的變化，並構築與變化後之加工狀態對應的評估值預測模型16(步驟ST9)。在評估值預測模型16之構築，係例如可使用自回歸模型、重回歸模型、決定樹或神經網路之有教師的學習。
在判定表示加工條件與評估值之關係性的變化程度之指標的值是未滿該臨限值的情況(在步驟ST8為NO)或步驟ST9結束時，模型構築部15係對已構築之各個的評估值預測模型16，因應於加工狀態記憶部17A所記憶之加工狀態進行加權(步驟ST10)。在加權的方法，係有線性插值或推升法(boosting)。又，亦可模型構築部15係不是對複數個評估值預測模型16進行加權，而選擇一個評估值預測模型16，進行加權。
例如，模型構築部15係使用線性插值，對評估值預測模型16進行加權。模型構築部15係使用加工狀態記憶部17A所記憶之在過去之時刻t－2的加工狀態s1、在過去之時刻t－3的加工狀態s2、以及加工狀態收集部12所收集之在現在時刻t－1的加工狀態s，根據下列之數學式(2)，算出對與加工狀態s1對應的評估值預測模型16所決定之函數f1的加權β1(s)、與對與加工狀態s2對應的評估值預測模型16所決定之函數f2的加權β2(s)。使用此加權，根據下列之數學式(3)，算出對加工條件x、加工狀態s之評估值預測模型16的輸出f(x,s)。此外，對2個評估值預測模型16決定加權之值，但是亦可模型構築部15係對3個以上的評估值預測模型16算出加權之值。
Figure 02_image005
在評估值預測模型16之評估值預測部16a係根據例如5種之起始加工條件之加工結束時，使用探索結果記憶部17B所記憶之加工條件及對應於該加工條件之評估值，預測對上述之全部1000種之加工條件的評估值(步驟ST11)。評估值預測部16a所預測之評估值係被記憶於預測結果記憶部17D(步驟ST12)。
作為根據評估值預測部16a之評估值的預測方法，例如有高斯過程回歸。在高斯過程回歸，評估值預測部16a係在假設對應於加工條件之評估值是機率變數下所構築之對應於評估值之加工條件的機率模型。評估值預測部16a係在將排列了探索結果記憶部17B所記憶之各加工條件與對應於這些加工條件之核(kernel)的值之向量當作k，將排列了探索結果記憶部17B所記憶之評估值的向量當作t的情況，評估值預測部16a係根據下列之數學式(4)，可算出對加工條件x之評估值的預測值m(x)。在下列之數學式(4)，CN 是Gram矩陣。此外，評估值預測部16a係亦可不是高斯過程回歸，亦可使用決定樹、線性回歸、推升法或神經網路之有教師的學習，預測評估值。
Figure 02_image007
在評估值預測模型16之不確實性評估部16b係根據例如5種之起始加工條件之加工結束時，使用探索結果記憶部17B所記憶之加工條件及對應於該加工條件之評估值，算出表示對上述之全部1000種之加工條件的評估值之預測之不確實性的指標(步驟ST13)。不確實性評估部16b所算出之該指標的值係被記憶於不確實性記憶部17E(步驟ST14)。
作為根據不確實性評估部16b之該指標的算出方法，例如有高斯過程回歸。在高斯過程回歸，在將排列了探索結果記憶部17B所記憶之各加工條件與對應於該加工條件之核的值之向量當作k，並將對加工條件x間之核的值加上評估值預測部16a之精度參數的純量值當作c的情況，不確實性評估部16b係根據下列之數學式(5)，可算出表示對未嘗試之加工條件x之評估值的預測之不確實性的指標σ2 (x)。在下列之數學式(5)，CN 是Gram矩陣。不確實性評估部16b係亦可不是高斯過程回歸，亦可藉使用密度推測、混合密度網路、K－L散度(Kullback Leibler Divergence)之回歸，算出該指標。
Figure 02_image009
圖3係表示加工條件、對應於該加工條件之評估值的預測值、以及表示評估值之預測之不確實性的指標之關係的圖形。評估值預測模型16係例如當作使用高斯過程回歸，且評估值係根據高斯分布者，來預測。圖3所示之黑色標示點係探索結果記憶部17B所記在憶之加工條件及評估值。在圖3，將評估值之預測值當作高斯分布的平均m(x)，並將表示評估值之預測之不確實性的指標當作高斯分布之標準偏差σ(x)的情況，即使評估值之預測不準，亦黑色標示點(plot)在統計上表示以約95%的機率位於m(x)＋2σ(x)以下，且m(x)－2σ(x)以上的範圍。
加工條件產生部11所具有之探索結束判定部11c係使用預測結果記憶部17D所記憶之加工條件之評估值的預測值、及不確實性記憶部17E所記憶之表示評估值之預測之不確實性的指標，判定是否結束加工條件之探索(步驟ST15)。例如，探索結束判定部11c係將不確實性記憶部17E所記憶之至目前為止所探索之全部的加工條件之表示評估值之預測之不確實性的指標之值與臨限值比較，在該指標之值是臨限值以下的情況，判斷已探索到最佳之加工條件，而結束加工條件之探索。
又，探索結束判定部11c係將全部的加工條件之表示評估值之預測之不確實性的指標之值與臨限值比較，在具有評估值之預測大為不準的可能性之加工條件的個數是指定個數以下的情況，係結束加工條件之探索。這係由於有評估值之實測值與評估值之預測值大為相異的加工條件時，在加工條件之探索空間之寬廣的範圍，預測值大為變化。
例如，探索結束判定部11c係藉由使用加工條件x、對該加工條件x之評估值的預測值m(x)及表示該評估值之預測之不確實性的指標(標準偏差)σ(x)，可判斷m(x)＋κσ(x)之值愈大，探索加工條件之價值愈高。此外，κ係在探索加工條件之前所決定的參數。κ的值愈小，選擇評估值之預測值愈高的加工條件，κ的值愈大，選擇評估值之預測大為不準之可能性愈高的加工條件。κ的值係亦可繼續使用相同的值，亦可在中途改變值。
在判定結束加工條件之探索的情況(在步驟ST15為YES)，探索結束判定部11c係從預測結果記憶部17D所記憶之全部的加工條件之評估值的預測值之中，抽出評估值被預測最高的加工條件，並向實際加工指令部11b輸出所抽出之加工條件。實際加工指令部11b係向加工機2輸出包含從探索結束判定部11c所輸出之加工條件的指令，並對加工機2設定該加工條件(步驟ST16)。
在判定需要追加地進行加工條件之探索的情況(在步驟ST15為NO)，探索結束判定部11c係向加工條件計算部11a輸出繼續探索。加工條件計算部11a係在從探索結束判定部11c指示繼續探索的情況，使用預測結果記憶部17D所記憶之加工條件之評估值的預測值，產生接著應嘗試之加工條件(步驟ST17)。向實際加工指令部11b輸出加工條件計算部11a所算出之接著應嘗試的加工條件。實際加工指令部11b係向加工機2輸出包含接著應嘗試之加工條件的指令，並對加工機2設定該加工條件。
在步驟ST16設定最佳之加工條件，或在步驟ST17設定接著應嘗試之加工條件的情況，加工機2係實施加工(步驟ST18)。在加工機2之加工中，加工狀態收集部12係藉由收集表示該加工狀態之資料，以賦與對應的方式將加工條件與加工狀態記憶於加工狀態記憶部17A。加工結果收集部13係收集表示該加工結果之資料，並向加工結果評估部14輸出。加工結果評估部14係根據加工結果收集部13所收集之加工結果，算出藉加工機2所實施之加工的評估值(步驟ST19)。接著，移至步驟ST17之處理，並執行上述之處理。
顯示部3係顯示藉加工條件探索裝置1在加工條件之探索中所得之加工條件及對應於該加工條件的評估值。又，顯示部3係顯示加工條件及對應於該加工條件之評估值的預測值或探索結果之最佳的加工條件。即，顯示部3係顯示從探索結果記憶部17B所讀出之加工條件及對應於該加工條件的評估值、從預測結果記憶部17D所讀出之加工條件及對應於該加工條件之評估值的預測值、或從加工條件計算部11a所輸出之探索結果之最佳的加工條件中至少一個。因此，加工作業員係藉由參照顯示部3所顯示之資訊，可認識加工條件之探索狀況及探索結果。
實現加工條件探索裝置1之功能的硬體構成係如以下所示。 在加工條件探索裝置1之加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14、模型構築部15以及評估值預測模型16的功能係藉處理電路所實現。即，加工條件探索裝置1係具有執行圖2之從步驟ST1至步驟ST19之處理的處理電路。處理電路係亦可是專用之硬體，亦可是執行記憶體所記憶之程式的CPU(Central Processing Unit)。
圖4A係表示實現加工條件探索裝置1的功能之硬體構成的方塊圖。進而，圖4B係表示執行實現加工條件探索裝置1之功能的軟體之硬體構成的方塊圖。在圖4A及圖4B，輸入介面100係中繼表示從加工機2向加工條件探索裝置1所輸出之加工狀態及加工結果的資料，並中繼從各記憶部17A~17E向加工條件探索裝置1所輸出之記憶資料。輸出介面101係中繼從加工條件探索裝置1向顯示部3所輸出之資訊、或從加工條件探索裝置1向各記憶部17A~17E所輸出之資料。
在處理電路是圖4A所示之專用的硬體之處理電路102的情況，處理電路102係例如，單一電路、複合電路、程式化之處理器、平行程式化之處理器、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、或這些元件之組合符合。在加工條件探索裝置1之加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14、模型構築部15以及評估值預測模型16的功能係亦可藉個別的處理電路實現，亦可將這些功能集中，以一個處理電路實現。
在處理電路是圖4B所示之處理器103的情況，在加工條件探索裝置1之加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14、模型構築部15以及評估值預測模型16的功能係藉軟體、軔體、或者軟體與軔體之組合實現。此外，軟體或軔體係被記述成程式，並被記憶於記憶體104。
處理器103係藉由讀出記憶體104所記憶之程式並執行，實現在加工條件探索裝置1之加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14、模型構築部15以及評估值預測模型16的功能。例如，加工條件探索裝置1係具有記憶程式之記憶體104，而該程式係在藉處理器103執行時，結果上執行在圖2所示的流程圖之從步驟ST1至步驟ST19的處理。這些程式係使電腦執行加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14、模型構築部15以及評估值預測模型16之程序或方法。亦可記憶體104係電腦可讀記憶媒體，該電腦可讀記憶媒體係記憶用以使電腦作用為加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14、模型構築部15以及評估值預測模型16之功能的程式。
記憶體104係例如RAM(Random Access Memory)、ROM(Read Only Memory)、快閃記憶體、EPROM(Erasable Programmable Read Only Memory)、EEPROM(Electrically－EPROM)等之不揮發性或揮發性的半導體記憶體、磁碟、軟碟、光碟、小光碟、迷你光碟、DVD等符合。
亦可在加工條件探索裝置1之加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14、模型構築部15以及評估值預測模型16之功能的一部分係以專用硬體實現，一部分係以軟體或軔體實現。例如，加工條件產生部11、加工狀態收集部12、加工結果收集部13、加工結果評估部14以及模型構築部15係藉是專用硬體之處理電路102實現其功能，而評估值預測模型16係藉由處理器103讀出記憶體104所記憶之程式並執行，實現其功能。依此方式，處理電路係藉硬體、軟體、軔體或這些的組合，可實現上述之功能。
如以上所示，在實施形態1之加工條件探索裝置1，根據對加工機2所設定之加工條件、加工狀態以及加工的評估值，預測與未嘗試之加工條件對應的評估值，再根據加工條件與評估值之關係性的變化程度，構築評估值預測模型16，並對評估值預測模型16進行因應於加工狀態之加權。是因加工狀態的變化而加工條件與評估值之關係性變化的情況，亦因應於該變化的程度，重新構築評估值預測模型16，並對評估值預測模型16進行因應於加工狀態之加權。因此，加工條件探索裝置1係在因應於加工狀態的變化而加工條件與其評估值之關係性變化的情況，亦不必預先收集大量的資料並預先構築學習模型，就可探索加工條件。又，加工條件探索裝置1不是依序探索可設定於加工機2之多個加工條件，因為因應於加工狀態的變化，縮小探索對象之加工條件的個數，所以減少加工條件之探索的嘗試次數。
此外，實施形態之任意之構成元件的變形或實施形態之任意之構成元件的省略是可能。 [產業上之可利用性]
本揭示之加工條件探索裝置係例如可利用於放電加工機之加工條件的探索。
1:加工條件探索裝置 2:加工機 3:顯示部 11:加工條件產生部 11a:加工條件計算部 11b:實際加工指令部 11c:探索結束判定部 12:加工狀態收集部 13:加工結果收集部 14:加工結果評估部 15:模型構築部 16:評估值預測模型 16a:評估值預測部 16b:不確實性評估部 17A:加工狀態記憶部 17B:探索結果記憶部 17C:模型記憶部 17D:預測結果記憶部 17E:不確實性記憶部 100:輸入介面 101:輸出介面 102:處理電路 103:處理器 104:記憶體
[圖1] 係表示實施形態1之加工條件探索裝置之構成的方塊圖。 [圖2] 係表示實施形態1之加工條件探索方法的流程圖。 [圖3] 係表示加工條件、對應於加工條件之評估值的預測值、以及表示評估值之預測之不確實性的指標之關係的圖形。 [圖4] 圖4A係表示實現實施形態1之加工條件探索裝置的功能之硬體構成的方塊圖，圖4B係表示執行實現實施形態1之加工條件探索裝置之功能的軟體之硬體構成的方塊圖。
1:加工條件探索裝置
2:加工機
3:顯示部
11:加工條件產生部
11a:加工條件計算部
11b:實際加工指令部
11c:探索結束判定部
12:加工狀態收集部
13:加工結果收集部
14:加工結果評估部
15:模型構築部
16:評估值預測模型
16a:評估值預測部
16b:不確實性評估部
17A:加工狀態記憶部
17B:探索結果記憶部
17C:模型記憶部
17D:預測結果記憶部
17E:不確實性記憶部

Claims (6)

  1. 一種加工條件探索裝置，其係： 包括： 加工條件產生部，係產生對加工機所設定之加工條件； 加工狀態收集部，係收集加工狀態，而該加工狀態係表示根據該加工條件實施加工之該加工機、加工對象之工件以及該加工機之設置環境的各狀態； 加工結果收集部，係收集根據該加工條件所實施之加工的加工結果； 加工結果評估部，係根據該加工結果收集部所收集之該加工結果，算出根據該加工條件所實施之加工的評估值； 評估值預測模型，係根據該加工條件產生部所產生之該加工條件、該加工狀態收集部所收集之該加工狀態、以及該加工結果評估部所算出之該評估值，預測與未嘗試之該加工條件對應的該評估值；以及 模型構築部，係根據該加工條件與該評估值之關係性的變化程度，構築該評估值預測模型，並對該評估值預測模型進行因應於該加工狀態的加權； 該加工條件產生部係使用該評估值預測模型所算出之該評估值的預測值，產生接著應嘗試之該加工條件； 至該加工條件產生部判定結束該加工條件的探索，重複藉該加工狀態收集部、該加工結果收集部、該加工結果評估部、該評估值預測模型以及該模型構築部的各處理。
  2. 如請求項1之加工條件探索裝置，其中 該評估值預測模型係因應於該加工條件及該加工狀態，算出表示該評估值之預測之不確實性的指標； 該加工條件產生部係根據該評估值之預測值與表示該評估值之預測之不確實性的指標，產生接著應嘗試之加工條件。
  3. 如請求項2之加工條件探索裝置，其中該加工條件產生部係使用該評估值之預測值與表示該評估值之預測之不確實性的指標，判定是否結束探索，在判定結束探索的情況，不考慮該評估值之預測的不確實性，而只根據該評估值之預測值，預測最佳之該加工條件。
  4. 如請求項2之加工條件探索裝置，其中該評估值預測模型係在假設對應於該加工條件之該評估值是機率變數下所構築之對應於該評估值之該加工條件的機率模型，並算出該評估值之預測值與表示該評估值之預測之不確實性的指標。
  5. 如請求項1之加工條件探索裝置，其中具有顯示部，該顯示部係顯示該加工條件及對應於該加工條件之該評估值、該加工條件及對應於該加工條件之該評估值的預測值或探索結果之該加工條件中至少一個。
  6. 一種加工條件探索方法，其係： 包括： 加工條件產生步驟，係加工條件產生部產生對加工機所設定之加工條件； 加工狀態收集步驟，係加工狀態收集部收集加工狀態，而該加工狀態係表示根據該加工條件實施加工之該加工機、加工對象之工件以及該加工機之設置環境的各狀態； 加工結果收集步驟，係加工結果收集部收集根據該加工條件所實施之加工的加工結果； 加工結果評估步驟，係加工結果評估部根據該加工結果收集部所收集之該加工結果，算出根據該加工條件所實施之加工的評估值； 評估值預測步驟，係評估值預測模型根據該加工條件產生部所產生之該加工條件、該加工狀態收集部所收集之該加工狀態、以及該加工結果評估部所算出之該評估值，預測與未嘗試之該加工條件對應的該評估值；以及 模型構築步驟，係模型構築部根據該加工條件與該評估值之關係性的變化程度，構築該評估值預測模型，並對該評估值預測模型進行因應於該加工狀態的加權； 該加工條件產生部使用該評估值預測模型所算出之該評估值的預測值，產生接著應嘗試之該加工條件； 至該加工條件產生部判定結束該加工條件的探索，重複進行藉該加工狀態收集部、該加工結果收集部、該加工結果評估部、該評估值預測模型以及該模型構築部的各處理。
TW109131471A 2020-03-17 2020-09-14 加工條件探索裝置及加工條件探索方法 TW202136939A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
WOPCT/JP2020/011587 2020-03-17
PCT/JP2020/011587 WO2021186521A1 (ja) 2020-03-17 2020-03-17 加工条件探索装置および加工条件探索方法

Publications (1)

Publication Number Publication Date
TW202136939A true TW202136939A (zh) 2021-10-01

Family

ID=76083856

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109131471A TW202136939A (zh) 2020-03-17 2020-09-14 加工條件探索裝置及加工條件探索方法

Country Status (6)

Country Link
US (1) US20220382229A1 (zh)
JP (1) JP6880335B1 (zh)
CN (1) CN115280251A (zh)
DE (1) DE112020006553T5 (zh)
TW (1) TW202136939A (zh)
WO (1) WO2021186521A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
JP7328474B1 (ja) 2022-12-16 2023-08-16 ファナック株式会社 数値制御装置
CN116203891B (zh) * 2023-04-28 2023-08-04 深圳华龙讯达信息技术股份有限公司 一种基于plc的自动化控制决策优化方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5734086B2 (ja) * 2011-05-13 2015-06-10 三菱電機株式会社 加工条件探索装置
JP6464203B2 (ja) * 2017-01-10 2019-02-06 ファナック株式会社 工作機械の機械学習装置および熱変位補正装置
JP6693919B2 (ja) 2017-08-07 2020-05-13 ファナック株式会社 制御装置及び機械学習装置
JP6698604B2 (ja) * 2017-09-29 2020-05-27 ファナック株式会社 数値制御システム、及び工具状態検知方法
JP6663538B1 (ja) * 2018-04-17 2020-03-11 三菱電機株式会社 機械学習装置
CN114025912B (zh) * 2019-06-28 2023-08-15 三菱电机株式会社 加工条件搜索装置以及加工条件搜索方法

Also Published As

Publication number Publication date
WO2021186521A1 (ja) 2021-09-23
JPWO2021186521A1 (zh) 2021-09-23
DE112020006553T5 (de) 2022-12-01
JP6880335B1 (ja) 2021-06-02
US20220382229A1 (en) 2022-12-01
CN115280251A (zh) 2022-11-01

Similar Documents

Publication Publication Date Title
TW202136939A (zh) 加工條件探索裝置及加工條件探索方法
JP6109037B2 (ja) 時系列データ予測装置、時系列データ予測方法、及びプログラム
CN114025912B (zh) 加工条件搜索装置以及加工条件搜索方法
CN111931983A (zh) 一种降水量预测方法及系统
CN115511398B (zh) 一种基于时间敏感网络的焊接质量智能检测方法及系统
CN114117632A (zh) 一种基于数据驱动的船舶动力装置运行状态分析系统
JP2013137774A (ja) プロセスの状態予測方法およびプロセス状態予測システム
CN113515891A (zh) 一种乳化炸药质量预测和优化方法
CN114578087B (zh) 基于非支配排序和随机模拟算法的风速不确定性度量方法
CN115905990A (zh) 一种基于密度聚集算法的变压器油温异常监测方法
JP2020052460A (ja) 異常検出システム、及び異常検出プログラム
EP3888839B1 (en) Method and system for monitoring and identifying the weld quality of a welding performed by a welding machinery on metallic components
CN115795999A (zh) 一种长期服役抽水蓄能机组性能异常预警方法
US20240094688A1 (en) Machining condition search device and machining condition search method
CN113887989A (zh) 电力系统可靠性评估方法、装置、计算机设备和存储介质
JP4230890B2 (ja) モデル同定装置，モデル同定プログラム及びモデル同定装置の動作方法
CN116756531B (zh) 一种面向模型交互联动的带钢热连轧过程监控方法和装置
JP2011145905A (ja) 予測関数生成装置、方法、及び、プログラム
Kremer et al. A New Approach for Parametrizing Multidimensional Lifetime Models
CN117829002B (zh) 电力线缆的老化诊断监测方法及系统
CN117647725B (zh) Pcba的老化测试方法及系统
Vera et al. A hybrid system for dental milling parameters optimisation
CN115877890B (zh) 一种cvd设备的温度控制方法及系统
US20240144954A1 (en) Predicting sound pleasantness using binary classification model and regression
US20240143994A1 (en) Predicting sound pleasantness using regression prediction machine learning model