清洗工序最优化装置以及机器学习装置制造方法及图纸

本发明专利技术涉及清洗工序最优化装置以及机器学习装置。提供能够根据机床或工件的状态来决定清洗条件的清洗工序最优化装置以及机器学习装置。上述清洗工序最优化装置具备学习清洗清洗对象时的清洗条件的机器学习装置。上述机器学习装置具备：状态观测部，其将表示清洗清洗对象时的清洗条件的清洗条件数据、以及在清洗该清洗对象之前测量的表示该清洗状态的污染状态的污染状态数据作为表示环境的当前状态的状态变量进行观测；判定数据取得部，其取得表示清洗清洗对象后的污染状态的精度的适当与否判定结果的判定数据；以及学习部，其使用状态变量和判定数据，将清洗清洗对象时的清洗条件与污染状态数据关联起来进行学习。

Cleaning process optimization device and machine learning device

The invention relates to a cleaning process optimization device and a machine learning device. Provides a cleaning process optimization device and a machine learning device capable of determining cleaning conditions according to machine tool or workpiece status. The cleaning process optimization device has a machine learning device for learning the cleaning conditions when cleaning objects. The machine learning device is provided with a state observation unit which takes the data of the cleaning condition indicating the cleaning condition of the cleaning object and the pollution state indicating the cleaning state measured before the cleaning object as the state variables representing the current state of the environment for observation. According to the acquisition unit, it obtains the judgment data indicating whether the accuracy of the pollution state after the cleaning object is appropriate or not; and the learning unit uses the state variables and judgment data to associate the cleaning conditions of the cleaning object with the pollution state data for learning.

【技术实现步骤摘要】
清洗工序最优化装置以及机器学习装置
本专利技术涉及清洗工序最优化装置以及机器学习装置。
技术介绍
在机床中，用罩体覆盖加工空间，防止切屑/冷却液向周围飞散。在通过工具加工工件时产生大量的切粉，在用罩体覆盖的空间(以后为“机内”)中累积切屑。切屑进入机床的机构部，由此会导致机构部发生故障。因此，需要清洗滞留在机内的切屑，但是会有通过人工进行这种机内的清洗作业的情况和使用机内清洗装置进行清洗的情况，该机内清洗装置使用泵将冷却液送入机内，使切屑与该冷却液一起排出到机外(日本特开2016-168649号公报)。另一方面，目前在机床中加工对象的工件范围较广，其种类从高效率加工到高质量加工等涉及多个方面。此时，在加工后的工件表面会附着切屑和冷却液等，如果对这样的污染置之不理，则会产生例如在之后的作业工序中切屑损伤工件的表面等问题。为了防止这种问题，需要在加工结束后尽可能迅速地清洗工件的表面。工件的清洗作业有通过人工进行的情况和使用工件清洗装置进行的情况(日本特开2008-156715号公报等)。机床或工件的清洗工序在使用了机床的加工作业的一系列流程中成为重要的要素。然而，由于工件的加工而产生的切屑在机内的宽广范围内飞散，飞散位置或量、大小等不同，污染也不均匀，因此存在需要根据污染的状态调整清洗条件(清洗喷嘴的角度或喷射/吸引的压力、清洗时间等)等的问题。另外，对于附着在工件表面的切屑和冷却液等，其附着位置和附着量等也不同，进一步地，在清洗工件的情况下，有时由于清洗而损伤工件表面，因此为了消除这种情况，需要一边对清洗条件(清洗喷嘴的角度和清洗/吸引的压力、清洗时间等)进行微调整一边进行非常精细的清洗，从而存在消耗大量时间的问题。
技术实现思路
因此本专利技术的目的在于，提供根据机床或工件的状态能够决定适当的清洗条件的清洗工序最优化装置以及机器学习装置。本专利技术的一个方式为一种清洗工序最优化装置，其使在进行清洗对象的清洗时的清洗条件最优化，该清洗工序最优化装置具备学习清洗上述清洗对象时的清洗条件的机器学习装置，上述机器学习装置具备：状态观测部，其将表示清洗上述清洗对象时的清洗条件的清洗条件数据、以及在清洗该清洗对象之前测量的表示该清洗状态的污染状态的污染状态数据作为表示环境的当前状态的状态变量进行观测；判定数据取得部，其取得表示清洗上述清洗对象后的污染状态的精度的适当与否判定结果的判定数据；以及学习部，其使用上述状态变量和上述判定数据将清洗上述清洗对象时的清洗条件与上述污染状态数据关联起来进行学习。本专利技术的其他方式为一种机器学习装置，其学习清洗对象时的清洗条件，该机器学习装置具备：状态观测部，其将表示清洗上述清洗对象时的清洗条件的清洗条件数据以及在清洗该清洗对象之前测量的表示该清洗状态的污染状态的污染状态数据作为表示环境的当前状态的状态变量进行观测；判定数据取得部，其取得表示清洗上述清洗对象后的污染状态的精度的适当与否判定结果的判定数据；以及学习部，其使用上述状态变量和上述判定数据将清洗上述清洗对象时的清洗条件与上述污染状态数据关联起来进行学习。根据本专利技术，由于能够使清洗机床或工件的已知技术与机器学习组合，并配合机床的机内状态或工件的表面状态使清洗工序最优化，因此可以对各种机床或工件有效地进行清洗。附图说明根据参照附图的以下的实施例的说明，将明确本专利技术的上述以及其他目的、特征。这些附图中：图1是第一实施方式的清洗工序最优化装置的概略功能框图。图2是表示清洗工序最优化装置的一个方式的概略功能框图。图3是表示机器学习方法的一个方式的概略流程图。图4是表示清洗工序最优化装置的其他方式的概略功能框图。图5A说明神经元的图。图5B说明神经网络的图。图6是第二实施方式的清洗工序最优化装置的概略功能框图。图7是表示清洗系统的一个方式的概略功能框图。图8是表示清洗系统的其他方式的概略功能框图。具体实施方式以下对附图以及本专利技术的实施方式一起进行说明。图1是第一实施方式的清洗工序最优化装置10的概略功能框图。清洗工序最优化装置10例如可以作为控制用于清洗机床或工件的工业机械(未图示)的控制装置来进行安装。用于清洗机床或工件的工业机械列举有具备例如通过泵喷射清洗液的清洗喷嘴的清洗装置、把持了该清洗喷嘴的机器人等。清洗工序最优化装置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机床或工件的清洗工序的清洗条件(清洗喷嘴的角度、清洗/吸引的压力、清洗时间等)的软件(学习算法等)以及硬件(计算机的CPU等)。清洗工序最优化装置10所具备的机器学习装置20进行学习的清洗条件相当于表示成为清洗对象的机床或工件的污染状态(切屑或冷却液的量等)与清洗该清洗对象的清洗条件的相关性的模型结构。如图1的功能块所示，清洗工序最优化装置10所具备的机器学习装置20具备：状态观测部22，其将表示针对机床或工件等清洗对象(未图示)的清洗条件的情况条件数据S1以及表示机床或工件等清洗对象的污染状态的污染状态数据S2作为表示环境的当前状态的状态变量S进行观测；判定数据取得部24，其取得表示进行了清洗的清洗对象的污染状态的适当与否判定结果的判定数据D；以及学习部26，其使用状态变量S和判定数据D，将污染状态数据S2与清洗条件数据S1关联起来进行学习。状态观测部22例如构成为计算机的CPU的一个功能。或者状态观测部22例如构成为用于使计算机的CPU发挥功能的软件。状态观测部22所观测的状态变量S中的清洗条件数据S1可以使用例如由熟练的作业者进行申报并赋予清洗工序最优化装置10的清洗条件的申报数据，或者在使用用于清洗的工业机械的情况下，从该工业机械取得清洗时的动作参数进行使用。清洗条件数据S1例如可以使用距清洗时的污染中心位置的清洗喷嘴的距离、清洗喷嘴的角度、清洗/吸引的压力、清洗时间、清洗液的温度、清洗次数等。另外例如可以通过附设在用于清洗工序最优化装置所控制的清洗的工业机械上的第一测量装置(未图示)来实际测量，由此取得状态变量S中的污染状态数据S2。例如当清洗对象是机床时，第一测量装置可以从预定的位置测量机床机内的整体或至少一个关注点。例如当清洗对象是工件时，第一测量装置可以由预定的位置测量工具的整体或至少一个关注点。第一测量装置基于针对没有附着污染的清洗对象与预先测量并取得的清洗对象的整体或者至少一个关注点的测量值之间的差，能够运算清洗对象的各个部分的污染状态数据S2。第一测量装置可以根据对没有附着污染的清洗对象预先测量并取得的清洗对象的整体或者与至少一个关注点的测量值之间的差分，将该差分的量(面积、体积等)和该差分的色彩等包含在污染状态数据S2中。该运算例如也可以由清洗工序最优化装置10进行，或者由状态观测部22自身进行。作为第一测量装置能够采用光学摄像装置、红外线激光、超声波测量器等。判定数据取得部24例如能够构成为计算机的CPU的一个功能。或者判定数据取得部24例如能够构成为使计算机的CPU发挥功能的软件。通过例如附设在清洗机械上的第一测量装置来实际测量进行了清洗后的清洗对象，由此能够取得判定数据取得部24所取得的判定数据D。判定数据D是表示在状态变量S下执行了清洗作业时的结果的指标，间接地表示进行了清洗作业的环境的当前状态。这样，本文档来自技高网...

【技术保护点】
1.一种清洗工序最优化装置，其使在进行清洗对象的清洗时的清洗条件最优化，其特征在于，该清洗工序最优化装置具备学习清洗上述清洗对象时的清洗条件的机器学习装置，上述机器学习装置具备：状态观测部，其将表示清洗上述清洗对象时的清洗条件的清洗条件数据、以及在清洗该清洗对象之前测量的表示该清洗状态的污染状态的污染状态数据作为表示环境的当前状态的状态变量进行观测；判定数据取得部，其取得表示清洗上述清洗对象后的污染状态的精度的适当与否判定结果的判定数据；以及学习部，其使用上述状态变量和上述判定数据，将清洗上述清洗对象时的清洗条件与上述污染状态数据关联起来进行学习。

【技术特征摘要】
2017.03.15 JP 2017-0500831.一种清洗工序最优化装置，其使在进行清洗对象的清洗时的清洗条件最优化，其特征在于，该清洗工序最优化装置具备学习清洗上述清洗对象时的清洗条件的机器学习装置，上述机器学习装置具备：状态观测部，其将表示清洗上述清洗对象时的清洗条件的清洗条件数据、以及在清洗该清洗对象之前测量的表示该清洗状态的污染状态的污染状态数据作为表示环境的当前状态的状态变量进行观测；判定数据取得部，其取得表示清洗上述清洗对象后的污染状态的精度的适当与否判定结果的判定数据；以及学习部，其使用上述状态变量和上述判定数据，将清洗上述清洗对象时的清洗条件与上述污染状态数据关联起来进行学习。2.根据权利要求1所述的清洗工序最优化装置，其特征在于，上述状态观测部进一步将识别上述清洗对象的类别的类别信息作为上述状态变量进行观测，上述学习部将清洗上述清洗对象时的清洗条件与上述精度数据以及上述类别信息双方关联起来进行学习。3.根据权利要求1或2所述的清洗工序最优化装置，其特征在于，上述学习部具备：回报计算部，其求出与上述适当与否判定结果关联的回报；以及价值函数更新部，其使用上述回报来更新表示清洗上述清洗对象时的清洗条件的价值的函数。4.根据权利要求1或2所述的清洗工序最优化装置，其特征在于，上述学习部具备：误差计算...

【专利技术属性】
技术研发人员：丹后力，室田真弘，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：日本,JP