WO2023157298A1 - 加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法 - Google Patents

加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法 Download PDF

Info

Publication number
WO2023157298A1
WO2023157298A1 PCT/JP2022/006955 JP2022006955W WO2023157298A1 WO 2023157298 A1 WO2023157298 A1 WO 2023157298A1 JP 2022006955 W JP2022006955 W JP 2022006955W WO 2023157298 A1 WO2023157298 A1 WO 2023157298A1
Authority
WO
WIPO (PCT)
Prior art keywords
machining
condition
result
processing
value
Prior art date
Application number
PCT/JP2022/006955
Other languages
English (en)
French (fr)
Inventor
信行 太田
Original Assignee
三菱電機株式会社
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 三菱電機株式会社 filed Critical 三菱電機株式会社
Priority to JP2022538305A priority Critical patent/JP7126639B1/ja
Priority to PCT/JP2022/006955 priority patent/WO2023157298A1/ja
Publication of WO2023157298A1 publication Critical patent/WO2023157298A1/ja

Links

Images

Classifications

    • 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
    • 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
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • the present disclosure relates to a machining condition generation device that generates machining conditions for an electric discharge machine, an electric discharge machining system, a machining condition generation method, and an electric discharge machining method.
  • machining conditions corresponding to the plate thickness of the workpiece to be machined, or machining conditions corresponding to required specifications such as surface roughness are prepared in advance.
  • a worker using an electric discharge machine selects the machining conditions suitable for the machining from among the prepared machining conditions, thereby performing high-precision machining, for example, machining with a tolerance of 1/100mm to 1/1000mm. It can be realized.
  • the number of machining condition parameters, which are parameters included in machining conditions is enormous, it is difficult to input combinations of machining condition parameter values for all possible machining conditions into the EDM in advance. is. Therefore, conventionally, techniques for easily creating processing conditions have been developed.
  • Patent Document 1 discloses a machining condition generation device that generates machining conditions based on input required specifications and predicts machining results based on the generated machining conditions.
  • the machining condition generation device of Patent Document 1 presents the contents of the predicted machining result to the operator by displaying the contents of the predicted machining result on the display unit. The operator adjusts the values of the processing condition parameters based on the content displayed on the display unit.
  • the present disclosure has been made in view of the above, and an object thereof is to obtain a machining condition generation device that enables easy selection of machining condition parameters whose values are effective to be adjusted to improve machining results.
  • a machining condition generation apparatus provides a machining test pattern that is a combination of parameter values for each of a plurality of items included in machining conditions of an electric discharge machine.
  • a machining test pattern generator that generates a machining test pattern based on a reference condition that is used as a reference for generating the machining condition;
  • a machining result variation calculation unit for calculating the relationship between the amount of change in each value of a plurality of items included in and based on a model for inferring the value of the machining result from the machining test pattern;
  • a machining test pattern a display unit for displaying information representing the relationship between the amount of change in the value of the parameter and the amount of change in the value of the processing result.
  • the machining condition generation device has the effect of making it possible to easily select machining condition parameters whose values are effective to be adjusted in order to improve machining results.
  • FIG. 1 is a diagram showing a schematic configuration of an electrical discharge machining system according to a first embodiment
  • FIG. 2 is a diagram showing a configuration example of a machining condition generation device included in the electric discharge machining system according to the first embodiment
  • FIG. 2 shows a modification of the electric discharge machining system according to the first embodiment
  • FIG. 2 is a diagram showing a configuration example of hardware that realizes a machining condition generation device that the electric discharge machining system according to the first embodiment has; 4 is a flow chart showing the operation procedure of the machining condition generating device included in the electric discharge machining system according to the first embodiment; 4 is a flow chart showing the operation procedure of the machining condition generating device included in the electric discharge machining system according to the first embodiment;
  • FIG. 12 is a diagram showing an example of a first screen displayed on the display unit of the machining condition generating device according to Embodiment 5;
  • FIG. 10 is a diagram showing an example of a second screen displayed on the display unit of the machining condition generating device according to Embodiment 5;
  • FIG. 12 is a diagram showing an example of a screen displayed on the display unit of the machining condition generating device according to Embodiment 6;
  • FIG. 11 is a first diagram for explaining an example of processing results in the seventh embodiment;
  • FIG. 3 is a third diagram for explaining an example of processing results in the seventh embodiment;
  • FIG. 4 for explaining an example of processing results in the seventh embodiment;
  • FIG. 1 is a diagram showing a schematic configuration of an electrical discharge machining system 1 according to a first embodiment.
  • An electrical discharge machining system 1 includes a machining condition generation device 2 and an electrical discharge machine 3 .
  • the machining condition generation device 2 and the electric discharge machine 3 are connected so as to be able to communicate with each other.
  • the machining condition generation device 2 generates machining conditions for the electric discharge machine 3 .
  • the machining condition generating device 2 outputs the generated machining conditions.
  • the electric discharge machine 3 is a machine tool that processes a work by generating electric discharge in the gap between the machining electrode and the work.
  • the electrical discharge machine 3 performs electrical discharge machining according to the machining conditions output from the machining condition generation device 2 .
  • the electrical discharge machine 3 is, for example, a wire electrical discharge machine.
  • the operator is a person who uses the electric discharge machine 3 and also a person who uses the machining condition generation device 2 .
  • FIG. 2 is a diagram showing a configuration example of the machining condition generation device 2 included in the electric discharge machining system 1 according to the first embodiment.
  • the machining condition generation device 2 includes a reference condition input unit 10 for inputting a reference condition used as a reference for generating the machining condition, a machining test pattern generation unit 11 for generating a machining test pattern, and an electric discharge machine 3 for machining.
  • a processing result input unit 12 for inputting results and a display unit 13 for displaying information are provided.
  • the machining condition generation device 2 includes a requirement specification input unit 14 for inputting requirement specifications indicating an allowable range of machining result values, and a machining condition for calculating a generation condition for obtaining a machining result value included in the requirement specifications.
  • the processing condition generation device 2 includes a generation condition processing result estimation unit 18 that estimates processing results based on the generation conditions, and an adjustment condition processing result estimation unit 19 that estimates processing results based on the adjustment conditions.
  • the machining condition generation device 2 also includes a learning device 4 that outputs a model for inferring machining result values from the machining test pattern.
  • the learning device 4 includes a state quantity observation unit 20 , a reliability calculation unit 21 , a state quantity evaluation unit 22 , a model generation unit 23 and a model storage unit 24 .
  • a standard condition used as a standard for generating a processing condition is input to the standard condition input unit 10 by the operator.
  • the reference condition can also be said to be a reference processing condition.
  • the reference conditions include processing condition parameter values for each of a plurality of items.
  • the reference condition input unit 10 outputs the input reference conditions to the machining test pattern generation unit 11 .
  • the reference condition input unit 10 accepts a setting as to whether or not each value of a plurality of processing condition parameters included in the reference condition is to be adjusted. By operating the reference condition input unit 10, the operator selects whether or not to adjust the value of each processing condition parameter of the input reference condition.
  • the reference condition input unit 10 outputs to the machining test pattern generation unit 11 information indicating whether or not the value of each machining condition parameter of the input reference condition is to be adjusted.
  • a machining test pattern is a combination of parameter values for each of a plurality of items included in the machining conditions of the electric discharge machine 3. Machining test patterns are used for machining tests for modeling the relationship between machining condition parameters and machining results.
  • the machining result is the result of machining the workpiece by the electric discharge machine 3.
  • the machining result includes items about the state of the machined surface of the workpiece machined by the electrical discharge machine 3 or the shape accuracy of the workpiece.
  • the machining result includes items such as surface roughness, straightness of the machined cross section, and shape error.
  • the machining result may include items such as the machining speed and whether or not the machining was completed without any errors.
  • the machining test pattern generation unit 11 generates a machining test pattern based on the reference conditions and information indicating whether or not the value of each machining condition parameter is to be adjusted.
  • the processing test pattern generation unit 11 outputs the generated processing test pattern to the learning device 4 and the display unit 13 .
  • the display unit 13 displays the value of each machining condition parameter, which is the machining test pattern.
  • the operator causes the electric discharge machine 3 to perform a machining test based on the values of the machining condition parameters displayed on the display unit 13 . That is, in Embodiment 1, a machining test is performed by actual machining by the electrical discharge machine 3 .
  • the value of the machining result obtained by the machining test is entered by the operator into the machining result input unit 12 .
  • the processing result input unit 12 outputs the value of the input processing result to the learning device 4 .
  • the value of the machining result obtained by machining according to the machining test pattern by the electric discharge machine 3 is input to the learning device 4 .
  • the learning device 4 is inputted with a processing test pattern.
  • the state quantity observation unit 20 observes the value of the processing result and the processing test pattern as state quantities.
  • the state quantity observation unit 20 outputs the state quantity to the reliability calculation unit 21 .
  • the reliability calculation unit 21 calculates at least the variation between the processing results obtained for the same plurality of processing test patterns and the range in which the amount of change in the processing result can change when the processing test pattern is changed. Based on one, the reliability of the processing result is calculated.
  • the reliability calculation unit 21 outputs the reliability calculation result to the state quantity evaluation unit 22 .
  • the state quantity evaluation unit 22 weights the state quantity according to the degree of reliability.
  • the state quantity evaluation unit 22 outputs learning data, which are weighted state quantities, to the model generation unit 23 .
  • the model generation unit 23 learns the relationship between the explanatory variable, which is the value of the parameter of the processing test pattern, and the objective variable, which is the value of the processing result, using the learning data, which is the weighted state quantity, to generate or generate a model.
  • Update The model storage unit 24 stores models generated or updated by the model generation unit 23 .
  • the learning device 4 outputs the model stored in the model storage unit 24 .
  • a model is input to the machining result variation calculation unit 16 .
  • the machining result change amount calculator 16 calculates the relationship between the amount of change in the value of one or more parameters included in the machining test pattern and the amount of change in the value of each of a plurality of items included in the machining result of the electric discharge machine 3. is calculated based on the model. In the following description, this relationship will be referred to as change amount relationship.
  • the machining result change amount calculation unit 16 outputs the calculation result of the change amount relationship to the display unit 13 .
  • the display unit 13 displays information representing the change amount relationship.
  • the display unit 13 uses a heat map to quantitatively display information about the change amount relationship.
  • the display unit 13 displays the most important parameter among the parameters of the machining test pattern that maximizes the amount of change in the machining result with respect to the parameter change. The operator can recognize how much the machining result changes when the value of each machining condition parameter is changed from the change amount relationship displayed on the display unit 13 .
  • the operator can confirm the machining condition parameter that has the greatest change in the machining result.
  • a specific example of display on the display unit 13 will be described in Embodiments 5 and 6 below.
  • the required specification input unit 14 the required specification indicating the allowable range of the value of the processing result is entered by the operator.
  • the operator inputs the required specifications by designating the range of values for each item of the machining results.
  • the operator inputs the importance ratio for each item of the processing result to the required specification input unit 14 .
  • the required specification input unit 14 outputs the required specification and information on the ratio of importance to the machining condition calculation unit 15 .
  • the machining condition calculation unit 15 calculates, based on a model, a generation condition that is a combination of machining condition parameter values for obtaining a machining result value included in the required specifications.
  • the processing condition calculation unit 15 calculates a generation condition that satisfies the required specifications and obtains a good processing result according to the importance ratio.
  • the processing condition calculation unit 15 outputs the generation conditions to the display unit 13 and the generation condition processing result estimation unit 18 .
  • the display unit 13 displays the generation conditions. The operator can confirm the calculated production conditions on the display unit 13 .
  • a generation condition and a model are input from the processing condition calculation unit 15 to the generation condition processing result estimation unit 18 .
  • the generation condition machining result estimating unit 18 calculates a generation condition estimation machining result, which is a result of estimating a machining result obtained by machining according to the generation condition by the electric discharge machine 3 .
  • the generation condition processing result estimation unit 18 calculates a generation condition estimation processing result based on the generation condition and the model.
  • the generation condition processing result estimation unit 18 outputs the calculated generation condition estimation processing result to the display unit 13 .
  • the display unit 13 displays the production condition estimation processing result. The operator can confirm the calculated generation condition estimation processing result on the display unit 13 .
  • the adjustment condition including the adjusted value of the processing condition parameter is input to the adjustment condition input unit 17 by the operator.
  • a model is input to the adjustment condition input unit 17 .
  • the values of the processing condition parameters included in the adjustment conditions are adjusted by the operator.
  • the adjustment condition input unit 17 outputs the input adjustment condition to the adjustment condition processing result estimation unit 19 .
  • the adjustment condition and model are input from the adjustment condition input unit 17 to the adjustment condition processing result estimation unit 19 .
  • the adjustment condition machining result estimation unit 19 calculates an adjustment condition estimation machining result, which is a result of estimating a machining result obtained by machining according to the adjustment condition by the electric discharge machine 3 .
  • the adjustment condition processing result estimator 19 calculates an adjustment condition estimation processing result based on the adjustment conditions and the model.
  • the adjustment condition processing result estimation unit 19 outputs the calculated adjustment condition estimation processing result to the display unit 13 .
  • the display unit 13 displays the adjustment condition estimation processing result. The operator can confirm the calculated adjustment condition estimation processing result on the display unit 13 .
  • the learning device 4 is provided inside the machining condition generation device 2 .
  • the learning device 4 may be a device external to the machining condition generation device 2 .
  • the processing condition generation device 2 and the learning device 4 are connected so as to be able to communicate with each other.
  • the learning device 4 may be connected to the machining condition generation device 2 via a network.
  • the learning device 4 may be a device existing on a cloud server.
  • FIG. 3 is a diagram showing a modification of the electric discharge machining system 1 according to the first embodiment.
  • An electrical discharge machining system 1 shown in FIG. 3 includes a machining condition generation device 2 , an electrical discharge machine 3 , and a learning device 4 .
  • the learning device 4 is provided outside the machining condition generation device 2 .
  • the machining condition generation device 2 outputs the machining test pattern and the value of the machining result to the learning device 4 .
  • the learning device 4 outputs the model generated by learning to the machining condition generation device 2 .
  • FIG. 4 is a diagram showing a configuration example of hardware that realizes the machining condition generation device 2 included in the electrical discharge machining system 1 according to the first embodiment.
  • the processing condition generation device 2 is implemented by a computer system illustrated in FIG.
  • the configuration example shown in FIG. 4 is a configuration example in which the main part of the processing condition generation device 2 is realized by a processing circuit 90 having a processor 91 and a memory 92 .
  • the machining test pattern generator 11, the machining condition calculator 15, the machining result variation calculator 16, the generation condition machining result estimator 18, the adjustment condition machining result estimator 19, the state quantity observer 20, and the reliability calculator The part 21 , the state quantity evaluation part 22 , and the model generation part 23 are main parts of the machining condition generation device 2 .
  • the processor 91 is a CPU (Central Processing Unit, also referred to as a central processing unit, processing unit, arithmetic unit, microprocessor, microcomputer, processor, or DSP (Digital Signal Processor)).
  • the memory 92 is a non-volatile memory such as RAM (Random Access Memory), ROM (Read Only Memory), flash memory, EPROM (Erasable Programmable Read Only Memory), EEPROM (registered trademark) (Electrically Erasable Programmable Read Only Memory).
  • RAM Random Access Memory
  • ROM Read Only Memory
  • flash memory EPROM (Erasable Programmable Read Only Memory), EEPROM (registered trademark) (Electrically Erasable Programmable Read Only Memory).
  • EEPROM Electrically Erasable Programmable Read Only Memory
  • a volatile semiconductor memory magnetic disk, flexible disk, optical disk, compact disk, mini disk, DVD (Digital Versatile Disc), or the like is applicable.
  • the main part of the machining condition generation device 2 is implemented by the processor 91 reading and executing the program stored in the memory 92 .
  • the processor 91 reads out and executes a program stored in the memory 92 to execute the functions of the main part of the machining condition generation device 2 .
  • the processor 91 outputs data such as calculation results to the volatile memory of the memory 92 .
  • Memory 92 is also used as temporary memory in each process performed by processor 91 .
  • the processor 91 may output data such as calculation results to the memory 92 for storage.
  • the model storage unit 24 is implemented by the memory 92 . Data such as calculation results may be stored in the auxiliary storage device via the volatile memory of the memory 92 .
  • the program may be provided to the user while being written on a storage medium such as a CD (Compact Disc)-ROM or DVD-ROM, or may be provided via a network. Also good.
  • a storage medium such as a CD (Compact Disc)-ROM or DVD-ROM, or may be provided via a network. Also good.
  • the input device 93 is used by the operator to input various information.
  • the input device 93 includes, for example, character input means such as a keyboard, and a pointing device such as a mouse.
  • the display device 94 displays various information.
  • the display device 94 is composed of a display, a liquid crystal display panel, or the like.
  • the functions of the display unit 13 are realized by using the display device 94 .
  • the functions of the reference condition input section 10, the processing result input section 12, the required specification input section 14, and the adjustment condition input section 17 are realized by using the input device 93 and the display device 94.
  • the operator uses the input device 93 to input information on the screen displayed on the display device 94 .
  • the input device 93 and the display device 94 may be included in the touch panel.
  • the communication device 95 communicates with devices external to the processing condition generation device 2 .
  • the processing condition generation device 2 may be realized by multiple computer systems.
  • the processing condition generation device 2 may be realized by a cloud computer system.
  • the learning device 4 is provided outside the machining condition generating device 2, the learning device 4 is implemented using a configuration similar to that of the computer system illustrated in FIG.
  • 5 and 6 are flow charts showing the operation procedure of the machining condition generator 2 included in the electrical discharge machining system 1 according to the first embodiment.
  • the reference condition input unit 10 receives reference conditions.
  • the reference condition input unit 10 receives a setting as to whether or not each of the processing condition parameters is to be adjusted.
  • the reference condition input unit 10 outputs to the processing test pattern generation unit 11 the reference condition and information indicating whether or not the object is to be adjusted.
  • step S3 the machining test pattern generation unit 11 generates a machining test pattern.
  • the processing test pattern generation unit 11 outputs the generated processing test pattern to the learning device 4 and the display unit 13 .
  • step S4 the display unit 13 displays the machining test pattern.
  • step S5 the processing result input unit 12 receives the processing result.
  • the processing result input unit 12 outputs the input processing result to the learning device 4 .
  • step S6 the learning device 4 generates or updates a model based on learning data using the processing result and processing test parameters.
  • the learning device 4 outputs the generated or updated model.
  • step S7 the machining result change amount calculator 16 calculates the change amount relationship, which is the relationship between the change amount of one or more machining condition parameters and the change amount of the machining result, based on the model.
  • the machining result change amount calculation unit 16 outputs the change amount relationship to the display unit 13 .
  • step S8 the display unit 13 displays the change amount relationship, which is the relationship between the change amount of the machining condition parameter and the change amount of the machining result.
  • the required specification input unit 14 accepts required specifications.
  • the required specification input unit 14 outputs the input required specifications to the machining condition calculation unit 15 .
  • the machining condition calculator 15 calculates the production conditions based on the required specifications and the model.
  • the processing condition calculation unit 15 outputs the generation conditions to the display unit 13 and the generation condition processing result estimation unit 18 .
  • the generation condition processing result estimation unit 18 calculates the generation condition estimation processing result based on the model.
  • the generation condition processing result estimation unit 18 calculates the value of the generation condition estimation processing result, that is, the estimated value of the processing result based on the generation condition.
  • the generation condition processing result estimation unit 18 outputs the generation condition estimation processing result to the display unit 13 .
  • the display unit 13 displays the generation condition and the generation condition estimation processing result.
  • step S13 the adjustment condition input unit 17 accepts adjustment conditions.
  • the adjustment condition input unit 17 outputs the input adjustment condition to the adjustment condition processing result estimation unit 19 .
  • step S14 the adjustment condition processing result estimation unit 19 calculates an adjustment condition estimation processing result based on the model.
  • the adjustment condition processing result estimation unit 19 calculates the value of the adjustment condition estimation processing result, that is, the estimated value of the processing result when the processing condition parameter is adjusted based on the adjustment condition.
  • the adjustment condition processing result estimation unit 19 outputs the adjustment condition estimation processing result to the display unit 13 .
  • step S15 the display unit 13 displays the adjustment condition estimation processing result.
  • the machining condition generation device 2 outputs the generation conditions, which are the machining conditions generated by the machining condition generation device 2, to the electric discharge machine 3.
  • the operator may input the generation conditions to the electric discharge machine 3 instead of outputting the generation conditions from the machining condition generation device 2 .
  • the machining condition generation device 2 completes the operation according to the procedures shown in FIGS. 5 and 6 .
  • the processing condition generation device 2 displays information representing the change amount relationship on the display unit 13 .
  • the operator can quantitatively and intuitively recognize how much the machining result changes when the value of each machining condition parameter is changed. As described above, there is an effect that it becomes possible to easily select the machining condition parameters whose values are effective to be adjusted in order to improve the machining result.
  • the operator can easily select machining condition parameters whose values can be effectively adjusted to improve the machining result, so that the machining conditions can be easily generated by the machining condition generator 2 .
  • even an operator who does not have knowledge about machining can generate machining conditions that satisfy the required specifications by the machining condition generating device 2 .
  • FIG. 7 is a diagram showing a configuration example of an electric discharge machining system 1A according to the second embodiment.
  • the electric discharge machining system 1A includes a machining condition generation device 2A and an electric discharge machine 3.
  • the machining condition generating device 2A includes a machining result measuring device 5 in addition to the same configuration as the machining condition generating device 2 shown in FIG.
  • the same reference numerals are assigned to the same components as in the first embodiment, and the configuration different from the first embodiment will be mainly described.
  • a machining test is performed by actual machining by the electric discharge machine 3.
  • the machining result measuring device 5 automatically measures the machining result.
  • a machining result measured by the machining result measuring device 5 is input to the machining result input unit 12 .
  • the value of the machining result measured by the machining result measuring device 5 is input to the learning device 4 .
  • the processing condition generation device 2A is implemented using a configuration similar to that of the computer system illustrated in FIG.
  • the machining result measuring device 5 is provided inside the machining condition generating device 2A.
  • the machining result measuring device 5 may be an external device of the machining condition generating device 2A.
  • the machining condition generation device 2A can generate machining conditions without the operator measuring the machining result. Thereby, the time for generating the machining conditions can be shortened.
  • FIG. 8 is a diagram showing a configuration example of an electric discharge machining system 1B according to the third embodiment.
  • the electric discharge machining system 1B includes a machining condition generation device 2B and an electric discharge machine 3.
  • the machining condition generation device 2B includes a machining result prediction device 6 in addition to the same configuration as the machining condition generation device 2 shown in FIG.
  • the same reference numerals are assigned to the same constituent elements as in the first or second embodiment, and the configuration different from that in the first or second embodiment will be mainly described.
  • Machining data output from the electric discharge machine 3 is input to the machining result prediction device 6 .
  • the machining data is data on the state of machining by the electric discharge machine 3, and includes data such as machining voltage, machining current, number of discharge pulses, and machining speed.
  • a machining result prediction device 6 predicts a machining result based on machining data output from the electric discharge machine 3 .
  • a machining test is performed based on the machining result prediction by the machining result prediction device 6 .
  • the machining result predicted by the machining result prediction device 6 is input to the machining result input unit 12 .
  • the value of the machining result predicted by the machining result prediction device 6 is input to the learning device 4 .
  • the processing condition generation device 2B is realized using a configuration similar to that of the computer system illustrated in FIG.
  • the machining result prediction device 6 is provided inside the machining condition generation device 2B.
  • the machining result prediction device 6 may be an external device of the machining condition generation device 2B.
  • the machining condition generation device 2B can generate machining conditions without the operator measuring the machining results. Thereby, the time for generating the machining conditions can be shortened.
  • FIG. 9 is a diagram showing a configuration example of an electric discharge machining system 1C according to the fourth embodiment.
  • the electrical discharge machining system 1C includes a machining condition generation device 2C and an electrical discharge machine 3 .
  • the machining condition generating device 2C has the same configuration as the machining condition generating device 2 shown in FIG.
  • the same reference numerals are assigned to the same components as in the first to third embodiments, and the configuration different from the first to third embodiments will be mainly described.
  • the machining condition generation device 2C automatically outputs the generation conditions calculated by the machining condition calculation unit 15 to the electric discharge machine 3. By inputting the generation conditions to the electric discharge machine 3, the electric discharge machine 3 starts machining according to the generation conditions.
  • the processing condition generation device 2C is implemented using a configuration similar to that of the computer system illustrated in FIG.
  • Embodiment 4 even if the operator does not input the generation conditions to the electric discharge machine 3, the generation conditions are automatically input to the electric discharge machine 3 from the machining condition generation device 2C. This makes it possible to automate the steps from the generation of production conditions that satisfy the required specifications to the processing using the production conditions.
  • the machining condition generation device 2C of the fourth embodiment may be provided with the machining result measuring device 5 similar to that of the second embodiment or the machining result prediction device 6 similar to that of the third embodiment. good.
  • Embodiment 5 describes a first specific example of display by the display unit 13 in Embodiments 1 to 4 described above.
  • FIG. 10 is a diagram showing an example of the first screen 30 displayed on the display unit 13 of the machining condition generation device 2 according to Embodiment 5.
  • FIG. 11 is a diagram showing an example of the second screen 40 displayed on the display unit 13 of the machining condition generation device 2 according to Embodiment 5.
  • the display unit 13 can switch the display between the first screen 30 and the second screen 40 .
  • the display unit 13 may be capable of displaying the first screen 30 and the second screen 40 simultaneously.
  • the first screen 30 shown in FIG. 10 displays a reference condition input column 31, a machining test pattern display column 32, a machining result input column 33, a machining test pattern generation button 34, and a modeling execution button 35. be done.
  • a reference condition is entered in the reference condition input field 31 .
  • the reference condition input field 31 has a field for inputting the value of the processing condition parameter for each item.
  • the operator inputs the standard conditions by inputting the values of the processing condition parameters in the respective fields of the standard condition input field 31 .
  • the reference condition input field 31 accepts a selection as to whether or not the value of each processing condition parameter of the input reference condition is to be adjusted.
  • the adjusted machining condition parameter 36 is the machining condition parameter selected as an adjustment target.
  • a fixed machining condition parameter 37 is a machining condition parameter that is not selected as an adjustment target.
  • the background color of the fixed machining condition parameter 37 column is a different color from the background color of the adjusted machining condition parameter 36 column.
  • the columns for the adjusted machining condition parameters 36 are outlined, and the columns for the fixed machining condition parameters 37 are hatched. Since the adjusted machining condition parameters 36 and the fixed machining condition parameters 37 have different background colors, the operator can easily distinguish between the adjusted machining condition parameters 36 and the fixed machining condition parameters 37 in the reference condition input field 31 .
  • the machining test pattern generation button 34 accepts an operation for instructing the machining test pattern generation by the machining test pattern generation unit 11 .
  • the machining test pattern generation button 34 is clicked or tapped, the machining test pattern generator 11 generates a machining test pattern.
  • the machining test pattern generated by the machining test pattern generator 11 is displayed in the machining test pattern display field 32 .
  • the machining test pattern display column 32 has a column in which the value of the machining condition parameter for each item is displayed.
  • the background color of the fixed machining condition parameter 37 column is different from the background color of the adjusted machining condition parameter 36 column. The operator can easily distinguish between the adjusted machining condition parameters 36 and the fixed machining condition parameters 37 in the machining test pattern display field 32 .
  • a processing result is entered in the processing result input field 33 .
  • each of "X”, “Y", and “Z” represents an item of processing results.
  • the processing result input field 33 has a field for inputting the value of the processing result for each item.
  • a machining result is entered for each machining test pattern displayed in the machining test pattern display field 32 .
  • the modeling execution button 35 accepts an operation for instructing the learning device 4 to generate or update a model. By clicking or tapping the modeling execution button 35, the learning device 4 generates or updates the model.
  • the second screen 40 shown in FIG. 11 includes a machining result change amount display column 41, a most important parameter display column 42, a required specification input column 43, a generation condition display column 44, an adjustment condition input column 45, An adjustment condition estimation processing result display field 46 is displayed.
  • a processing condition generation execution button 47 , a generation condition output button 48 , and an adjustment condition output button 49 are also displayed on the second screen 40 .
  • the processing result change amount display field 41 is a table having rows and columns. Such a table is a heat map with each column having a background color according to the displayed value.
  • the display unit 13 displays the machining result change amount display field 41 to quantitatively display the relationship between the amount of change in the value of the machining condition parameter for each item and the amount of change in the value of the machining result for each item.
  • machining condition parameters are specified for each item in each column of the machining result change amount display column 41 .
  • a machining result is specified for each item included in the machining result.
  • the mode of the processing result change amount display field 41 is not limited to that shown in FIG. 11 .
  • a machining result may be specified for each item included in the machining result in each column of the machining result change amount display column 41, and a machining condition parameter may be specified for each item in each row of the machining result change amount display column 41.
  • a value representing the ratio between the amount of change in the value of the machining condition parameter and the amount of change in the value of the machining result is displayed in the column specified by the row item and the column item. is displayed.
  • Each column is given a background color according to the value representing the ratio. That is, the display unit 13 displays the processing result change amount display column 41 by applying a color corresponding to the magnitude of the value representing the ratio to each column of the processing result change amount display column 41 .
  • the background color is a preset color for each value or a preset color for each range of values.
  • the white columns represent the adjusted machining condition parameters 36 and the hatched columns represent the fixed machining condition parameters 37 .
  • each column of the adjusted machining condition parameter 36 shown in white is given a background color corresponding to the value representing the ratio. The operator can quantitatively and intuitively recognize how much the machining result changes when the value of each machining condition parameter is changed by the machining result change amount display field 41 .
  • the shade of the background color in each column may be changed according to the value representing the ratio. That is, the display unit 13 may display the processing result change amount display column 41 by giving each column of the processing result change amount display column 41 a background color shade according to the magnitude of the value representing the ratio. In this case as well, the operator can quantitatively and intuitively recognize how much the machining result will change when the value of each machining condition parameter is changed by the machining result change amount display field 41 .
  • the most important parameter display column 42 displays the most important parameter determined based on the calculation result of the variation relationship.
  • the item determined as the most important parameter is displayed for each machining result item.
  • the required specification input field 43 has a field for designating a value range for each item of the processing result.
  • a column for inputting the minimum value and a column for inputting the maximum value are provided.
  • the required specification input field 43 also has a field for inputting a value indicating the degree of importance for each item of the processing result.
  • the processing condition generation execution button 47 accepts an operation for instructing the processing condition calculation unit 15 to calculate the generation conditions. By clicking or tapping the processing condition generation execution button 47, the processing condition calculation unit 15 calculates the generation conditions.
  • the generation condition display column 44 displays the generation condition calculated by the processing condition calculation unit 15 and the generation condition estimation processing result calculated by the generation condition processing result estimation unit 18 .
  • the production condition display field 44 has a field for displaying the value of the processing condition parameter for each production condition item, that is, for each processing condition item.
  • the generation condition display field 44 has a field for displaying the value of the generation condition estimation processing result for each item of the processing result. The operator can confirm the calculated production condition and the calculated production condition estimation processing result in the production condition display column 44 .
  • the adjustment condition input field 45 has a field for inputting a value of a processing condition parameter for each item of processing conditions.
  • the operator inputs appropriately adjusted processing condition parameter values for each processing condition item.
  • the display unit 13 may highlight a value manually changed from the value in the generation condition display column 44 among the values displayed in the adjustment condition input column 45 .
  • the manually changed value among the values displayed in the adjustment condition input field 45 is underlined and highlighted in bold. . Thereby, the operator can easily distinguish the value manually changed from the value in the generation condition display column 44 in the adjustment condition input column 45 .
  • the adjustment condition estimation processing result display field 46 displays the adjustment condition estimation processing result calculated by the adjustment condition processing result estimation unit 19 .
  • the generation condition output button 48 accepts an operation for instructing the output of the generation condition or the generation condition estimated processing result from the processing condition generation device 2 .
  • the processing condition generation device 2 When the generation condition output button 48 is clicked or tapped, the processing condition generation device 2 outputs the generation condition or the generation condition estimated processing result to the outside of the processing condition generation device 2 .
  • the machining condition generation device 2 outputs the generation condition or the estimated machining result of the generation condition to the electric discharge machine 3, for example.
  • the electric discharge machine 3 can perform machining according to the production conditions or the production condition estimated machining results by inputting the production conditions or the production condition estimated machining results.
  • the processing condition generation device 2 may output the data of the generation condition or the generation condition estimation processing result to an external file.
  • the electric discharge machine 3 may be input with the production conditions or the production condition estimation machining results output to the external file.
  • the adjustment condition output button 49 accepts an operation for instructing the output of the adjustment condition estimation processing result from the processing condition generation device 2 .
  • the processing condition generation device 2 By clicking or tapping the adjustment condition output button 49 , the processing condition generation device 2 outputs the adjustment condition estimation processing result to the outside of the processing condition generation device 2 .
  • the machining condition generation device 2 outputs the adjustment condition estimation machining result to the electric discharge machine 3, for example.
  • the electric discharge machine 3 can perform machining according to the adjustment condition estimation machining result by inputting the adjustment condition estimation machining result.
  • the processing condition generation device 2 may output the data of the adjustment condition estimation processing result to an external file.
  • the electric discharge machine 3 may be input with the adjustment condition estimation processing result output to the external file.
  • the operator inputs information to the processing condition generation device 2 and processes the processing conditions using the first screen 30 and the second screen 40 displayed on the display unit 13 .
  • Information generated by the generation device 2 can be confirmed.
  • FIG. 12 is a diagram showing an example of a screen 50 displayed on the display section 13 of the processing condition generation device 2 according to Embodiment 6. As shown in FIG.
  • the screen 50 displays the contents of the first screen 30 shown in FIG. 10 and the contents of the second screen 40 shown in FIG. According to the sixth embodiment, the operator can confirm the contents of the first screen 30 and the contents of the second screen 40 described in the fifth embodiment on one screen 50. FIG. The operator can perform input on the first screen 30 and input on the second screen 40 on one screen 50 .
  • FIG. 13 is a first diagram for explaining an example of a processing result according to Embodiment 7.
  • FIG. 14 is a second diagram for explaining an example of processing results in the seventh embodiment.
  • a work 60 shown in FIG. 13 is an example of a work machined by using a wire electrode 61 as a machining electrode.
  • FIG. 14 shows the planar shape of the workpiece 60 viewed from each of the two directions A and B shown in FIG. 13 and 14 show the workpiece 60 when the first machining step, which is one of a plurality of machining steps that are executed in succession, is completed. It is assumed that the step 62 shown in FIG. 14 is caused by a machining error in the first machining step.
  • FIG. 15 is a third diagram for explaining an example of processing results in the seventh embodiment.
  • FIG. 16 is a fourth diagram for explaining an example of processing results in the seventh embodiment.
  • dimensions, surface roughness and straightness are examples of machining result items.
  • the dimension is the dimension of the shape of the workpiece 60 that has been machined.
  • the surface roughness is the surface roughness of the machined cross section of the workpiece 60 .
  • the straightness is the straightness of the machined cross section of the workpiece 60 .
  • the items of the processing result are not limited to the items described in the seventh embodiment.
  • the machining result items may include items other than dimensions, surface roughness, and straightness.
  • FIG. 15 and 16 show the dimensions, surface roughness and straightness of the workpiece 60 when the second machining step is completed. Portion 63 is the portion removed by the second processing step. As for the state of surface roughness, unevenness 64 generated in the machined cross section is shown enlarged. As for the state of straightness, a deformed curve 65 generated in the processed cross section is shown. FIG. 15 shows a state in which the machining error in the first machining step is not eliminated even though the second machining step is performed. Further, FIG. 15 shows a state in which irregularities 64 and curves 65 are generated in the processed cross section. FIG. 16 shows how the machining error is eliminated by performing the second machining step. Further, in the work 60 shown in FIG. 16, unevenness 64 is smaller than in the case shown in FIG. 15, and the degree of curvature 65 is smaller than in the case shown in FIG.
  • the workpiece 60 shown in FIG. 16 has good machining results in terms of dimensions, surface roughness and straightness compared to the workpiece 60 shown in FIG.
  • the state shown in FIG. 16 can be said to be a state in which the second processing step is performed under highly robust processing conditions.
  • the state shown in FIG. 15 is a state in which the second processing step is performed under processing conditions with lower robustness than in the case of FIG. 16 .
  • the operator can quantitatively and intuitively recognize how much the machining result changes when the value of each machining condition parameter is changed. High processing conditions can be generated.
  • the learning device 4 may generate a model by including in the processing results information indicating variations in the processing results of the first processing step.
  • the learning device 4 may generate a model by including, in the machining result, the result of comparing intentionally caused variation in the machining result with variation in the machining result by the second machining step.
  • the variations in machining results are variations among a plurality of machining results obtained multiple times using the same machining condition parameter value. Accordingly, it is possible to easily create processing conditions for obtaining good processing results in the second processing step even when processing variations occur in the first processing step.
  • Embodiment 8 details of learning by the learning device 4 of Embodiments 1 to 4 will be described.
  • Known algorithms such as supervised learning, unsupervised learning, and reinforcement learning can be used as the learning algorithm used by the model generation unit 23 of the learning device 4 .
  • the model generator 23 learns, for example, a function having a processing condition parameter as an explanatory variable and a processing result as an objective variable by so-called supervised learning according to a neural network model.
  • supervised learning refers to a method of inferring a result from an input by giving a data set of an input and a label, which is the result, to the learning device 4 to learn the characteristics of those state quantities.
  • a neural network consists of an input layer made up of multiple neurons, a hidden layer that is an intermediate layer made up of multiple neurons, and an output layer made up of multiple neurons.
  • the intermediate layer may be one layer, or two or more layers.
  • FIG. 17 is a diagram showing a configuration example of a neural network used for learning by the learning device 4 in the eighth embodiment.
  • the neural network shown in FIG. 17 is a three-layer neural network.
  • the input layer includes neurons X1, X2, X3.
  • the middle layer contains neurons Y1 and Y2.
  • the output layer contains neurons Z1, Z2, Z3. Note that the number of neurons in each layer is arbitrary.
  • a plurality of values input to the input layer are multiplied by w11, w12, w13, w14, w15, and w16, which are weights W1, and input to the intermediate layer.
  • a plurality of values input to the intermediate layer are multiplied by w21, w22, w23, w24, w25, and w26, which are weights W2, and output from the output layer.
  • the output result output from the output layer changes according to the values of weights W1 and W2.
  • the state quantity observation unit 20 creates a state quantity based on the combination of values of the machining test pattern and the machining result.
  • the neural network learns a function in which the value of the machining condition parameter is the explanatory variable and the value of the machining result is the objective variable by so-called supervised learning according to the state quantity. That is, the neural network learns by adjusting the weight W1 and the weight W2 so that the result of inputting the processing test pattern to the input layer and outputting from the output layer approaches the value of the processing result of the processing test pattern.
  • the model generation unit 23 generates or updates a model by executing the learning as described above, and outputs the model.
  • the model storage unit 24 stores the model output from the model generation unit 23 .
  • FIG. 18 is a flow chart showing the procedure of processing performed by the learning device 4 in the eighth embodiment.
  • the state quantity observing unit 20 observes the state quantity by simultaneously acquiring the machining test pattern and the value of the machining result.
  • the processing test pattern and the value of the processing result are obtained at the same time, but the state quantity observation unit 20 may obtain the processing test pattern and the value of the processing result at different timings. It is sufficient that the machining test pattern and the value of the machining result corresponding to the machining test pattern are associated with each other and input.
  • the reliability calculation unit 21 calculates reliability.
  • the reliability calculation unit 21 calculates the reliability of the machining result based on variations among the plurality of machining results obtained multiple times using the same machining condition parameter value. Alternatively, the reliability calculation unit 21 calculates the reliability of the machining result based on the possible range of variation in the value of the machining result when the value of the preset machining condition parameter is changed.
  • step S23 the state quantity evaluation unit 22 evaluates the state quantity by weighting the state quantity according to the reliability.
  • the state quantity evaluation unit 22 outputs learning data that are weighted state quantities.
  • step S24 the model generation unit 23 generates a model based on the learning data output from the state quantity evaluation unit 22.
  • the model generator 23 may update the model generated in the past.
  • the model generator 23 generates or updates a model by learning a function using the value of the machining condition parameter as an explanatory variable and the value of the machining result as an objective variable.
  • the model generator 23 outputs a generated or updated model.
  • step S ⁇ b>25 the model storage unit 24 stores the model output from the model generation unit 23 .
  • Embodiment 8 the case where supervised learning is applied to the learning algorithm used by the learning device 4 has been described, but the present invention is not limited to this. Besides supervised learning, reinforcement learning, unsupervised learning, or semi-supervised learning can be applied to the learning algorithm.
  • the learning device 4 may perform learning according to learning data created for a plurality of electric discharge machines 3.
  • the learning device 4 may acquire learning data from a plurality of electric discharge machines 3 used at the same site, or may acquire learning data from a plurality of electric discharge machines 3 used at different sites. Also good.
  • the learning data may be collected from a plurality of electric discharge machines 3 that operate independently of each other at a plurality of sites. After starting to collect learning data from a plurality of electric discharge machines 3, a new electric discharge machine 3 may be added as a target for collecting learning data. Further, after starting the collection of learning data from the plurality of electric discharge machines 3, some of the plurality of electric discharge machines 3 may be excluded from the targets for which learning data is collected.
  • the learning device 4 that has learned about one electric discharge machine 3 may learn about other electric discharge machines 3 other than the electric discharge machine 3 concerned.
  • the learning device 4 that learns the other electric discharge machine 3 can update the model by re-learning in the other electric discharge machine 3 .
  • the learning device 4 can generate a model that links the machining test pattern and the machining result.
  • the electric discharge machine 3 is a wire electric discharge machine
  • the electric discharge machine 3 may be an electric discharge machine other than the wire electric discharge machine.
  • Examples of electric discharge machines other than wire electric discharge machines include die-sinking electric discharge machines and fine hole electric discharge machines.
  • the present disclosure is not limited to being applied to the electric discharge machine 3 .
  • INDUSTRIAL APPLICABILITY The present disclosure is widely applicable to processing machines such as a laser processing machine, a cutting machine, or an additive manufacturing machine, in which a plurality of processing results change depending on a plurality of processing condition parameters.
  • the electric discharge machine 3 Since the electric discharge machine 3 has a larger number of machining condition parameters than other machines, it often takes time to generate the machining conditions, and it is difficult to predict the amount of change that the machining condition parameters will give to the machining result. is. Therefore, when the present disclosure is applied to the electric discharge machine 3, there is an advantageous effect that the machining conditions can be generated in a short time and the amount of change can be easily predicted.
  • the wire electric discharge machine has a situation in which the machining conditions cannot be changed during machining, as compared with electric discharge machines other than the wire electric discharge machine. Therefore, for the wire electric discharge machine, it is necessary to generate machining conditions in advance before machining. For this reason, the present disclosure has an advantageous effect when applied to a wire electric discharge machine in that it is possible to generate machining conditions that can improve machining results before machining.
  • each embodiment is an example of the content of the present disclosure.
  • the configuration of each embodiment can be combined with another known technique. Configurations of respective embodiments may be combined as appropriate. A part of the configuration of each embodiment can be omitted or changed without departing from the gist of the present disclosure.

Abstract

加工条件生成装置（２）は、放電加工機（３）の加工条件に含まれる複数の項目の各々についてのパラメータの値の組み合わせである加工試験パターンを、加工条件を生成するための基準とする基準条件に基づいて生成する加工試験パターン生成部（１１）と、加工試験パターンに含まれる１つまたは複数のパラメータの値の変化量と放電加工機（３）の加工結果に含まれる複数の項目の各々の値の変化量との関係を、加工試験パターンから加工結果の値を推論するためのモデルに基づいて計算する加工結果変化量計算部（１６）と、加工試験パターンと、パラメータの値の変化量と加工結果の値の変化量との関係を表す情報とを表示する表示部（１３）と、を備える。

Description

加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法
　本開示は、放電加工機の加工条件を生成する加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法に関する。
　放電加工機には、加工対象であるワークの板厚に対応する加工条件、または面粗さ等の要求仕様に対応する加工条件があらかじめ用意されている。放電加工機を使用する作業者は、用意されている加工条件の中から加工に適した加工条件を適宜選択することで、高精度加工、例えば１／１００ｍｍから１／１０００ｍｍの公差での加工を実現し得る。その一方で、あらゆる板厚またはあらゆる要求仕様を想定して加工条件を作成しておくことは困難である。また、加工条件に含まれるパラメータである加工条件パラメータの数が膨大であることから、想定される全ての加工条件について加工条件パラメータの値の組み合わせをあらかじめ放電加工機にインプットしておくことも困難である。そのため、従来、加工条件を容易に作成するための技術が開発されている。
　特許文献１には、入力された要求仕様に基づいて加工条件を生成し、生成された加工条件を基に加工結果を予測する加工条件生成装置が開示されている。特許文献１の加工条件生成装置は、予測された加工結果の内容を表示部にて表示することによって、予測された加工結果の内容を作業者に提示する。作業者は、表示部に表示された内容を基に、加工条件パラメータの値を調整する。
特開平５－２９３７４１号公報
　しかしながら、上記特許文献１の技術によると、複数ある加工条件パラメータの中からどの加工条件パラメータを選択して加工条件パラメータの値を調整すれば良いかを判断することが困難であった。すなわち、上記特許文献１の技術によると、加工結果の改善のために値を調整することが有効である加工条件パラメータを選択することが困難であるという問題があった。
　本開示は、上記に鑑みてなされたものであって、加工結果の改善のために値を調整することが有効である加工条件パラメータを容易に選択可能とする加工条件生成装置を得ることを目的とする。
　上述した課題を解決し、目的を達成するために、本開示にかかる加工条件生成装置は、放電加工機の加工条件に含まれる複数の項目の各々についてのパラメータの値の組み合わせである加工試験パターンを、加工条件を生成するための基準とする基準条件に基づいて生成する加工試験パターン生成部と、加工試験パターンに含まれる１つまたは複数のパラメータの値の変化量と放電加工機の加工結果に含まれる複数の項目の各々の値の変化量との関係を、加工試験パターンから加工結果の値を推論するためのモデルに基づいて計算する加工結果変化量計算部と、加工試験パターンと、パラメータの値の変化量と加工結果の値の変化量との関係を表す情報とを表示する表示部と、を備える。
　本開示にかかる加工条件生成装置は、加工結果の改善のために値を調整することが有効である加工条件パラメータを容易に選択可能となるという効果を奏する。
実施の形態１にかかる放電加工システムの概略構成を示す図 実施の形態１にかかる放電加工システムが有する加工条件生成装置の構成例を示す図 実施の形態１にかかる放電加工システムの変形例を示す図 実施の形態１にかかる放電加工システムが有する加工条件生成装置を実現するハードウェアの構成例を示す図 実施の形態１にかかる放電加工システムが有する加工条件生成装置の動作手順を示すフローチャート 実施の形態１にかかる放電加工システムが有する加工条件生成装置の動作手順を示すフローチャート 実施の形態２にかかる放電加工システムの構成例を示す図 実施の形態３にかかる放電加工システムの構成例を示す図 実施の形態４にかかる放電加工システムの構成例を示す図 実施の形態５における加工条件生成装置の表示部に表示される第１の画面の例を示す図 実施の形態５における加工条件生成装置の表示部に表示される第２の画面の例を示す図 実施の形態６における加工条件生成装置の表示部に表示される画面の例を示す図 実施の形態７における加工結果の例について説明するための第１の図 実施の形態７における加工結果の例について説明するための第２の図 実施の形態７における加工結果の例について説明するための第３の図 実施の形態７における加工結果の例について説明するための第４の図 実施の形態８において学習装置による学習に使用されるニューラルネットワークの構成例を示す図 実施の形態８において学習装置が行う処理の手順を示すフローチャート
　以下に、実施の形態にかかる加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法を図面に基づいて詳細に説明する。
実施の形態１．
　図１は、実施の形態１にかかる放電加工システム１の概略構成を示す図である。放電加工システム１は、加工条件生成装置２と放電加工機３とを備える。加工条件生成装置２と放電加工機３とは、互いに通信可能に接続されている。加工条件生成装置２は、放電加工機３の加工条件を生成する。加工条件生成装置２は、生成された加工条件を出力する。放電加工機３は、加工電極とワークとの間隙において放電を発生させることによってワークを加工する工作機械である。放電加工機３は、加工条件生成装置２から出力された加工条件に従って放電加工を行う。放電加工機３は、例えばワイヤ放電加工機である。作業者は、放電加工機３を使用する者であって、加工条件生成装置２を使用する者でもある。
　図２は、実施の形態１にかかる放電加工システム１が有する加工条件生成装置２の構成例を示す図である。加工条件生成装置２は、加工条件を生成するための基準とする基準条件が入力される基準条件入力部１０と、加工試験パターンを生成する加工試験パターン生成部１１と、放電加工機３の加工結果が入力される加工結果入力部１２と、情報を表示する表示部１３と、を備える。加工条件生成装置２は、加工結果の値に許容される範囲を示す要求仕様が入力される要求仕様入力部１４と、要求仕様に含まれる加工結果の値を得るための生成条件を算出する加工条件算出部１５と、加工条件パラメータの値の変化量と加工結果の値の変化量との関係を計算する加工結果変化量計算部１６と、加工条件パラメータの調整された値を含む調整条件が入力される調整条件入力部１７と、を備える。加工条件生成装置２は、生成条件に基づく加工結果を推定する生成条件加工結果推定部１８と、調整条件に基づく加工結果を推定する調整条件加工結果推定部１９と、を備える。
　また、加工条件生成装置２は、加工試験パターンから加工結果の値を推論するためのモデルを出力する学習装置４を備える。学習装置４は、状態量観測部２０と、信頼度算出部２１と、状態量評価部２２と、モデル生成部２３と、モデル記憶部２４とを備える。
　基準条件入力部１０には、加工条件を生成するための基準とする基準条件が作業者によって入力される。基準条件は、基準とする加工条件ともいえる。基準条件には、複数の項目の各々についての加工条件パラメータの値が含まれる。基準条件入力部１０は、入力された基準条件を加工試験パターン生成部１１へ出力する。
　また、基準条件入力部１０は、基準条件に含まれる複数の加工条件パラメータの各々の値について調整対象とするか否かの設定を受け付ける。作業者は、基準条件入力部１０を操作することにより、入力した基準条件の各加工条件パラメータの値について調整対象とするか否かを選択する。基準条件入力部１０は、入力した基準条件の各加工条件パラメータの値について、調整対象か否かを示す情報を加工試験パターン生成部１１へ出力する。
　加工試験パターンは、放電加工機３の加工条件に含まれる複数の項目の各々についてのパラメータの値の組み合わせである。加工試験パターンは、加工条件パラメータと加工結果との関係をモデル化するための加工試験に用いられる。
　加工結果は、放電加工機３によってワークを加工した結果である。加工結果には、放電加工機３によって加工されたワークにおける加工面の状態またはワークの形状精度についての項目が含まれる。加工結果には、面粗さ、加工断面の真直度および形状誤差といった項目が含まれる。加工結果には、加工速度、または、加工が異常なく完了したか否かといった項目が含まれても良い。
　加工試験パターン生成部１１は、基準条件と、各加工条件パラメータの値についての調整対象か否かを示す情報とに基づいて、加工試験パターンを生成する。加工試験パターン生成部１１は、生成された加工試験パターンを学習装置４と表示部１３とへ出力する。
　表示部１３は、加工試験パターンである各加工条件パラメータの値を表示する。作業者は、表示部１３に表示された各加工条件パラメータの値に基づいて、放電加工機３に加工試験を行わせる。すなわち、実施の形態１において、放電加工機３による実際の加工によって、加工試験が行われる。
　加工結果入力部１２には、加工試験によって得られた加工結果の値が作業者によって入力される。加工結果入力部１２は、入力された加工結果の値を学習装置４へ出力する。これにより、学習装置４には、放電加工機３が加工試験パターンに従って加工を行うことによって得られた加工結果の値が入力される。また、学習装置４には、加工試験パターンが入力される。
　状態量観測部２０は、加工結果の値と加工試験パターンとを状態量として観測する。状態量観測部２０は、信頼度算出部２１へ状態量を出力する。信頼度算出部２１は、互いに同じ複数の加工試験パターンに対して取得された加工結果の間のばらつきと、加工試験パターンが変更された場合において加工結果の変化量が変化し得る範囲との少なくとも一方に基づいて、加工結果の信頼度を算出する。信頼度算出部２１は、信頼度の算出結果を状態量評価部２２へ出力する。
　状態量評価部２２は、信頼度に応じた重み付けを状態量に施す。状態量評価部２２は、重み付けされた状態量である学習データをモデル生成部２３へ出力する。モデル生成部２３は、重み付けされた状態量である学習データを用いて加工試験パターンのパラメータの値である説明変数と加工結果の値である目的変数との関係を学習して、モデルを生成または更新する。モデル記憶部２４は、モデル生成部２３によって生成または更新されたモデルを記憶する。学習装置４は、モデル記憶部２４に記憶されたモデルを出力する。
　加工結果変化量計算部１６には、モデルが入力される。加工結果変化量計算部１６は、加工試験パターンに含まれる１つまたは複数のパラメータの値の変化量と放電加工機３の加工結果に含まれる複数の項目の各々の値の変化量との関係を、モデルに基づいて計算する。以下の説明では、当該関係を、変化量関係と称する。加工結果変化量計算部１６は、変化量関係の計算結果を表示部１３へ出力する。
　表示部１３は、変化量関係を表す情報を表示する。表示部１３は、ヒートマップを用いて、変化量関係についての情報を定量的に表示する。また、表示部１３は、加工試験パターンのパラメータのうち、パラメータの変化に対する加工結果の変化量が最大となる最重要パラメータを表示する。作業者は、表示部１３に表示された変化量関係から、各加工条件パラメータの値を変更した場合に加工結果がどの程度変化するかを認識することができる。また、作業者は、表示部１３に最重要パラメータが表示されることによって、加工結果に最も大きな変化を及ぼす加工条件パラメータを確認することができる。表示部１３における表示の具体例については、後述の実施の形態５および６において説明する。
　要求仕様入力部１４には、加工結果の値に許容される範囲を示す要求仕様が作業者によって入力される。作業者は、加工結果の項目ごとに値の範囲を指定することによって、要求仕様を入力する。また、作業者は、加工結果の項目ごとの重要度の割合を要求仕様入力部１４に入力する。要求仕様入力部１４は、要求仕様と重要度の割合の情報とを加工条件算出部１５へ出力する。
　加工条件算出部１５には、要求仕様と重要度の割合の情報とモデルとが入力される。加工条件算出部１５は、要求仕様に含まれる加工結果の値を得るための加工条件パラメータの値の組み合わせである生成条件をモデルに基づいて算出する。加工条件算出部１５は、要求仕様を満足するとともに、重要度の割合に応じて良好な加工結果が得られる生成条件を算出する。加工条件算出部１５は、表示部１３と生成条件加工結果推定部１８とへ生成条件を出力する。表示部１３は、生成条件を表示する。作業者は、算出された生成条件を表示部１３にて確認することができる。
　生成条件加工結果推定部１８には、加工条件算出部１５から生成条件およびモデルが入力される。生成条件加工結果推定部１８は、放電加工機３による生成条件に従った加工により得られる加工結果を推定した結果である生成条件推定加工結果を算出する。生成条件加工結果推定部１８は、生成条件とモデルとに基づいて生成条件推定加工結果を算出する。生成条件加工結果推定部１８は、算出された生成条件推定加工結果を表示部１３へ出力する。表示部１３は、生成条件推定加工結果を表示する。作業者は、算出された生成条件推定加工結果を表示部１３にて確認することができる。
　調整条件入力部１７には、加工条件パラメータの調整された値を含む調整条件が作業者によって入力される。また、調整条件入力部１７には、モデルが入力される。調整条件に含まれる加工条件パラメータの値は、作業者によって調整される。調整条件入力部１７は、入力された調整条件を調整条件加工結果推定部１９へ出力する。
　調整条件加工結果推定部１９には、調整条件入力部１７から調整条件およびモデルが入力される。調整条件加工結果推定部１９は、放電加工機３による調整条件に従った加工により得られる加工結果を推定した結果である調整条件推定加工結果を算出する。調整条件加工結果推定部１９は、調整条件とモデルとに基づいて調整条件推定加工結果を算出する。調整条件加工結果推定部１９は、算出された調整条件推定加工結果を表示部１３へ出力する。表示部１３は、調整条件推定加工結果を表示する。作業者は、算出された調整条件推定加工結果を表示部１３にて確認することができる。
　図２に示す構成例では、学習装置４は、加工条件生成装置２の内部に設けられている。学習装置４は、加工条件生成装置２の外部の装置であっても良い。学習装置４が加工条件生成装置２の外部の装置である場合、加工条件生成装置２と学習装置４とは、互いに通信可能に接続される。学習装置４は、ネットワークを介して加工条件生成装置２に接続されても良い。学習装置４は、クラウドサーバ上に存在する装置であっても良い。
　図３は、実施の形態１にかかる放電加工システム１の変形例を示す図である。図３に示す放電加工システム１は、加工条件生成装置２と、放電加工機３と、学習装置４とを備える。図３に示す放電加工システム１において、学習装置４は、加工条件生成装置２の外部に設けられている。加工条件生成装置２は、加工試験パターンと加工結果の値とを学習装置４へ出力する。学習装置４は、学習により生成されたモデルを加工条件生成装置２へ出力する。
　次に、加工条件生成装置２を実現するハードウェアについて説明する。図４は、実施の形態１にかかる放電加工システム１が有する加工条件生成装置２を実現するハードウェアの構成例を示す図である。加工条件生成装置２は、図４に例示されるコンピュータシステムによって実現される。図４に示す構成例は、加工条件生成装置２の要部を、プロセッサ９１とメモリ９２とを有する処理回路９０によって実現する場合の構成例である。図２に示す加工試験パターン生成部１１、加工条件算出部１５、加工結果変化量計算部１６、生成条件加工結果推定部１８、調整条件加工結果推定部１９、状態量観測部２０、信頼度算出部２１、状態量評価部２２、およびモデル生成部２３は、加工条件生成装置２の要部である。
　プロセッサ９１は、ＣＰＵ（Central　Processing　Unit、中央処理装置、処理装置、演算装置、マイクロプロセッサ、マイクロコンピュータ、プロセッサ、またはＤＳＰ（Digital　Signal　Processor）ともいう）である。メモリ９２は、例えば、ＲＡＭ（Random　Access　Memory）、ＲＯＭ（Read　Only　Memory）、フラッシュメモリ、ＥＰＲＯＭ（Erasable　Programmable　Read　Only　Memory）、ＥＥＰＲＯＭ（登録商標）（Electrically　Erasable　Programmable　Read　Only　Memory）などの、不揮発性または揮発性の半導体メモリ、磁気ディスク、フレキシブルディスク、光ディスク、コンパクトディスク、ミニディスクまたはＤＶＤ（Digital　Versatile　Disc）などが該当する。
　加工条件生成装置２の要部は、プロセッサ９１がメモリ９２に記憶されたプログラムを読み出して実行することにより実現される。プロセッサ９１は、メモリ９２に記憶されたプログラムを読み出して実行することによって、加工条件生成装置２の要部の機能を実行する。また、プロセッサ９１は、演算結果などのデータをメモリ９２の揮発性メモリに出力する。メモリ９２は、プロセッサ９１が実施する各処理における一時メモリとしても使用される。プロセッサ９１は、演算結果などのデータをメモリ９２に出力して記憶させても良い。モデル記憶部２４は、メモリ９２により実現される。演算結果などのデータは、メモリ９２の揮発性メモリを介して補助記憶装置に記憶されても良い。
　プログラムは、例えば、ＣＤ（Compact　Disc）－ＲＯＭ、ＤＶＤ－ＲＯＭなどの記憶媒体に書き込まれた状態でユーザなどに提供される形態であっても良く、ネットワークを介して提供される形態であっても良い。
　入力装置９３は、作業者が各種情報を入力するために使用する。入力装置９３は、例えば、キーボード等の文字入力手段、マウス等のポインティングデバイスで構成される。表示装置９４は、各種情報を表示する。表示装置９４は、ディスプレイまたは液晶表示パネルなどで構成される。表示部１３の機能は、表示装置９４の使用により実現される。基準条件入力部１０、加工結果入力部１２、要求仕様入力部１４、および調整条件入力部１７の機能は、入力装置９３および表示装置９４の使用により実現される。作業者は、入力装置９３の使用により、表示装置９４に表示される画面上に情報を入力する。なお、入力装置９３および表示装置９４は、タッチパネルに含まれても良い。通信装置９５は、加工条件生成装置２の外部の装置との通信を行う。
　加工条件生成装置２は、複数のコンピュータシステムによって実現されても良い。例えば、加工条件生成装置２は、クラウドコンピュータシステムによって実現されても良い。学習装置４が加工条件生成装置２の外部に設けられる場合、学習装置４は、図４に例示されるコンピュータシステムと同様の構成を使用して実現される。
　次に、加工条件生成装置２の動作について説明する。図５および図６は、実施の形態１にかかる放電加工システム１が有する加工条件生成装置２の動作手順を示すフローチャートである。
　図５に示すステップＳ１において、基準条件入力部１０は、基準条件を受け付ける。基準条件が入力されると、ステップＳ２において、基準条件入力部１０は、加工条件パラメータの各々について調整対象とするか否かの設定を受け付ける。基準条件入力部１０は、基準条件と、調整対象か否かを示す情報とを加工試験パターン生成部１１へ出力する。
　ステップＳ３において、加工試験パターン生成部１１は、加工試験パターンを生成する。加工試験パターン生成部１１は、生成された加工試験パターンを学習装置４と表示部１３とへ出力する。ステップＳ４において、表示部１３は、加工試験パターンを表示する。
　作業者は、加工試験パターンを用いて放電加工機３に加工試験を行わせる。ステップＳ５において、加工結果入力部１２は、加工結果を受け付ける。加工結果入力部１２は、入力された加工結果を学習装置４へ出力する。
　ステップＳ６において、学習装置４は、加工結果と加工試験パラメータとを用いた学習データに基づいてモデルを生成または更新する。学習装置４は、生成または更新されたモデルを出力する。ステップＳ７において、加工結果変化量計算部１６は、１つまたは複数の加工条件パラメータの変化量と加工結果の変化量との関係である変化量関係をモデルに基づいて計算する。加工結果変化量計算部１６は、変化量関係を表示部１３へ出力する。ステップＳ８において、表示部１３は、加工条件パラメータの変化量と加工結果の変化量との関係である変化量関係を表示する。
　図６に示すステップＳ９において、要求仕様入力部１４は、要求仕様を受け付ける。要求仕様入力部１４は、入力された要求仕様を加工条件算出部１５へ出力する。ステップＳ１０において、加工条件算出部１５は、要求仕様とモデルとに基づいて生成条件を算出する。加工条件算出部１５は、生成条件を表示部１３と生成条件加工結果推定部１８とへ出力する。ステップＳ１１において、生成条件加工結果推定部１８は、生成条件推定加工結果をモデルに基づいて算出する。生成条件加工結果推定部１８は、生成条件推定加工結果の値、すなわち生成条件に基づいた加工結果の推定値を算出する。生成条件加工結果推定部１８は、生成条件推定加工結果を表示部１３へ出力する。ステップＳ１２において、表示部１３は、生成条件と生成条件推定加工結果とを表示する。
　ステップＳ１３において、調整条件入力部１７は、調整条件を受け付ける。調整条件入力部１７は、入力された調整条件を調整条件加工結果推定部１９へ出力する。ステップＳ１４において、調整条件加工結果推定部１９は、調整条件推定加工結果をモデルに基づいて算出する。調整条件加工結果推定部１９は、調整条件推定加工結果の値、すなわち調整条件を基に加工条件パラメータが調整された場合における加工結果の推定値を算出する。調整条件加工結果推定部１９は、調整条件推定加工結果を表示部１３へ出力する。ステップＳ１５において、表示部１３は、調整条件推定加工結果を表示する。
　加工条件生成装置２は、加工条件生成装置２により生成された加工条件である生成条件を放電加工機３へ出力する。または、加工条件生成装置２により生成条件を出力することに代えて、作業者が放電加工機３へ生成条件を入力しても良い。以上により、加工条件生成装置２は、図５および図６に示す手順による動作を終了する。
　実施の形態１によると、加工条件生成装置２は、変化量関係を表す情報を表示部１３に表示する。作業者は、各加工条件パラメータの値を変更した場合に加工結果がどの程度変化するかを定量的かつ直感的に認識することができる。以上により、加工結果の改善のために値を調整することが有効である加工条件パラメータを容易に選択可能となるという効果を奏する。作業者は、加工結果の改善のために値を調整することが有効である加工条件パラメータを容易に選択可能であることで、加工条件生成装置２により加工条件を容易に生成することができる。また、加工に関する知識を有しない作業者であっても、加工条件生成装置２により、要求仕様を満たす加工条件を生成することができる。
実施の形態２．
　図７は、実施の形態２にかかる放電加工システム１Ａの構成例を示す図である。放電加工システム１Ａは、加工条件生成装置２Ａと放電加工機３とを備える。加工条件生成装置２Ａは、図２に示す加工条件生成装置２と同様の構成に加えて、加工結果計測装置５を備える。実施の形態２では、上記の実施の形態１と同一の構成要素には同一の符号を付し、実施の形態１とは異なる構成について主に説明する。
　実施の形態２においても、実施の形態１の場合と同様に、放電加工機３による実際の加工によって、加工試験が行われる。加工結果計測装置５は、加工結果を自動で計測する。加工結果入力部１２には、加工結果計測装置５によって計測された加工結果が入力される。学習装置４には、加工結果計測装置５によって計測された加工結果の値が入力される。
　加工条件生成装置２Ａは、図４に例示されるコンピュータシステムと同様の構成を使用して実現される。なお、図７に示す構成例では、加工結果計測装置５は、加工条件生成装置２Ａの内部に設けられている。加工結果計測装置５は、加工条件生成装置２Ａの外部の装置であっても良い。実施の形態２によると、加工条件生成装置２Ａは、作業者が加工結果の計測を行わなくても、加工条件を生成することができる。これにより、加工条件を生成するための時間を短縮することができる。
実施の形態３．
　図８は、実施の形態３にかかる放電加工システム１Ｂの構成例を示す図である。放電加工システム１Ｂは、加工条件生成装置２Ｂと放電加工機３とを備える。加工条件生成装置２Ｂは、図２に示す加工条件生成装置２と同様の構成に加えて、加工結果予測装置６を備える。実施の形態３では、上記の実施の形態１または２と同一の構成要素には同一の符号を付し、実施の形態１または２とは異なる構成について主に説明する。
　加工結果予測装置６には、放電加工機３から出力される加工データが入力される。加工データは、放電加工機３による加工の状態についてのデータであって、加工電圧、加工電流、放電パルス数、および加工速度等のデータを含む。加工結果予測装置６は、放電加工機３から出力される加工データに基づいて加工結果を予測する。実施の形態３では、加工結果予測装置６での加工結果の予測によって、加工試験が行われる。加工結果入力部１２には、加工結果予測装置６によって予測された加工結果が入力される。学習装置４には、加工結果予測装置６によって予測された加工結果の値が入力される。
　加工条件生成装置２Ｂは、図４に例示されるコンピュータシステムと同様の構成を使用して実現される。なお、図８に示す構成例では、加工結果予測装置６は、加工条件生成装置２Ｂの内部に設けられている。加工結果予測装置６は、加工条件生成装置２Ｂの外部の装置であっても良い。実施の形態３によると、加工条件生成装置２Ｂは、作業者が加工結果の計測を行わなくても、加工条件を生成することができる。これにより、加工条件を生成するための時間を短縮することができる。
実施の形態４．
　図９は、実施の形態４にかかる放電加工システム１Ｃの構成例を示す図である。放電加工システム１Ｃは、加工条件生成装置２Ｃと放電加工機３とを備える。加工条件生成装置２Ｃは、図２に示す加工条件生成装置２と同様の構成を備える。実施の形態４では、上記の実施の形態１から３と同一の構成要素には同一の符号を付し、実施の形態１から３とは異なる構成について主に説明する。
　加工条件生成装置２Ｃは、加工条件算出部１５によって算出された生成条件を自動で放電加工機３へ出力する。放電加工機３へ生成条件が入力されることによって、放電加工機３は、生成条件に従った加工を開始する。加工条件生成装置２Ｃは、図４に例示されるコンピュータシステムと同様の構成を使用して実現される。
　実施の形態４によると、作業者が放電加工機３へ生成条件を入力しなくても、加工条件生成装置２Ｃから放電加工機３へ自動で生成条件が入力される。これにより、要求仕様を満たす生成条件の生成から、生成条件を用いた加工までのステップを自動化できる。なお、実施の形態４の加工条件生成装置２Ｃには、実施の形態２の場合と同様の加工結果計測装置５、または実施の形態３の場合と同様の加工結果予測装置６が備えられても良い。
実施の形態５．
　実施の形態５では、上記の実施の形態１から４における表示部１３による表示の第１の具体例について説明する。図１０は、実施の形態５における加工条件生成装置２の表示部１３に表示される第１の画面３０の例を示す図である。図１１は、実施の形態５における加工条件生成装置２の表示部１３に表示される第２の画面４０の例を示す図である。表示部１３は、第１の画面３０と第２の画面４０とに表示を切り換え可能であるものとする。表示部１３は、第１の画面３０と第２の画面４０とを同時に表示可能であっても良い。
　図１０に示す第１の画面３０には、基準条件入力欄３１と、加工試験パターン表示欄３２と、加工結果入力欄３３と、加工試験パターン生成ボタン３４と、モデル化実行ボタン３５とが表示される。
　基準条件入力欄３１には、基準条件が入力される。第１の画面３０および後述する第２の画面４０において、「Ａ」、「Ｂ」、・・・、「Ｇ」の各々は、加工条件の項目を表す。基準条件入力欄３１は、項目ごとの加工条件パラメータの値が入力される欄を有する。作業者は、基準条件入力欄３１の各欄に加工条件パラメータの値を入力することによって、基準条件を入力する。基準条件入力欄３１では、入力した基準条件の各加工条件パラメータの値について調整対象とするか否かの選択を受け付ける。図１０に示す基準条件入力欄３１において、調整加工条件パラメータ３６は、調整対象として選択された加工条件パラメータである。固定加工条件パラメータ３７は、調整対象として選択されていない加工条件パラメータである。基準条件入力欄３１のうち値が入力された欄をクリックすることによって、調整対象として選択するか否かを切り換えることができる。
　図１０に示す例では、固定加工条件パラメータ３７の欄の背景色は、調整加工条件パラメータ３６の欄の背景色とは異なる色である。図１０では、調整加工条件パラメータ３６の欄は白抜きとし、固定加工条件パラメータ３７の欄にはハッチングを付す。調整加工条件パラメータ３６と固定加工条件パラメータ３７とで背景色が異なることによって、作業者は、基準条件入力欄３１において調整加工条件パラメータ３６と固定加工条件パラメータ３７とを容易に見分けることができる。
　加工試験パターン生成ボタン３４は、加工試験パターン生成部１１による加工試験パターンの生成を指示するための操作を受け付ける。加工試験パターン生成ボタン３４がクリックまたはタップされることによって、加工試験パターン生成部１１は、加工試験パターンを生成する。
　加工試験パターン表示欄３２には、加工試験パターン生成部１１によって生成された加工試験パターンが表示される。加工試験パターン表示欄３２は、項目ごとの加工条件パラメータの値が表示される欄を有する。加工試験パターン表示欄３２においても、基準条件入力欄３１の場合と同様に、固定加工条件パラメータ３７の欄の背景色は、調整加工条件パラメータ３６の欄の背景色とは異なる色である。作業者は、加工試験パターン表示欄３２において調整加工条件パラメータ３６と固定加工条件パラメータ３７とを容易に見分けることができる。
　加工結果入力欄３３には、加工結果が入力される。第１の画面３０および後述する第２の画面４０において、「Ｘ」、「Ｙ」、「Ｚ」の各々は、加工結果の項目を表す。加工結果入力欄３３は、項目ごとの加工結果の値が入力される欄を有する。加工結果入力欄３３には、加工試験パターン表示欄３２に表示されている加工試験パターンごとに、加工結果が入力される。
　モデル化実行ボタン３５は、学習装置４によるモデルの生成または更新を指示するための操作を受け付ける。モデル化実行ボタン３５がクリックまたはタップされることによって、学習装置４は、モデルを生成または更新する。
　図１１に示す第２の画面４０には、加工結果変化量表示欄４１と、最重要パラメータ表示欄４２と、要求仕様入力欄４３と、生成条件表示欄４４と、調整条件入力欄４５と、調整条件推定加工結果表示欄４６とが表示される。また、第２の画面４０には、加工条件生成実行ボタン４７と、生成条件出力ボタン４８と、調整条件出力ボタン４９とが表示される。
　加工結果変化量表示欄４１には、加工結果変化量計算部１６による変化量関係の計算結果が表示される。加工結果変化量表示欄４１は、行および列を有する表である。かかる表は、表示される値に応じた背景色が各欄に施されたヒートマップである。表示部１３は、加工結果変化量表示欄４１を表示することによって、項目ごとの加工条件パラメータの値の変化量と加工結果の項目ごとの値の変化量との関係を定量的に表示する。
　図１１に示す例では、加工結果変化量表示欄４１の各列には、項目ごとに加工条件パラメータが指定されている。加工結果変化量表示欄４１の各行には、加工結果に含まれる項目ごとに加工結果が指定されている。加工結果変化量表示欄４１の態様は、図１１に示すものに限られない。加工結果変化量表示欄４１の各列には加工結果に含まれる項目ごとに加工結果が指定され、加工結果変化量表示欄４１の各行には項目ごとに加工条件パラメータが指定されても良い。
　図１１に示す加工結果変化量表示欄４１では、行の項目と列の項目とによって指定される欄に、加工条件パラメータの値の変化量と加工結果の値の変化量との比を表す値が表示される。各欄には、比を表す値に応じた背景色が施される。すなわち、表示部１３は、加工結果変化量表示欄４１の各欄に比を表す値の大きさに応じた色を施して、加工結果変化量表示欄４１を表示する。背景色は、値ごとにあらかじめ設定された色、または、値の範囲ごとにあらかじめ設定された色である。なお、図１１に示す加工結果変化量表示欄４１においても、白抜きの欄は調整加工条件パラメータ３６を表し、ハッチングの欄は固定加工条件パラメータ３７を表す。図１１に示す加工結果変化量表示欄４１では、白抜きで示した調整加工条件パラメータ３６の各欄に、比を表す値に応じた背景色が施される。作業者は、各加工条件パラメータの値を変更した場合に加工結果がどの程度変化するかを、加工結果変化量表示欄４１によって定量的かつ直感的に認識することができる。
　なお、加工結果変化量表示欄４１では、比を表す値に応じて各欄における背景色の濃淡を異ならせても良い。すなわち、表示部１３は、加工結果変化量表示欄４１の各欄に比を表す値の大きさに応じた背景色の濃淡を施して、加工結果変化量表示欄４１を表示しても良い。この場合も、作業者は、各加工条件パラメータの値を変更した場合に加工結果がどの程度変化するかを、加工結果変化量表示欄４１によって定量的かつ直感的に認識することができる。
　最重要パラメータ表示欄４２には、変化量関係の計算結果に基づいて決定された最重要パラメータが表示される。最重要パラメータ表示欄４２では、加工結果の項目ごとに、最重要パラメータに決定された項目が表示される。作業者は、表示部１３に最重要パラメータが表示されることによって、加工結果に最も大きな変化を及ぼす加工条件パラメータを確認することができる。
　要求仕様入力欄４３には、要求仕様が入力される。要求仕様入力欄４３は、加工結果の項目ごとに値の範囲を指定するための欄を有する。図１１に示す例では、最小値を入力する欄と最大値を入力する欄とが設けられている。要求仕様入力欄４３において項目ごとの最小値および最大値が入力されることによって、加工結果の項目ごとの値の範囲が指定される。また、要求仕様入力欄４３は、加工結果の項目ごとに重要度の割合を示す値を入力するための欄を有する。
　加工条件生成実行ボタン４７は、加工条件算出部１５による生成条件の算出を指示するための操作を受け付ける。加工条件生成実行ボタン４７がクリックまたはタップされることによって、加工条件算出部１５は、生成条件を算出する。
　生成条件表示欄４４には、加工条件算出部１５によって算出された生成条件と、生成条件加工結果推定部１８によって算出された生成条件推定加工結果とが表示される。生成条件表示欄４４は、生成条件の項目ごと、すなわち加工条件の項目ごとの加工条件パラメータの値が表示される欄を有する。また、生成条件表示欄４４は、加工結果の項目ごとにおける生成条件推定加工結果の値が表示される欄を有する。作業者は、算出された生成条件と算出された生成条件推定加工結果とを生成条件表示欄４４において確認することができる。
　調整条件入力欄４５には、調整条件が入力される。調整条件入力欄４５は、加工条件の項目ごとの加工条件パラメータの値が入力される欄を有する。作業者は、加工条件の項目ごとに、適宜調整した加工条件パラメータの値を入力する。表示部１３は、調整条件入力欄４５に表示されている値のうち、生成条件表示欄４４の値から手動によって変更された値の強調表示を行っても良い。図１１に示す調整条件入力欄４５では、調整条件入力欄４５に表示されている値のうち手動によって変更された値について、値に下線を付すとともに値を太字とする強調表示が行われている。これにより、作業者は、生成条件表示欄４４の値から手動によって変更された値を、調整条件入力欄４５において容易に見分けることができる。調整条件推定加工結果表示欄４６には、調整条件加工結果推定部１９によって算出された調整条件推定加工結果が表示される。
　生成条件出力ボタン４８は、加工条件生成装置２からの生成条件または生成条件推定加工結果の出力を指示するための操作を受け付ける。生成条件出力ボタン４８がクリックまたはタップされることによって、加工条件生成装置２は、生成条件または生成条件推定加工結果を加工条件生成装置２の外部へ出力する。加工条件生成装置２は、例えば、放電加工機３へ生成条件または生成条件推定加工結果を出力する。放電加工機３は、生成条件または生成条件推定加工結果が入力されることによって、生成条件または生成条件推定加工結果に従った加工を行うことができる。加工条件生成装置２は、生成条件または生成条件推定加工結果のデータを外部ファイルへ出力しても良い。放電加工機３には、外部ファイルへ出力された生成条件または生成条件推定加工結果が入力されても良い。
　調整条件出力ボタン４９は、加工条件生成装置２からの調整条件推定加工結果の出力を指示するための操作を受け付ける。調整条件出力ボタン４９がクリックまたはタップされることによって、加工条件生成装置２は、調整条件推定加工結果を加工条件生成装置２の外部へ出力する。加工条件生成装置２は、例えば、放電加工機３へ調整条件推定加工結果を出力する。放電加工機３は、調整条件推定加工結果が入力されることによって、調整条件推定加工結果に従った加工を行うことができる。加工条件生成装置２は、調整条件推定加工結果のデータを外部ファイルへ出力しても良い。放電加工機３には、外部ファイルへ出力された調整条件推定加工結果が入力されても良い。
　以上のように、実施の形態５によると、作業者は、表示部１３に表示される第１の画面３０および第２の画面４０によって、加工条件生成装置２への情報の入力と、加工条件生成装置２で生成された情報の確認とを行うことができる。
実施の形態６．
　実施の形態６では、上記の実施の形態１から４における表示部１３による表示の第２の具体例について説明する。図１２は、実施の形態６における加工条件生成装置２の表示部１３に表示される画面５０の例を示す図である。
　画面５０には、図１０に示す第１の画面３０の内容と、図１１に示す第２の画面４０の内容とが表示される。実施の形態６によると、作業者は、実施の形態５で説明した第１の画面３０の内容と第２の画面４０の内容とを１つの画面５０にて確認することができる。作業者は、第１の画面３０にて行う入力と第２の画面４０にて行う入力とを１つの画面５０にて行うことができる。
実施の形態７．
　実施の形態７では、上記の実施の形態１から４の加工条件生成装置２，２Ａ，２Ｂ，２Ｃに入力される加工結果の例について説明する。図１３は、実施の形態７における加工結果の例について説明するための第１の図である。図１４は、実施の形態７における加工結果の例について説明するための第２の図である。図１３に示すワーク６０は、加工電極であるワイヤ電極６１の使用によって加工されているワークの例である。図１４には、図１３に示すＡおよびＢの２方向の各々からワーク６０を見たときの平面形状を示す。図１３および図１４には、連続して実行される複数の加工ステップの１つである第１の加工ステップが終了したときのワーク６０を示す。図１４に示す段差６２は、第１の加工ステップでの加工誤差によって生じたものとする。
　図１５は、実施の形態７における加工結果の例について説明するための第３の図である。図１６は、実施の形態７における加工結果の例について説明するための第４の図である。ここでは、寸法、面粗さおよび真直度の各々は、加工結果の項目の例とする。寸法は、加工されたワーク６０の形状の寸法である。面粗さは、ワーク６０の加工断面の面粗さである。真直度は、ワーク６０の加工断面の真直度である。なお、加工結果の項目は、実施の形態７で説明する項目に限られない。加工結果の項目には、寸法、面粗さおよび真直度以外の項目が含まれても良い。
　図１５および図１６には、第２の加工ステップが終了したときのワーク６０の寸法、面粗さおよび真直度の各様子を示す。部分６３は、第２の加工ステップによって除去された部分である。面粗さの様子としては、加工断面に生じた凹凸６４を拡大して示す。真直度の様子としては、加工断面に生じた湾曲６５をデフォルメして示す。図１５には、第２の加工ステップが実施されても第１の加工ステップにおける加工誤差が解消されていない様子を示す。また、図１５には、加工断面に凹凸６４と湾曲６５とが生じている様子を示す。図１６には、第２の加工ステップの実施によって加工誤差が解消された様子を示す。また、図１６に示すワーク６０では、図１５に示す場合よりも凹凸６４が小さく、かつ、図１５に示す場合よりも湾曲６５の度合いが小さい。
　図１６に示すワーク６０は、図１５に示すワーク６０に比べて、寸法、面粗さおよび真直度の各々について良好な加工結果が得られている。図１６に示す状態は、ロバスト性が高い加工条件により第２の加工ステップが実施された場合の状態といえる。図１５に示す状態は、図１６の場合に比べてロバスト性が低い加工条件により第２の加工ステップが実施された場合の状態である。
　作業者は、各加工条件パラメータの値を変更した場合に加工結果がどの程度変化するかを定量的かつ直感的に認識できることによって、加工条件生成装置２，２Ａ，２Ｂ，２Ｃにより、ロバスト性が高い加工条件を生成することができる。
　学習装置４は、第１の加工ステップによる加工結果のばらつきを示す情報を加工結果に含めて、モデルを生成しても良い。または、学習装置４は、意図的に生じさせた加工結果のばらつきと、第２の加工ステップによる加工結果のばらつきとを比較した結果を加工結果に含めてモデルを生成しても良い。ここで、加工結果のばらつきとは、同一の加工条件パラメータの値を用いて複数回取得した複数の加工結果の間のばらつきとする。これにより、第１の加工ステップにおいて加工のばらつきが発生した場合に、第２の加工ステップにおいて良好な加工結果が得られる加工条件を容易に作成することができる。
実施の形態８．
　実施の形態８では、上記の実施の形態１から４の学習装置４による学習の詳細について説明する。学習装置４のモデル生成部２３が用いる学習アルゴリズムは教師あり学習、教師なし学習、強化学習等の公知のアルゴリズムを用いることができる。一例として、ニューラルネットワークを適用した場合について説明する。モデル生成部２３は、例えば、ニューラルネットワークモデルに従って、いわゆる教師あり学習により、加工条件パラメータを説明変数、加工結果を目的変数とする関数を学習する。ここで、教師あり学習とは、入力と結果であるラベルとのデータの組を学習装置４に与えることで、それらの状態量にある特徴を学習し、入力から結果を推論する手法をいう。
　ニューラルネットワークは、複数のニューロンからなる入力層と、複数のニューロンからなる中間層である隠れ層と、複数のニューロンからなる出力層とで構成される。中間層は、１層、または２層以上でもよい。
　図１７は、実施の形態８において学習装置４による学習に使用されるニューラルネットワークの構成例を示す図である。図１７に示すニューラルネットワークは、３層のニューラルネットワークである。入力層は、ニューロンＸ１，Ｘ２，Ｘ３を含む。中間層は、ニューロンＹ１，Ｙ２を含む。出力層は、ニューロンＺ１，Ｚ２，Ｚ３を含む。なお、各層のニューロンの数は任意とする。入力層へ入力された複数の値は、重みＷ１であるｗ１１，ｗ１２，ｗ１３，ｗ１４，ｗ１５，ｗ１６が乗算されて、中間層へ入力される。中間層へ入力された複数の値は、重みＷ２であるｗ２１，ｗ２２，ｗ２３，ｗ２４，ｗ２５，ｗ２６が乗算されて、出力層から出力される。出力層から出力される出力結果は、重みＷ１，Ｗ２の値に従って変化する。
　状態量観測部２０は、加工試験パターンおよび加工結果の値の組合せに基づいて状態量を作成する。実施の形態８において、ニューラルネットワークは、状態量に従って、いわゆる教師あり学習により、加工条件パラメータの値を説明変数、加工結果の値を目的変数とする関数を学習する。すなわち、ニューラルネットワークは、入力層に加工試験パターンを入力して出力層から出力された結果が、加工試験パターンによる加工結果の値に近づくように重みＷ１と重みＷ２とを調整することで学習する。モデル生成部２３は、以上のような学習を実行することでモデルを生成または更新し、モデルを出力する。モデル記憶部２４は、モデル生成部２３から出力されたモデルを記憶する。
　次に、学習装置４が行う処理について説明する。図１８は、実施の形態８において学習装置４が行う処理の手順を示すフローチャートである。ステップＳ２１において、状態量観測部２０は、加工試験パターンと加工結果の値とを同時に取得することによって、状態量を観測する。なお、ここでは加工試験パターンと加工結果の値とを同時に取得することとしたが、状態量観測部２０は、加工試験パターンと加工結果の値とを互いに別のタイミングで取得しても良い。加工試験パターンと、加工試験パターンに対応する加工結果の値とが互いに関連付けられて入力されていれば良い。
　ステップＳ２２において、信頼度算出部２１は、信頼度を算出する。信頼度算出部２１は、同一の加工条件パラメータの値を用いて複数回取得した複数の加工結果の間のばらつきに基づいて、加工結果の信頼度を算出する。または、信頼度算出部２１は、あらかじめ設定された加工条件パラメータの値を変更した際に加工結果の値の変化量が取り得る範囲に基づいて、加工結果の信頼度を算出する。
　ステップＳ２３において、状態量評価部２２は、信頼度に応じた重み付けを状態量に施すことによって、状態量を評価する。状態量評価部２２は、重み付けされた状態量である学習データを出力する。
　ステップＳ２４において、モデル生成部２３は、状態量評価部２２から出力された学習データに基づいてモデルを生成する。ステップＳ２４では、モデル生成部２３は、過去に生成されたモデルを更新しても良い。モデル生成部２３は、加工条件パラメータの値を説明変数、加工結果の値を目的変数として関数を学習することによって、モデルを生成または更新する。モデル生成部２３は、生成または更新されたモデルを出力する。ステップＳ２５において、モデル記憶部２４は、モデル生成部２３から出力されたモデルを記憶する。以上により、学習装置４は、図１８に示す手順による処理を終了する。
　実施の形態８では、学習装置４が用いる学習アルゴリズムに教師あり学習を適用した場合について説明したが、これに限られるものではない。学習アルゴリズムには、教師あり学習以外にも、強化学習、教師なし学習、または半教師あり学習等を適用することも可能である。
　学習装置４は、複数の放電加工機３に対して作成された学習データに従って学習を行っても良い。学習装置４は、同一の現場で使用される複数の放電加工機３から学習データを取得しても良く、または、互いに異なる現場で使用される複数の放電加工機３から学習データを取得しても良い。学習データは、複数の現場において互いに独立して稼働する複数の放電加工機３から収集されたものであっても良い。複数の放電加工機３からの学習データの収集を開始した後に、学習データが収集される対象に新たな放電加工機３が追加されても良い。また、複数の放電加工機３からの学習データの収集を開始した後に、学習データが収集される対象から、複数の放電加工機３のうちの一部が除外されても良い。
　ある１つの放電加工機３について学習を行った学習装置４は、当該放電加工機３以外の他の放電加工機３についての学習を行っても良い。当該他の放電加工機３についての学習を行う学習装置４は、当該他の放電加工機３における再学習によって、モデルを更新することができる。
　また、学習アルゴリズムには、特徴量の抽出を学習する深層学習（Deep　Learning）を用いることができる。あるいは、学習アルゴリズムには、その他の公知の方法、例えば、遺伝的プログラミング、帰納論理プログラミング、またはサポートベクターマシンといった方法を用いても良い。実施の形態８によると、学習装置４は、加工試験パターンと加工結果を結びつけるモデルを生成することができる。
　本開示では、放電加工機３がワイヤ放電加工機である場合を例としたが、放電加工機３は、ワイヤ放電加工機以外の放電加工機であっても良い。ワイヤ放電加工機以外の放電加工機の例としては、形彫放電加工機または細穴放電加工機などを挙げることができる。また、本開示は、放電加工機３に適用されるものに限定されない。本開示は、例えば、レーザ加工機、切削加工機または積層造形加工機など、複数の加工条件パラメータに依存して複数の加工結果に変化が発生する加工機に広く適用可能である。
　放電加工機３は、他の加工機に比べて加工条件パラメータの数が多いため、加工条件の生成に時間がかかることが多く、また、加工条件パラメータが加工結果に与える変化量の予測が困難である。このため、本開示は、放電加工機３に適用した場合に、加工条件を短時間にて生成することができ、かつ、変化量の予測が容易となるという有利な効果がある。また、ワイヤ放電加工機は、ワイヤ放電加工機以外の放電加工機と比較すると、加工中に加工条件を変更することができないという事情がある。このため、ワイヤ放電加工機については、加工前にあらかじめ加工条件を生成しておく必要がある。このようなことから、本開示は、加工結果を改善させ得る加工条件を加工前に生成することが可能である点で、ワイヤ放電加工機に適用した場合に有利な効果がある。
　以上の各実施の形態に示した構成は、本開示の内容の一例を示すものである。各実施の形態の構成は、別の公知の技術と組み合わせることが可能である。各実施の形態の構成同士が適宜組み合わせられても良い。本開示の要旨を逸脱しない範囲で、各実施の形態の構成の一部を省略または変更することが可能である。
　１，１Ａ，１Ｂ，１Ｃ　放電加工システム、２，２Ａ，２Ｂ，２Ｃ　加工条件生成装置、３　放電加工機、４　学習装置、５　加工結果計測装置、６　加工結果予測装置、１０　基準条件入力部、１１　加工試験パターン生成部、１２　加工結果入力部、１３　表示部、１４　要求仕様入力部、１５　加工条件算出部、１６　加工結果変化量計算部、１７　調整条件入力部、１８　生成条件加工結果推定部、１９　調整条件加工結果推定部、２０　状態量観測部、２１　信頼度算出部、２２　状態量評価部、２３　モデル生成部、２４　モデル記憶部、３０　第１の画面、３１　基準条件入力欄、３２　加工試験パターン表示欄、３３　加工結果入力欄、３４　加工試験パターン生成ボタン、３５　モデル化実行ボタン、３６　調整加工条件パラメータ、３７　固定加工条件パラメータ、４０　第２の画面、４１　加工結果変化量表示欄、４２　最重要パラメータ表示欄、４３　要求仕様入力欄、４４　生成条件表示欄、４５　調整条件入力欄、４６　調整条件推定加工結果表示欄、４７　加工条件生成実行ボタン、４８　生成条件出力ボタン、４９　調整条件出力ボタン、５０　画面、６０　ワーク、６１　ワイヤ電極、６２　段差、６３　部分、６４　凹凸、６５　湾曲、９０　処理回路、９１　プロセッサ、９２　メモリ、９３　入力装置、９４　表示装置、９５　通信装置。

Claims (20)

  1. 　放電加工機の加工条件に含まれる複数の項目の各々についてのパラメータの値の組み合わせである加工試験パターンを、前記加工条件を生成するための基準とする基準条件に基づいて生成する加工試験パターン生成部と、
    　前記加工試験パターンに含まれる１つまたは複数の前記パラメータの値の変化量と前記放電加工機の加工結果に含まれる複数の項目の各々の値の変化量との関係を、前記加工試験パターンから前記加工結果の値を推論するためのモデルに基づいて計算する加工結果変化量計算部と、
    　前記加工試験パターンと、前記パラメータの値の変化量と前記加工結果の値の変化量との関係を表す情報とを表示する表示部と、
    　を備えることを特徴とする加工条件生成装置。
  2. 　前記表示部は、前記加工試験パターンの前記パラメータのうち、前記パラメータの変化に対する前記加工結果の変化量が最大となる最重要パラメータを表示することを特徴とする請求項１に記載の加工条件生成装置。
  3. 　前記基準条件が入力される基準条件入力部を備え、
    　前記基準条件入力部は、前記基準条件に含まれる複数のパラメータの各々の値について調整対象とするか否かの設定を受け付けることを特徴とする請求項１または２に記載の加工条件生成装置。
  4. 　前記表示部は、行および列を有する表であるヒートマップを表示することによって、前記パラメータの値の変化量と前記加工結果の値の変化量との関係を定量的に表示し、
    　前記行および前記列の一方には、項目ごとに前記パラメータが指定されており、
    　前記行および前記列の他方には、前記加工結果に含まれる項目ごとに前記加工結果が指定されており、
    　前記行の項目と前記列の項目とによって指定される欄に、前記パラメータの値の前記変化量と前記加工結果の値の変化量との比を表す値が表示されることを特徴とする請求項１から３のいずれか１つに記載の加工条件生成装置。
  5. 　前記表示部は、前記ヒートマップである前記表の各欄に、前記比を表す前記値の大きさに応じた色または色の濃淡を施して、前記ヒートマップを表示することを特徴とする請求項４に記載の加工条件生成装置。
  6. 　前記加工結果の値に許容される範囲を示す要求仕様が入力される要求仕様入力部と、
    　前記要求仕様に含まれる前記加工結果の値を得るための前記パラメータの値の組み合わせである生成条件を前記モデルに基づいて算出する加工条件算出部と、
    　前記放電加工機による前記生成条件に従った加工により得られる前記加工結果を推定した結果である生成条件推定加工結果を算出する生成条件加工結果推定部と、を備え、
    　前記表示部は、前記生成条件と前記生成条件推定加工結果とを表示することを特徴とする請求項１から３のいずれか１つに記載の加工条件生成装置。
  7. 　前記表示部は、
    　前記加工条件算出部による前記生成条件の算出を指示するための操作を受け付ける加工条件生成実行ボタンと、
    　前記加工条件生成装置からの前記生成条件または前記生成条件推定加工結果の出力を指示するための操作を受け付ける生成条件出力ボタンと、を表示することを特徴とする請求項６に記載の加工条件生成装置。
  8. 　前記加工条件算出部によって算出された前記生成条件を自動で前記放電加工機へ出力することを特徴とする請求項６に記載の加工条件生成装置。
  9. 　前記パラメータの調整された値を含む調整条件が入力される調整条件入力部と、
    　前記放電加工機による前記調整条件に従った加工により得られる前記加工結果を推定した結果である調整条件推定加工結果を算出する調整条件加工結果推定部と、を備え、
    　前記表示部は、前記調整条件推定加工結果を表示することを特徴とする請求項１から３のいずれか１つに記載の加工条件生成装置。
  10. 　前記表示部は、前記加工条件生成装置からの前記調整条件推定加工結果の出力を指示するための操作を受け付ける調整条件出力ボタンを表示することを特徴とする請求項９に記載の加工条件生成装置。
  11. 　前記加工試験パターンと前記加工結果の値とが入力され、前記モデルを出力する学習装置を備えることを特徴とする請求項１から１０のいずれか１つに記載の加工条件生成装置。
  12. 　前記学習装置には、前記放電加工機が前記加工試験パターンに従って加工を行うことによって得られた前記加工結果の値が入力されることを特徴とする請求項１１に記載の加工条件生成装置。
  13. 　前記加工結果を自動で計測する加工結果計測装置を備え、
    　前記学習装置には、前記加工結果計測装置によって計測された前記加工結果の値が入力されることを特徴とする請求項１２に記載の加工条件生成装置。
  14. 　前記放電加工機から出力される加工データに基づいて前記加工結果を予測する加工結果予測装置を備え、
    　前記学習装置には、前記加工結果予測装置によって予測された前記加工結果の値が入力されることを特徴とする請求項１１に記載の加工条件生成装置。
  15. 　前記学習装置は、
    　前記加工結果の値と前記加工試験パターンとを状態量として観測する状態量観測部と、
    　互いに同じ複数の前記加工試験パターンに対して取得された前記加工結果の間のばらつきと、前記加工試験パターンが変更された場合において前記加工結果の変化量が変化し得る範囲との少なくとも一方に基づいて、前記加工結果の信頼度を算出する信頼度算出部と、
    　前記信頼度に応じた重み付けを前記状態量に施す状態量評価部と、
    　重み付けされた前記状態量である学習データを用いて前記加工試験パターンの前記パラメータの値である説明変数と前記加工結果の値である目的変数との関係を学習して、前記モデルを生成または更新するモデル生成部と、
    　前記モデル生成部から出力された前記モデルを記憶するモデル記憶部と、を備えることを特徴とする請求項１１から１４のいずれか１つに記載の加工条件生成装置。
  16. 　前記学習装置は、連続して実行される複数の加工ステップの１つである第１の加工ステップによる前記加工結果のばらつきを示す情報を前記加工結果に含めて、または、意図的に生じさせた前記加工結果のばらつきと前記第１の加工ステップの次の第２の加工ステップの中での前記加工結果のばらつきとを比較した結果を前記加工結果に含めて、前記モデルを生成することを特徴とする請求項１１から１５のいずれか１つに記載の加工条件生成装置。
  17. 　放電加工機と、
    　前記放電加工機の加工条件を生成する加工条件生成装置と、を備え、
    　前記加工条件生成装置は、
    　前記加工条件に含まれる複数の項目の各々についてのパラメータの値の組み合わせである加工試験パターンを、前記加工条件の生成における基準とする基準条件に基づいて生成する加工試験パターン生成部と、
    　前記加工試験パターンに含まれる１つまたは複数の前記パラメータの値の変化量と前記放電加工機の加工結果に含まれる複数の項目の各々の値の変化量との関係を、前記加工試験パターンから前記加工結果を推論するためのモデルに基づいて計算する加工結果変化量計算部と、
    　前記加工試験パターンと、前記パラメータの値の変化量と前記加工結果の値の変化量との関係を表す情報とを表示する表示部と、
    　を備えることを特徴とする放電加工システム。
  18. 　前記加工試験パターンと前記加工結果の値とが入力され、前記モデルを出力する学習装置を備えることを特徴とする請求項１７に記載の放電加工システム。
  19. 　放電加工機の加工条件を加工条件生成装置により生成する加工条件生成方法であって、
    　前記加工条件に含まれる複数の項目の各々についてのパラメータの値の組み合わせである加工試験パターンを、前記加工条件の生成における基準とする基準条件に基づいて生成するステップと、
    　前記加工試験パターンに含まれる１つまたは複数の前記パラメータの値の変化量と前記放電加工機の加工結果に含まれる複数の項目の各々の値の変化量との関係を、前記加工試験パターンから前記加工結果の値を推論するためのモデルに基づいて計算するステップと、
    　前記加工試験パターンと、前記パラメータの値の変化量と前記加工結果の値の変化量との関係を表す情報とを表示するステップと、
    　を含むことを特徴とする加工条件生成方法。
  20. 　加工条件生成装置により放電加工機の加工条件を生成するステップを含み、
    　前記加工条件を生成するステップは、
    　前記加工条件に含まれる複数の項目の各々についてのパラメータの値の組み合わせである加工試験パターンを、前記加工条件の生成における基準とする基準条件に基づいて生成するステップと、
    　前記加工試験パターンに含まれる１つまたは複数の前記パラメータの値の変化量と前記放電加工機の加工結果に含まれる複数の項目の各々の値の変化量との関係を、前記加工試験パターンから前記加工結果の値を推論するためのモデルに基づいて計算するステップと、
    　前記加工試験パターンと、前記パラメータの値の変化量と前記加工結果の値の変化量との関係を表す情報とを表示するステップと、
    　を含むことを特徴とする放電加工方法。
PCT/JP2022/006955 2022-02-21 2022-02-21 加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法 WO2023157298A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2022538305A JP7126639B1 (ja) 2022-02-21 2022-02-21 加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法
PCT/JP2022/006955 WO2023157298A1 (ja) 2022-02-21 2022-02-21 加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/006955 WO2023157298A1 (ja) 2022-02-21 2022-02-21 加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法

Publications (1)

Publication Number Publication Date
WO2023157298A1 true WO2023157298A1 (ja) 2023-08-24

Family

ID=83047413

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/006955 WO2023157298A1 (ja) 2022-02-21 2022-02-21 加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法

Country Status (2)

Country Link
JP (1) JP7126639B1 (ja)
WO (1) WO2023157298A1 (ja)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07116927A (ja) * 1993-10-21 1995-05-09 Sodick Co Ltd 放電加工の加工設定データ決定装置と方法
JP2012236267A (ja) * 2011-05-13 2012-12-06 Mitsubishi Electric Corp 加工条件探索装置
JP2014061564A (ja) * 2012-09-20 2014-04-10 Fanuc Ltd 軸送り制御方式判別機能を有するワイヤ放電加工機

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102494799B1 (ko) 2017-05-26 2023-02-01 미츠비시 가스 가가쿠 가부시키가이샤 수지 조성물, 프리프레그, 레진 시트, 금속박 피복 적층판 및 프린트 배선판, 그리고 수지 조성물의 제조 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07116927A (ja) * 1993-10-21 1995-05-09 Sodick Co Ltd 放電加工の加工設定データ決定装置と方法
JP2012236267A (ja) * 2011-05-13 2012-12-06 Mitsubishi Electric Corp 加工条件探索装置
JP2014061564A (ja) * 2012-09-20 2014-04-10 Fanuc Ltd 軸送り制御方式判別機能を有するワイヤ放電加工機

Also Published As

Publication number Publication date
JPWO2023157298A1 (ja) 2023-08-24
JP7126639B1 (ja) 2022-08-26

Similar Documents

Publication Publication Date Title
US10121107B2 (en) Machine learning device and method for optimizing frequency of tool compensation of machine tool, and machine tool having the machine learning device
TWI709089B (zh) 精加工量預測裝置及機器學習裝置
EP3382475B1 (en) Wire electric discharge machine comprising control device and machine learning device
US10949740B2 (en) Machine learning device, numerical controller, machine tool system, manufacturing system, and machine learning method for learning display of operation menu
CN108723889B (zh) 加减速控制装置
JP6923484B2 (ja) 加工条件調整装置及び機械学習装置
JP2019032649A (ja) 制御装置及び機械学習装置
JP6813532B2 (ja) シミュレーション装置
US11619926B2 (en) Information processing device, program, process treatment executing device, and information processing system
JP2019093451A (ja) 制御装置及び機械学習装置
EP3425466A1 (en) Design support device, design support method and design support program
JP2011150496A (ja) 要因分析装置
JP2009151383A (ja) 製造プロセスにおける操業と品質の関連解析装置、解析方法、プログラム、及びコンピュータ読み取り可能な記録媒体
JP2019082894A (ja) 加工条件調整装置及び機械学習装置
JP5137537B2 (ja) ロボットの作業動作最適化装置
US20050107921A1 (en) Robot operation program modification device
WO2023157298A1 (ja) 加工条件生成装置、放電加工システム、加工条件生成方法および放電加工方法
Haghshenas Gorgani et al. A hybrid algorithm for adjusting the input parameters of the wirecut EDM machine in order to obtain maximum customer satisfaction
Erhan et al. ViSA: A parametric design modeling method to enhance visual sensitivity control and analysis
JP2015168870A (ja) 復燐量予測装置および復燐量予測方法、ならびに転炉脱燐制御方法
JP2019184575A (ja) 測定動作パラメータ調整装置、機械学習装置及びシステム
JP2020184159A (ja) 設計支援システム、設計支援方法および設計支援プログラム
CN114341752B (zh) 控制装置、机床、修正系数算出方法和存储介质
WO2023012964A1 (ja) 機械学習装置、加工面品位を評価するシステム、及び機械学習用プログラム
WO2022210472A1 (ja) 加工条件調整装置

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 2022538305

Country of ref document: JP

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22927197

Country of ref document: EP

Kind code of ref document: A1