TWI777124B - 金屬線斷裂預測裝置 - Google Patents

金屬線斷裂預測裝置 Download PDF

Info

Publication number
TWI777124B
TWI777124B TW109101867A TW109101867A TWI777124B TW I777124 B TWI777124 B TW I777124B TW 109101867 A TW109101867 A TW 109101867A TW 109101867 A TW109101867 A TW 109101867A TW I777124 B TWI777124 B TW I777124B
Authority
TW
Taiwan
Prior art keywords
data
wire
machining
breakage
electric discharge
Prior art date
Application number
TW109101867A
Other languages
English (en)
Other versions
TW202030628A (zh
Inventor
嶽本政信
羽田啓太
Original Assignee
日商發那科股份有限公司
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 日商發那科股份有限公司 filed Critical 日商發那科股份有限公司
Publication of TW202030628A publication Critical patent/TW202030628A/zh
Application granted granted Critical
Publication of TWI777124B publication Critical patent/TWI777124B/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
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
    • B23H7/00—Processes or apparatus applicable to both electrical discharge machining and electrochemical machining
    • B23H7/14—Electric circuits specially adapted therefor, e.g. power supply
    • B23H7/16—Electric circuits specially adapted therefor, e.g. power supply for preventing short circuits or other abnormal discharges by altering machining parameters using adaptive control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
    • B23H11/00—Auxiliary apparatus or details, not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
    • B23H1/00—Electrical discharge machining, i.e. removing metal with a series of rapidly recurring electrical discharges between an electrode and a workpiece in the presence of a fluid dielectric
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
    • B23H1/00—Electrical discharge machining, i.e. removing metal with a series of rapidly recurring electrical discharges between an electrode and a workpiece in the presence of a fluid dielectric
    • B23H1/02—Electric circuits specially adapted therefor, e.g. power supply, control, preventing short circuits or other abnormal discharges
    • B23H1/026—Power supply protection, e.g. detection of power switch breakdown
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
    • B23H7/00—Processes or apparatus applicable to both electrical discharge machining and electrochemical machining
    • B23H7/02—Wire-cutting
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
    • B23H7/00—Processes or apparatus applicable to both electrical discharge machining and electrochemical machining
    • B23H7/02—Wire-cutting
    • B23H7/08—Wire electrodes
    • B23H7/10—Supporting, winding or electrical connection of wire-electrode
    • B23H7/102—Automatic wire threading
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23H—WORKING OF METAL BY THE ACTION OF A HIGH CONCENTRATION OF ELECTRIC CURRENT ON A WORKPIECE USING AN ELECTRODE WHICH TAKES THE PLACE OF A TOOL; SUCH WORKING COMBINED WITH OTHER FORMS OF WORKING OF METAL
    • B23H7/00—Processes or apparatus applicable to both electrical discharge machining and electrochemical machining
    • B23H7/14—Electric circuits specially adapted therefor, e.g. power supply
    • B23H7/20—Electric circuits specially adapted therefor, e.g. power supply for programme-control, e.g. adaptive
    • 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
    • B23Q17/0952—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 during machining
    • B23Q17/098—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 during machining by measuring noise
    • 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
    • G05B2219/45221—Edm, electrical discharge machining, electroerosion, ecm, chemical
    • 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
    • G05B2219/49—Nc machine tool, till multiple
    • G05B2219/49015—Wire, strang laying, deposit fluid, welding, adhesive, hardening, solidification, fuse
    • 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
    • G05B2219/50—Machine tool, machine tool null till machine tool work handling
    • G05B2219/50203—Tool, monitor condition tool
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)
  • Separation By Low-Temperature Treatments (AREA)
  • Monitoring And Testing Of Transmission In General (AREA)
  • Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)

Abstract

本發明提供一種金屬線斷裂預測裝置，具備：資料獲取部，於金屬線放電加工機所進行之工件加工時，獲取該工件的加工之資料；預處理部，依據資料獲取部所獲取的資料，而製作加工條件資料、加工構件資料、加工狀態資料，來作為顯示加工狀態的狀態資料；以及機器學習裝置，依據預處理部所製作的狀態資料，執行使用了學習模型的機器學習之處理，前述學習模型利用複數之類集合來顯示金屬線放電加工機中之加工狀態與該金屬線放電加工機中之金屬線電極發生斷裂之可能性的有無及斷裂原因之相關性。

Description

金屬線斷裂預測裝置
本發明關於一種金屬線斷裂預測裝置。
金屬線放電加工機中，在將成為加工對象的工件進行加工的過程中，有時用於加工的金屬線斷裂。金屬線的斷裂因應於放電加工的狀況，有時不易產生，有時則容易產生。
例如，如圖8所示，在成為加工對象的工件上具有高低差的情況下，將工件厚的部分進行加工時，利用厚板用加工條件（能量的供給量大的加工條件）對工件進行加工（圖8的上圖），但當使用如此加工條件直接進行工件的薄的部分的加工（圖8的下圖）時，則加工的功率過強，金屬線容易斷裂。
另外，如圖9例示，在放電加工中，從配置在金屬線的導線器部分的噴嘴來向金屬線與工件之間供給加工液。從噴嘴供給的加工液，在直線部的加工時，相對於金屬線的移動方向往後方流動，而效率良好地排出淤渣（加工屑）。在加工拐角部分時，因為無法向金屬線的移動方向的後方流動，所以淤渣（加工屑）無法效率良好地排出，無法充分進行正常放電而容易斷裂。
如圖10所示將金屬線切入工件時，產生從噴嘴供給的加工液容易自加工部分向周圍擴散，無法向加工部分供給充分的加工液的現象。因此，在對工件進行切入時，金屬線容易斷裂。
此外，在工件中混有雜質的情況下等，在工件的材料部分與雜質部分，電弧放電的產生頻率改變。因此，容易發生不均衡的放電，由此而容易發生金屬線的斷裂。
如此金屬線的斷裂成為加工面產生的條紋的原因等，對加工品質造成影響。因為金屬線斷裂時須中斷加工，使上下導線器的位置返回到工件的加工開始點進行金屬線的接線，並使上下導線器（金屬線）移動到斷裂的位置來重新開始加工，所以有著加工效率降低的問題。
作為用於防止金屬線斷裂的現有技術，例如在日本特開2010-240761號公報中公開了在工件的板厚變化的高低差部位變更加工條件的技術。另外，在日本特開2001-105238號公報中，公開了當金屬線電極與工件之間施加的電壓中檢測出異常的情況下，使電流的分流用的開關導通而避免斷裂的技術。並且，在國際公開第2011/089648號中公開了如下技術：在試加工步驟中獲取每個板厚的斷裂閾值與適當的加工條件，而能在加工中設定因應於板厚的適當的加工條件。
但是，金屬線放電加工機中之金屬線的斷裂，發生在各種狀況下。因此，即使採取日本特開2010-240761號公報所示的變更加工條件的方法，也須預先對容易發生斷裂的各種狀況進行實驗等。另外，難以應對因複數之狀況的組合而產生斷裂的情況。另外，在日本特開2001-105238號公報所示的技術中，判斷為異常電壓的閾值亦依加工的狀況而變化。因此，即使在檢測出預定的電壓時不考慮狀況而一律進行分流，也未必能進行效率良好的加工。另外，在國際公開第2011/089648號所示的技術中，必須針對各種狀況的每個工件預先進行複數之板厚下的試加工步驟。因此，為了應對所有的狀況必須花費工時。
因此，吾人期望一種金屬線斷裂預測裝置，可預測與金屬線放電加工機所進行之加工中之各種加工狀況對應的金屬線的斷裂，並特定出其原因。
在本發明的一態樣的金屬線斷裂預測裝置中，使用金屬線放電加工機所進行之加工時獲取的加工狀況之加工資料與機器學習模型來預測金屬線斷裂風險，藉以解決上述課題。就本發明一態樣的金屬線斷裂預測裝置所使用的學習模型而言，設想使用能將加工條件與金屬線斷裂風險的相關值加以計算者。在本說明書中，作為其一例，顯示使用K-近鄰演算法的例子，該K-近鄰演算法係使用機器學習之狀態判斷的方法之一。本發明一態樣的金屬線斷裂預測裝置獲取金屬線電極未斷裂時的資料（正常資料）、在各種金屬線斷裂模式（加工液過弱而斷裂、放電暫停時間過短而斷裂、放電脈衝的峰值過高而斷裂等）獲取的資料（異常資料），並製作將此等資料按照各個模式分類成資料的集合（類）之學習模型。並且，本發明一態樣的金屬線斷裂預測裝置，在金屬線放電加工機所進行之工件加工時獲取之加工之資料（未知資料）與學習模型的各類內的已知資料之間計算出相似度，並依據該計算結果來推定金屬線斷裂風險以及金屬線斷裂模式。然後，金屬線斷裂預測裝置依據推定出的金屬線斷裂風險以及金屬線斷裂模式，來將金屬線放電加工機所成之加工條件最佳化。
然後，本發明的另一態樣係一種金屬線斷裂預測裝置，推定金屬線放電加工機中之工件加工時的金屬線斷裂風險，該金屬線斷裂預測裝置具備：資料獲取部，於前述金屬線放電加工機所進行之工件加工時獲取該工件的加工之資料；預處理部，依據前述資料獲取部所獲取的資料，而製作在工件的加工中指示之加工之條件即加工條件資料、加工中使用的構件之加工構件資料、及工件加工時的加工狀態資料，來作為顯示加工狀態的狀態資料；機器學習裝置，依據上述預處理部所製作的狀態資料，執行使用了學習模型之機器學習之處理，上述學習模型利用複數之類集合來顯示上述金屬線放電加工機中之加工狀態與該金屬線放電加工機中之金屬線電極發生斷裂之可能性的有無及斷裂原因之相關性。
依據本發明的一態樣，能進行與金屬線放電加工機所進行之加工中之各種加工狀況對應的金屬線斷裂預測。
以下，將本發明的實施形態與附加圖示一起進行說明。
圖1係顯示本發明一實施形態的金屬線斷裂預測裝置的主要部分的概略硬體構成圖。本實施形態的金屬線斷裂預測裝置1能實作為控制金屬線放電加工機的控制裝置。另外，金屬線斷裂預測裝置1能實作為與控制金屬線放電加工機的控制裝置一起設置的個人電腦、或經由網路而與控制金屬線放電加工機的控制裝置連接的管理裝置3、分機電腦、霧電腦、雲端伺服器等電腦。在本實施形態中，顯示將金屬線斷裂預測裝置1實作為經由有線/無線的網路7而與將金屬線放電加工機加以控制之控制裝置進行連接的電腦的例子。
本實施形態的金屬線斷裂預測裝置1所具備的CPU（中央處理器；Central Process Unit）11係整體控制金屬線斷裂預測裝置1的處理器。CPU11讀出經由匯流排22連接的ROM（唯讀記憶體；Read Only Memory）12中記憶的系統程式，且按照該系統程式來控制整個金屬線斷裂預測裝置1。在RAM（隨機存取記憶體；Random Access Memory）13中記憶暫時的計算資料、或用以在顯示裝置70中顯示的顯示資料、操作員經由輸入裝置71輸入的各種資料等。
非揮發性記憶體14例如以未圖示的電池備援的記憶體、SSD（固態驅動器）等構成，並構成為即使金屬線斷裂預測裝置1的電源切斷也保持記憶狀態的記憶體。在非揮發性記憶體14中，具有將與金屬線斷裂預測裝置1的動作相關的設定資訊加以儲存的設定區域，記憶有從輸入裝置71輸入的資料、從各個金屬線放電加工機2獲取的各種資料（工件材質、工件形狀、金屬線材質、金屬線直徑等）、在各個金屬線放電加工機2的動作中檢測出的各種物理量（加工路徑、加工電壓、電流、速度、加工液量、加工液壓、正常放電次數、異常放電次數等）、經由未圖示的外部記憶裝置或網路讀入的資料等。可在執行時/使用時，將記憶在非揮發性記憶體14中之程式、各種資料載入到RAM13中。另外，在ROM12中，預先寫入有包含用以分析各種資料的公知的分析程式等的系統、程式。
金屬線斷裂預測裝置1經由介面20而與有線/無線的網路7連接。網路7連接有至少一個金屬線放電加工機2、管理該金屬線放電加工機2所進行之加工工作的管理裝置3等，且在與金屬線斷裂預測裝置1之間互相進行資料的收發。
讀入到記憶體上的各資料、作為執行程式等的結果而得到的資料等經由介面18輸出至顯示裝置70而顯示。另外，由鍵盤、指向設備等構成的輸入裝置71經由介面19向CPU11傳遞依照操作者所進行的操作之指示、資料等。
介面23將機器學習裝置300連接至金屬線斷裂預測裝置1。機器學習裝置300具備將機器學習裝置300整體加以統合控制的處理器301、記憶了系統、程式等的ROM302、用以進行與機器學習相關的各處理中之臨時記憶的RAM303、以及學習模型等的記憶所使用的非揮發性記憶體304。機器學習裝置300經由介面23觀測能利用金屬線斷裂預測裝置1獲取的各資訊（例如工件材質、工件形狀、金屬線材質、金屬線直徑、加工路徑、加工電壓、電流、速度、加工液量、加工液壓、正常放電次數、異常放電次數等）。另外，金屬線斷裂預測裝置1經由介面23獲取從機器學習裝置300輸出的處理結果，並記憶或顯示所獲取的結果，或經由網路7等發送到其他裝置。
圖2係金屬線放電加工機2的概略構成圖。利用送出部扭力電動機210，而將所指示之與金屬線電極201的拉出方向係相反方向之預定低扭力賦予至捲繞有金屬線電極201的金屬線線軸211。自金屬線線軸211饋送的金屬線電極201，途經複數之導輥（未圖示）。藉由煞車電動機212所驅動的煞車蹄片213，來調節煞車蹄片213與利用金屬線電極送出電動機（未圖示）驅動之進給輥222之間的張力。
張力檢測器214係將行進在上導線器215與下導線器217之間之金屬線電極201的張力大小加以檢測的檢測器。已通過煞車蹄片213的金屬線電極201，途經上導線器215所具備的上金屬線支持導件216、下導線器217所具備的下金屬線支持導件218、以及下導引輥219。此後，金屬線電極201夾在壓輥221與利用金屬線電極送出電動機（未圖示）驅動的進給輥222之間，而被回收至金屬線電極回收箱220。
在上導線器215與下導線器217之間的放電加工區域中，將成為放電加工對象的工件（未圖示）放置在工作臺（未圖示）。從加工用電源將高頻電壓施加至金屬線電極201來對工件進行放電加工。另外，金屬線放電加工機2主體係藉由控制裝置240來控制。
金屬線放電加工機2將電壓施加至加工液中之金屬線電極201與工件（未圖示），產生電弧放電，藉由該放電的熱使工件熔融，並且藉由急劇加熱之加工液的汽化爆炸將熔融的工件吹飛，藉此對工件進行加工。金屬線放電加工機2之中，各部的狀態係由感測器等檢測，且控制裝置240將檢測出的值經由網路7發送到金屬線斷裂預測裝置1。
圖3係第一實施形態的金屬線斷裂預測裝置1和機器學習裝置300的概要功能方塊圖。圖3所示的金屬線斷裂預測裝置1具備機器學習裝置300進行學習的情況下所需要的構成（學習模式）。由圖1所示的金屬線斷裂預測裝置1具備的CPU11、以及機器學習裝置300的處理器301，執行各自的系統、程式，控制金屬線斷裂預測裝置1和機器學習裝置300的各部分的動作，藉以實現圖3所示的各功能模組（資料獲取部30、預處理部32、學習部110等）。
本實施形態的金屬線斷裂預測裝置1具備資料獲取部30、預處理部32，且金屬線斷裂預測裝置1所具備的機器學習裝置300具備學習部110。另外，在非揮發性記憶體14（圖1）設置有將資料獲取部30從金屬線放電加工機2獲取的資料加以記憶的獲取資料記憶部50。在機器學習裝置300的非揮發性記憶體304（圖1）設有將藉由學習部110所進行之機器學習而構築的學習模型加以記憶的學習模型記憶部130。
資料獲取部30從金屬線放電加工機2獲取各種資料。資料獲取部30例如於金屬線放電加工機2的加工中，獲取工件材質、工件形狀、金屬線材質、金屬線直徑、加工路徑、加工電壓、電流、速度、加工液量、加工液壓、正常放電次數、異常放電次數等各資料，並記憶到獲取資料記憶部50。資料獲取部30獲取金屬線放電加工機2中與正常進行加工時（即金屬線電極201未斷裂時）、及金屬線放電加工機2中金屬線電極201斷裂時（金屬線電極201斷裂跟前）之金屬線放電加工機2之複數之資料。又，資料獲取部30，就金屬線放電加工機2中金屬線電極201斷裂時（金屬線電極201斷裂跟緊）獲取的資料而言，還一併獲取金屬線電極201斷裂前進行之加工條件的調整內容、還有在斷裂後再次開始加工時進行之加工條件的調整內容。資料獲取部30能獲取資料作為對金屬線放電加工機2的控制裝置設定的與加工相關的條件、金屬線放電加工機2的控制裝置向各部分指示的指示值、金屬線放電加工機2的控制裝置從各部分測量的測量值、另外設置的感測器等的檢測值等。資料獲取部30也可經由未圖示的外部記憶裝置、有線/無線的網路從其他裝置獲取資料。
預處理部32依照資料獲取部30獲取的資料，製作機器學習裝置300的學習所使用的學習資料。預處理部32製作將各資料轉換（數值化、採樣等）為在機器學習裝置300中處理的統一的形式所得的學習資料。預處理部32將用於機器學習裝置300進行的所謂監督式學習的預定形式的狀態資料S及標籤資料L加以製作作為學習資料。預處理部32製作的狀態資料S包括：加工條件資料S1，包含與金屬線放電加工機2的工件的加工相關的加工電壓、加工電流、加工速度、加工液量、加工液壓的指示值；加工構件資料S2，包含以金屬線放電加工機2進行加工所用的金屬線的材質、金屬線直徑、加工的工件的材質等；以及加工狀態資料S3，包含金屬線放電加工機2的工件的加工中測量出的電壓、電流、正常放電次數、異常放電次數等。另外，預處理部32製作的標籤資料L包含斷裂模式資料L1，該斷裂模式資料L1顯示發生斷裂之有無及斷裂前調整之加工條件。
加工條件資料S1能使用資料獲取部30所獲取的由金屬線放電加工機2的控制裝置對各部分指示的指示值等。加工條件資料S1也可使用加工程式所進行之指示、對金屬線放電加工機2設定之各種指示值。
加工構件資料S2能使用資料獲取部30所獲取的對金屬線放電加工機2的控制裝置設定的金屬線、工件的資訊。
加工狀態資料S3能使用資料獲取部30所獲取的金屬線放電加工機2的控制裝置從各部分測量的測量值、另外設置的感測器等所進行的檢測值等。加工狀態資料S3例如使用在加工時測量的電壓值的時序資料、顯示電壓波形的參數（放電脈衝時間、休止脈衝時間、峰值、脈衝寬度等金屬線放電加工中之公知的參數）、電流值的時序資料、顯示電流波形的參數（放電脈衝時間、休止脈衝時間、峰值、脈衝寬度等金屬線放電加工中之公知的參數）、預定時間週期內的正常放電（例如電極間隙電壓值超過判定位準起經過判定時間後低於判定位準者）、異常放電（例如電極間隙電壓值超過判定位準起經過判定時間之前低於判定位準者、電極間隙電壓值不超過判定位準者等）的次數即可。
斷裂模式資料L1係預處理部32製作之與狀態資料S相對的標籤資料之一。斷裂模式資料L1包含顯示下者的標籤：在獲取了狀態資料S的狀態下金屬線電極201的發生斷裂之有無以及金屬線電極201斷裂時推定的斷裂原因。在金屬線電極201的斷裂未發生的狀態下獲取資料時，預處理部32在狀態資料S的斷裂模式資料L1中採取顯示無斷裂的標籤值。另外，當在金屬線電極201的斷裂已發生的狀態（金屬線電極201斷裂跟前的狀態）下獲取資料時，預處理部32在狀態資料S的斷裂模式資料L1中採取顯示有斷裂以及在斷裂前調整之加工條件的標籤值。例如，當在金屬線電極201未斷裂而正常地加工時獲取資料之際，亦可在斷裂模式資料L1中採取「無斷裂」的標籤值。又，當在降低了作為加工條件之一的放電暫停時間後的加工中金屬線電極201的斷裂已發生時獲取資料之際，斷裂模式資料L1亦可採取「在放電暫停時間短的條件下斷裂」的標籤值。當在降低了作為加工條件之一的加工液量後的加工中金屬線電極201的斷裂已發生時獲取資料之際，斷裂模式資料L1可採取「在加工液量少的條件下斷裂」的標籤值。如此，依據金屬線電極201斷裂時獲取的資料，能對斷裂模式資料L1採取各種標籤值。
學習部110進行使用了預處理部32製作的學習資料的監督式學習，並製作（學習）學習模型，該學習模型學習了金屬線放電加工機2中金屬線電極201發生斷裂的可能性之有無及斷裂原因與此時的狀態資料S之間的相關性。在本實施形態中，求出金屬線放電加工機2中金屬線電極201發生斷裂的可能性之有無及斷裂前調整之加工條件與此時的狀態資料S之間的相關性。然後，學習部110製作將斷裂模式資料L1採取相同標籤值而得之狀態資料S匯總為各自不同的類集合的學習模型，並將製作的學習模型記憶在學習模型記憶部130中。
圖4例示了學習部110製作的學習模型的意像。在圖4中，為了容易掌握學習模型的意像，顯示狀態資料S係由加工電壓、加工速度、異常放電次數這三個參數所構成的學習模型的意像。在圖4的例子中，在空間上分別描繪了在正常時（無斷裂）時獲取的狀態資料S、在放電暫停時間短的條件下斷裂時獲取的狀態資料S、在加工液量少的條件下斷裂時獲取的狀態資料S、在加工功率高的條件下斷裂時獲取的狀態資料S。而且，將各個狀態資料S按照斷裂模式資料L1的每個標籤值分類為類集合。另外，在該描繪中，任意兩點間的距離（歐基里德距離）表示兩者的類似度。製作如此學習模型，而在從金屬線放電加工機2新獲取加工中之資料（狀態資料S）時，依據所獲取的狀態資料S與屬於構成學習模型的各個類集合的資料之間的距離（歐基里德距離），來推定所獲取的狀態資料S屬於構成學習模型的各個類集合中之哪一個。由此，能推定在當前的加工狀態下金屬線電極201發生斷裂的可能性之有無、以及在有斷裂可能性下推定其原因。
圖5係另一實施形態的金屬線斷裂預測裝置1與機器學習裝置300的概略功能方塊圖。本實施形態的金屬線斷裂預測裝置1具備機器學習裝置300進行推定時所需的構成（推定模式）。圖5所示的各功能塊藉由圖1所示的金屬線斷裂預測裝置1所具備的CPU11以及機器學習裝置300的處理器301執行各自的系統程式，控制金屬線斷裂預測裝置1以及機器學習裝置300的各部的動作來實現。
本實施形態的金屬線斷裂預測裝置1與第一實施形態同樣地具備資料獲取部30、預處理部32，還具備加工條件調整部34。另外，金屬線斷裂預測裝置1所具備的機器學習裝置300，具備推定部120。並且，在非揮發性記憶體14（圖1）中設置：獲取資料記憶部50，記憶資料獲取部30從金屬線放電加工機2獲取的資料。在機器學習裝置300的非揮發性記憶體304（圖1）中設置：學習模型記憶部130，記憶藉由學習部110（圖3）所進行之機器學習而構建的學習模型。
本實施形態所成之資料獲取部30具備與之前的實施形態的資料獲取部30相同的功能。另外，本實施形態所成之預處理部32藉由與第一實施形態中說明的方法相同的方法，來依據資料獲取部30獲取的資料，製作狀態資料S，前述狀態資料S用於機器學習裝置300所進行之金屬線放電加工機2的加工狀態之推定。
推定部120依據預處理部32製作的狀態資料S，使用學習模型記憶部130中記憶的學習模型來推定在當前的加工狀態下金屬線電極201發生斷裂的可能性之有無、以及在有斷裂的可能性的情況下斷裂的原因。在本實施形態的推定部120中，依據學習部110（圖2）製作的學習模型（將金屬線放電加工機2中金屬線電極201發生斷裂的可能性之有無及斷裂時的加工條件與此時的狀態資料S之間的相關性加以顯示之複數之類集合）所含之各個資料與從預處理部32輸入的狀態資料S之間的關係，來推定在當前的加工狀態下金屬線電極201發生斷裂的可能性之有無、以及在有斷裂的可能性的情況下斷裂的原因。
本實施形態的推定部120例如藉由k-近鄰演算法來推定金屬線放電加工機2的金屬線斷裂風險。此情況下，推定部120針對預處理部32製作的成為推定對象的狀態資料S（加工條件資料S1、加工構件資料S2、加工狀態資料S3），在與學習模型所含的各個資料之間，求出資料在向量空間上的距離，特定出與成為推定對象的狀態資料S距離近之學習模型內的k個資料。然後，推定部120對在特定出的k個資料中賦予的標籤值進行合計，且推定就該合計結果而言最多標籤值的類集合係成為推定物件的狀態資料S所屬的類集合。然後，推定部120依據成為推定對象的狀態資料S所屬的類集合被賦予的標籤值，而推定當前的加工狀態下金屬線電極201發生斷裂的可能性之有無、以及在有斷裂的可能性的情況下推定斷裂的原因。另外，推定部120在最多標籤值的類集合係複數之情況下，亦可預先在類集合間設定順序，並按照該順序來推定成為推定對象的狀態資料S所屬的類集合。另外，亦可預先規定以下的規則：在最多標籤值的類集合內，將包含與狀態資料S最接近的資料的類集合推斷為狀態資料S所屬的類集合。
圖6例示推定部120的推定處理的意像。在圖6中，顯示預處理部32依據資料獲取部30獲取的資料製作了狀態資料Sa的情況。在圖6中，計算在預定的加工狀態下獲取的狀態資料Sa與學習模型中包含的各資料的距離，特定出與狀態資料Sa距離近的k個資料（在圖6的例子中，設k=6）。詳細而言，在無斷裂時獲取的資料為2個，在加工液量少的條件下斷裂時獲取的資料為3個，在加工功率高的條件下斷裂時獲取的資料為1個。因此，推定部120推定出狀態資料Sa屬於與加工液量低的條件下斷裂時獲取的資料相同的類集合。然後，推定部120依據該推定結果，推定出在當前的加工狀態下金屬線電極201有斷裂的可能性。另外，推定其斷裂原因係加工液量少。
推定部120在推定出金屬線電極201有斷裂的可能性之際，不僅推定斷裂原因，亦可更推定對哪個加工條件進行何種程度的調整藉以使金屬線電極201無斷裂的可能性。例如，如圖7所示，在推定出狀態資料Sa屬於與加工功率高的條件下發生斷裂時獲取的資料相同的類集合時，則計算利用在加工條件內將加工功率之加工條件（在圖7的例子中為加工電壓）降低何種程度，能使狀態資料Sa屬於與無斷裂時獲取的資料相同的類。然後，將該計算出的結果推定為加工條件應調整的量。
亦可在顯示裝置70顯示輸出推定部120推定出的結果（當前的加工狀態下金屬線電極201發生斷裂的可能性之有無的推定、以及有斷裂可能性時其原因）。另外，也可經由未圖示的有線/無線網路向霧電腦或雲伺服器等發送輸出來使用。另外，也可由加工條件調整部34依據推定部120推定出的結果，變更金屬線放電加工機2的加工條件。
加工條件調整部34在推定部120推定出的結果為「金屬線電極201無斷裂的可能性」的情況下，不進行金屬線放電加工機2的加工條件的調整。另一方面，加工條件調整部34在推定部120推定出的結果為「金屬線電極201有斷裂的可能性」的情況下，對金屬線放電加工機2的加工條件進行調整，俾使金屬線電極不易斷裂。加工條件調整部34例如在推定部120將斷裂原因推定為加工液量少時，調整加工條件俾提昇加工液量。在推定部120將斷裂原因推定為放電暫停時間短的情況下，調整加工條件俾延長放電暫停時間。加工條件調整部34在推定部120推定加工條件應調整的量時，亦可依據推定出的加工條件的應調整的量來調整成為調整對象之加工條件。
在具有上述構成的金屬線斷裂預測裝置1中，依據從金屬線放電加工機2獲取的資料，推定部120推定金屬線放電加工機2的當前的加工狀態下金屬線電極201發生斷裂的可能性之有無、及在有斷裂可能性的情況下推定其原因。而且，因為依據該推定結果，調整金屬線放電加工機2的加工條件，所以能在因應於加工的狀態之金屬線不斷裂的適當的加工條件下進行加工。因此，因為即使在無人操作時亦不需要齊一降低加工條件，所以能進行高效的金屬線放電加工（在金屬線不斷裂的範圍內將加工速度維持為高速的金屬線放電加工）。
以上，對本發明的一實施形態進行了說明，但本發明並不限定於上述實施形態的例子，能藉由施加適當的變更而以各種方式實施。
例如，在上述實施形態中，將金屬線斷裂預測裝置1和機器學習裝置300說明為具備不同的CPU（處理器）的裝置，但也可藉由金屬線斷裂預測裝置1所具備的CPU11、記憶在ROM12中之系統、程式來實現機器學習裝置300。
另外在上述實施形態中，顯示了將金屬線斷裂預測裝置1安裝在經由網路7而與金屬線放電加工機2的控制裝置連接的電腦上。但是，例如亦可在霧電腦上只安裝機器學習裝置300的一部分，而在邊緣電腦上安裝包括資料獲取部30、預處理部32、加工條件變更部34之金屬線斷裂預測裝置1主體等，而適當地變更各構成要素的配置地來進行安裝。
1:金屬線斷裂預測裝置 2:金屬線放電加工機 3:預處理部 7:網路 11:CPU（中央處理器；Central Process Unit） 12:ROM（唯讀記憶體；Read Only Memory） 13:RAM（隨機存取記憶體；Random Access Memory 14:非揮發性記憶體 18~20:介面 22:匯流排 23:介面 30:資料獲取部 32:前處理部 34:加工條件調整部 50:獲取資料記憶部 70:顯示裝置 71:輸入裝置 110:學習部 130:學習模型記憶部 201:金屬線電極 210:扭力電動機 211:金屬線線軸 212:煞車電動機 213:煞車蹄片 214:張力檢測器 215:上導線器 216:上金屬線支持導件 217:下導線器 218:下金屬線支持導件 219:下導引輥 220:金屬線電極回收箱 221:壓輥 222:進給輥 240:控制裝置 300:機器學習裝置 301:處理器 302:ROM（唯讀記憶體；Read Only Memory） 303:RAM（隨機存取記憶體；Random Access Memory 304:非揮發性記憶體
本發明的上述以及其它的目的以及特徵，當可由參照附加圖示之以下的實施例的說明而明瞭。在此等圖中： 圖1係本發明一實施形態的金屬線斷裂預測裝置的概略硬體構成圖。 圖2係一實施形態的金屬線放電加工機的概略構成圖。 圖3係一實施形態的金屬線斷裂預測裝置的概略功能方塊圖。 圖4例示學習部製作的學習模型的意像。 圖5係另一實施形態的金屬線斷裂預測裝置的概略功能方塊圖。 圖6例示推定部所成之金屬線電極的斷裂可能性之有無以及原因之推定意像。 圖7例示推定部所成之加工條件的應調整的量之推定意像。 圖8顯示金屬線放電加工機中之金屬線斷裂風險的例子。 圖9顯示金屬線放電加工機中之金屬線斷裂風險的另一例子。 圖10顯示金屬線放電加工機中之金屬線斷裂風險的另一例子。
1:金屬線斷裂預測裝置
2:金屬線放電加工機
3:預處理部
7:網路
30:資料獲取部
32:前處理部
50:獲取資料記憶部
70:顯示裝置
71:輸入裝置
110:學習部
130:學習模型記憶部
300:機器學習裝置

Claims (4)

  1. 一種金屬線斷裂預測裝置，推定金屬線放電加工機中之工件加工時的金屬線斷裂風險，具備：資料獲取部，於該金屬線放電加工機所進行之工件加工時，獲取該工件之加工之資料；預處理部，依據該資料獲取部所獲取的資料，而製作在工件的加工中指示之加工之條件即加工條件資料、加工中使用的構件之加工構件資料、及工件加工時的加工狀態資料，來作為顯示加工狀態的狀態資料；以及機器學習裝置，依據該預處理部所製作的狀態資料，而執行使用學習模型的機器學習之處理，該學習模型利用複數之類集合來顯示該金屬線放電加工機中之加工狀態與該金屬線放電加工機中之金屬線電極發生斷裂之可能性的有無及斷裂原因之間的相關性；該機器學習裝置具備：學習模型記憶部，記憶利用複數之類集合來顯示該金屬線放電加工機中之加工狀態與該金屬線放電加工機中之金屬線電極發生斷裂之可能性的有無及斷裂原因之間的相關性的學習模型；以及推定部，依據該預處理部所製作的狀態資料，使用該學習模型記憶部中記憶的學習模型來推定該金屬線放電加工機中金屬線電極發生斷裂的可能性之有無及斷裂原因。
  2. 如請求項1之金屬線斷裂預測裝置，其中， 該預處理部依據該資料獲取部所獲取的資料製作標籤資料，該標籤資料係將該狀態資料、該狀態資料獲取之際的金屬線電極發生斷裂之有無、以及在已發生斷裂時其斷裂原因，作為標籤值，該機器學習裝置具備學習部，該學習部依據該狀態資料以及該標籤資料，製作與該標籤資料所採取的各個標籤值對應的類集合，藉以製作學習模型。
  3. 如請求項1之金屬線斷裂預測裝置，其中，該推定部藉由k-近鄰演算法來推定該金屬線放電加工機中金屬線電極發生斷裂的可能性之有無及斷裂原因，其中，該k-近鄰演算法使用了該預處理部所製作的狀態資料與該學習模型中之複數之類集合。
  4. 如請求項3之金屬線斷裂預測裝置，其中，更具備：加工條件調整部，依據該推定部的推定結果，來變更該金屬線放電加工機的加工條件。
TW109101867A 2019-01-31 2020-01-20 金屬線斷裂預測裝置 TWI777124B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-015766 2019-01-31
JP2019015766A JP6885975B2 (ja) 2019-01-31 2019-01-31 ワイヤ断線予測装置

Publications (2)

Publication Number Publication Date
TW202030628A TW202030628A (zh) 2020-08-16
TWI777124B true TWI777124B (zh) 2022-09-11

Family

ID=69157634

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109101867A TWI777124B (zh) 2019-01-31 2020-01-20 金屬線斷裂預測裝置

Country Status (6)

Country Link
US (1) US11471965B2 (zh)
EP (1) EP3690571B1 (zh)
JP (1) JP6885975B2 (zh)
KR (1) KR102482512B1 (zh)
CN (1) CN111496336A (zh)
TW (1) TWI777124B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6991414B1 (ja) * 2021-04-12 2022-01-13 三菱電機株式会社 マルチワイヤ放電加工機
CN115780938A (zh) * 2022-12-05 2023-03-14 北京天科合达半导体股份有限公司 一种线切割机的切割线监测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102712056A (zh) * 2010-01-22 2012-10-03 三菱电机株式会社 数控装置、使用该装置的线电极放电加工装置以及线电极放电加工方法
CN103093192A (zh) * 2012-12-28 2013-05-08 昆山市工业技术研究院有限责任公司 高压输电线舞动的识别方法
CN106475645A (zh) * 2015-08-27 2017-03-08 发那科株式会社 边调整加工条件边进行加工的线放电加工机
TW201842457A (zh) * 2017-04-12 2018-12-01 美商諳科半導體有限公司 以圖案為中心之製程控制

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2573514B2 (ja) * 1988-05-11 1997-01-22 ファナック株式会社 ワイヤ断線位置検出装置
JP3078546B1 (ja) 1999-10-01 2000-08-21 稜威男 宮城 ワイヤカット放電加工機及びそれに用いるワイヤ断線防止装置並びにワイヤ断線防止方法
US20090120911A1 (en) * 2007-11-12 2009-05-14 Fanuc Ltd Wire break detecting device for wire electric discharge machine
JP2010042499A (ja) * 2008-07-18 2010-02-25 Mitsubishi Electric Corp 加工条件探索装置
JP2010240761A (ja) 2009-04-02 2010-10-28 Sodick Co Ltd ワイヤカット放電加工方法
US9168603B2 (en) * 2009-07-07 2015-10-27 Mitsubishi Electric Corporation Wire electric discharge machining apparatus
EP3329433A1 (en) * 2015-07-29 2018-06-06 Illinois Tool Works Inc. System and method to facilitate welding software as a service
JP6348098B2 (ja) * 2015-11-30 2018-06-27 ファナック株式会社 機械学習を使った中子の溶着位置決定機能を備えたワイヤ放電加工機のシミュレーション装置
US10245698B2 (en) * 2016-05-06 2019-04-02 Massachusetts Institute Of Technology Method and apparatus for efficient use of CNC machine shaping tool including cessation of use no later than the onset of tool deterioration by monitoring audible sound during shaping
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
EP3446820A1 (en) * 2017-08-22 2019-02-27 Agie Charmilles SA Wire electrical discharge machining method
JP6863951B2 (ja) * 2018-11-08 2021-04-21 ファナック株式会社 ワイヤ断線予測装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102712056A (zh) * 2010-01-22 2012-10-03 三菱电机株式会社 数控装置、使用该装置的线电极放电加工装置以及线电极放电加工方法
CN103093192A (zh) * 2012-12-28 2013-05-08 昆山市工业技术研究院有限责任公司 高压输电线舞动的识别方法
CN106475645A (zh) * 2015-08-27 2017-03-08 发那科株式会社 边调整加工条件边进行加工的线放电加工机
TW201842457A (zh) * 2017-04-12 2018-12-01 美商諳科半導體有限公司 以圖案為中心之製程控制

Also Published As

Publication number Publication date
EP3690571B1 (en) 2022-05-04
JP6885975B2 (ja) 2021-06-16
JP2020121387A (ja) 2020-08-13
EP3690571A1 (en) 2020-08-05
TW202030628A (zh) 2020-08-16
US11471965B2 (en) 2022-10-18
KR20200095396A (ko) 2020-08-10
KR102482512B1 (ko) 2022-12-28
US20200246894A1 (en) 2020-08-06
CN111496336A (zh) 2020-08-07

Similar Documents

Publication Publication Date Title
TWI760651B (zh) 金屬線斷裂預測裝置
TWI777124B (zh) 金屬線斷裂預測裝置
JP6680714B2 (ja) ワイヤ放電加工機の制御装置及び機械学習装置
US11080610B2 (en) Numerical control system that detects an abnormality in an operation state
US20190101892A1 (en) Numerical control system
Yan et al. Monitoring and control of the micro wire-EDM process
JP2003326438A (ja) 工具異常検出装置
US20150290733A1 (en) Wire electrical discharge machining apparatus, machining control device, and machining control program
US20200249650A1 (en) Numerical control system
CN105938352B (zh) 避免主轴过热的数值控制装置
Abhilash et al. Machine-vision-based electrode wear analysis for closed loop wire EDM process control
KR101515500B1 (ko) 저항용접 제어장치 및 이를 이용한 저항용접 방법
EP4219054A1 (en) Wire electric discharge machine, and control method for wire electric discharge machine
JP2020126430A (ja) 保守時期予測装置
JP6481638B2 (ja) 電動機駆動システムの予防保全装置
JP2001087863A (ja) 板材加工方法およびその装置
CN115397593B (zh) 加工报告创建装置及线放电加工机
KR20140132860A (ko) 스폿용접기의 멀티 모니터링장치
JP3224375U (ja) ワイヤ放電加工機
US11618093B2 (en) Controlling wire electrical discharge during the machining process
EP4219053A1 (en) Wire electrical discharge machining apparatus and control method for wire electrical discharge machining apparatus
JPH09216070A (ja) 抵抗溶接機の制御装置
JP2020131374A (ja) 制御装置
JPH08215987A (ja) 切削工具欠損予知装置および同方法

Legal Events

Date Code Title Description
GD4A Issue of patent certificate for granted invention patent