精加工量预测装置以及机器学习装置制造方法及图纸

本发明专利技术提供一种精加工量预测装置以及机器学习装置，加工量预测装置具备的机器学习装置观测表示部件各部分精加工量的精加工量数据和表示安装有该部件的机械中各部分精度的精度数据作为表示环境的当前状态的状态变量，进而，获取表示安装有精加工后部件的机械中各部分精度的适宜与否判定结果的判定数据，这样，使用这些状态变量和判定数据，与精度数据相关联地学习部件各部分的精加工量。

【技术实现步骤摘要】
精加工量预测装置以及机器学习装置
本专利技术涉及精加工量预测装置以及机器学习装置。
技术介绍
在进行需要极高精度的部件精加工时，有时由熟练工进行手动加工。作为其一个例子，给出线放电加工机的例子。图9是线放电加工机的加工槽1的剖视图。在设置线放电加工机时，配置在加工槽1内载置工件的工作台2的上表面希望尽可能为平面且为水平，而由于车间地面的倾斜或其他原因，这样直接设置会导致有时工作台2的上表面不能保持水平、平面度。这种情况下，取下工作台2的上部，在向工作台2的下部安装时以工作台2的上表面成为水平的方式研磨该工作台2的上部的安装面。此时，作业人员针对工作台2上表面的各部分，使用距离传感器等测定装置测定距离预定基准位置的偏差量，看到该测定结果的作业人员基于经验判断对工作台2的上部的安装面的各部分适宜研磨多大程度，并基于判断的结果研磨工作台2的上部的安装面的各部分。图10A是例举由测定装置测定到的工作台2的上表面的各部分距离基准位置的偏差量的图，另外图10B是例举对该工作台2的上部的安装面的各部分的研磨次数的图。另外，作为其他例子，给出刮削(scraping)机床的导向件的例子。通常，机床在底座上设有至少一个在正交2轴方向、正交3轴方向能移动的移动台。另一方面，构成机床的各构造物为了实现稳定的加工而具有相当的重量，装配各构造物时，由于各构造物的自重、作用于各构造物间的力，产生它们变形的现象。例如，如图11所示，如果使设在底座3上的工作台5沿着导轨4向X轴方向移动，则导轨4的端部受到工作台5和载置于工作台5上的工件(未图示)的重量，导致导轨4弹性变形，发生工作台5不笔直移动的情况。于是，作业人员使用距离传感器等测定装置测定使工作台5移动时工作台在Z轴方向上距离预定基准位置的偏差量，看到该测定结果的作业人员基于经验判断对导轨4的上部的各部分适宜刮削多大程度，如图12所示对导轨4的上部的各部分进行研磨(日本特开平10-156715号公报等)。通过该刮削，工作台5笔直移动。在进行上述那样的研磨、刮削等精加工的情况下，即使仅单纯地以通过测定装置测定的距离基准位置的偏差量进行了各部分的精加工，由于各部分受到机械的结构、对其他部分进行的精加工的影响，存在不能实现以设想精度进行精加工的问题。
技术实现思路
因此，本专利技术的目的在于提供一种在进行加工面的精密调整的精加工中，基于测定结果来预测精加工量的精加工量预测装置以及机器学习装置。本专利技术的一种方式提供的精加工量预测装置预测进行安装到机械的部件的各部分的精加工情况下该部件各部分的精加工量，具备：学习所述精加工中部件各部分的精加工量的机器学习装置。该机器学习装置具备：状态观测部，其观测精加工量数据以及精度数据作为表示环境的当前状态的状态变量，其中精加工量数据表示所述精加工中部件各部分的精加工量，精度数据表示开始该精加工前测定的安装有该部件的机械各部分的精度；判定数据获取部，其获取判定数据，该判定数据表示安装有所述精加工后部件的机械中各部分精度的适宜与否判定结果；以及学习部，其使用所述状态变量和所述判定数据，与所述精度数据相关联地学习所述精加工中部件各部分的精加工量。所述状态观测部能还观测识别所述部件的品种的品种信息，来作为所述状态变量，所述学习部与所述精度数据以及所述品种信息两者相关联地学习所述精加工中部件各部分的精加工量。所述学习部能具备：回报计算部，其求出与所述适宜与否判定结果相关联的回报；以及价值函数更新部，其使用所述回报，更新表示所述精加工中部件各部分精加工量的价值的函数。所述学习部能具备：误差计算部，其计算从所述状态变量以及所述判定数据导出所述精加工中部件各部分的精加工量的相关性模型与从预先准备的教师数据识别的相关性特征之间的误差，以及模型更新部，其以使所述误差缩小的方式更新所述相关性模型。所述学习部可以通过多层构造运算所述状态变量和所述判定数据。所述精加工量预测装置能进一步具备决策部，其基于所述学习部进行的学习结果，显示或者输出所述精加工中部件各部分的精加工量。所述学习部能使用针对多个工业机械分别得到的所述状态变量以及所述判定数据，学习该多个工业机械各自的所述精加工中部件各部分的精加工量。本专利技术的一种方式提供的机器学习装置，学习在进行安装于机械的部件各部分的精加工时该部件各部分的精加工量，其具备：状态观测部，其观测表示所述精加工中部件各部分的精加工量的精加工量数据以及表示该精加工开始前测定的安装有该部件的机械的各部分的精度的精度数据，来作为表示环境的当前状态的状态变量；判定数据获取部，其获取表示安装有所述精加工后的部件的机械的各部分的精度的适宜与否判定结果的判定数据；以及学习部，其使用所述状态变量和所述判定数据，与所述精度数据相关联地学习所述精加工中部件各部分的精加工量。根据本专利技术，在进行加工面精密加工的精加工中能基于测量结果自动预测各部分的精加工量。附图说明图1是第一实施方式的精加工量预测装置的概要功能框图。图2是表示精加工量预测装置的一种方式的概要功能框图。图3是表示机器学习方法的一种方式的概要流程图。图4是表示精加工量预测装置的另一种方式的概要功能框图。图5A是说明神经元的图。图5B是说明神经网络的图。图6是第二实施方式的精加工量预测装置的概要功能框图。图7是表示装配系统的一种方式的概要功能框图。图8是表示装配系统的另一种方式的概要功能框图。图9是线放电加工机的加工槽的剖视图。图10A是例举由测定装置测量的工作台上表面的各部分距离基准位置的偏差量的图。图10B是例举对工作台的上部的安装面的各部分进行研磨的次数的图。图11是例举机床的工作台的移动偏差的图。图12是例举通过刮刀修正了偏差的机床的工作台的移动的图。具体实施方式图1是第一实施方式的精加工量预测装置10的概要功能框图。精加工量预测装置10具备机器学习装置20，该机器学习装置20包括：用于通过所谓的机器学习来自主学习在进行需要极高精度的部件精加工时的对该部件各部位的精加工量(研磨次数、研磨量、刮研次数等)的软件(学习算法等)以及硬件(计算机的CPU等)。精加工量预测装置10具备的机器学习装置20所学习的对部件各部位的精加工量相当于表示安装该部件并使用的机械的各部分的精度(与基准位置的偏差)与对该部件各部位的精加工量之间的相关性的模型构造。如图1中功能框所示，精加工量预测装置10具备的机器学习装置20具备状态观测部22、判定数据获取部24以及学习部26。状态观测部22观测精加工量数据S1以及安装有成为精加工对象的部件(未图示)的机械(未图示)的各部分的精度数据S2，来作为表示环境的当前状态的状态变量S，其中，该精加工量数据S1表示对成为精加工对象的部件(未图示)进行的该部件各部分的精加工量。判定数据获取部24获取判定数据D，该判定数据D表示在进行了精加工的部件安装于机械的状态下该机械各部分的精度的是否合适的判定结果。学习部26使用状态变量S和判定数据D，与精度数据S2相关联地学习精加工量数据S1所表示的部件各部分的精加工量。状态观测部22例如能作为计算机的CPU的一个功能来构成。或者，状态观测部22例如能构成为用于使计算机的CPU发挥功能的软件。状态观测部22观测的状态变量S中，精加工量数据S1例如能由熟本文档来自技高网...

【技术保护点】
1.一种精加工量预测装置，其预测在进行安装于机械的部件各部分的精加工时该部件各部分的精加工量，其特征在于，该精加工量预测装置具备：学习所述精加工中部件各部分的精加工量的机器学习装置，所述机器学习装置具备：状态观测部，其观测表示所述精加工中部件各部分的精加工量的精加工量数据以及表示该精加工开始前测定的安装有该部件的机械的各部分的精度的精度数据，来作为表示环境的当前状态的状态变量；判定数据获取部，其获取表示安装有所述精加工后的部件的机械的各部分的精度的适宜与否判定结果的判定数据；以及学习部，其使用所述状态变量和所述判定数据，与所述精度数据相关联地学习所述精加工中部件各部分的精加工量。

【技术特征摘要】
2017.03.08 JP 2017-0442741.一种精加工量预测装置，其预测在进行安装于机械的部件各部分的精加工时该部件各部分的精加工量，其特征在于，该精加工量预测装置具备：学习所述精加工中部件各部分的精加工量的机器学习装置，所述机器学习装置具备：状态观测部，其观测表示所述精加工中部件各部分的精加工量的精加工量数据以及表示该精加工开始前测定的安装有该部件的机械的各部分的精度的精度数据，来作为表示环境的当前状态的状态变量；判定数据获取部，其获取表示安装有所述精加工后的部件的机械的各部分的精度的适宜与否判定结果的判定数据；以及学习部，其使用所述状态变量和所述判定数据，与所述精度数据相关联地学习所述精加工中部件各部分的精加工量。2.根据权利要求1所述的精加工量预测装置，其特征在于，所述状态观测部还观测识别所述部件的品种的品种信息，来作为所述状态变量，所述学习部与所述精度数据以及所述品种信息这两者相关联地学习所述精加工中部件各部分的精加工量。3.根据权利要求1或2所述的精加工量预测装置，其特征在于，所述学习部具备：回报计算部，其求出与所述适宜与否判定结果相关联的回报；以及价值函数更新部，其使用所述回报，更新表示所述精加工中部件各部分的精加工量的价值的函数。4.根据权利要求1或2所述的精加工量预测装置，其特征在于，所述...

【专利技术属性】
技术研发人员：门仓宏充，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP