本发明专利技术提供一种消除加工中的视觉传感器的确认，以极少的清洗频度防止切屑的堆积的已学习模型。机器学习装置具备：输入数据取得部，其取得输入数据，该输入数据包含：任意的机床对任意的工件的任意的加工条件、用于通过任意的清洗装置对根据该加工条件加工所述工件后的加工机内进行清洗的清洗条件、以及表示基于所述加工条件进行加工前的所述加工机内的污垢的程度的状态信息；标签取得部，其取得以所述输入数据中包含的所述加工条件进行加工并以所述清洗条件进行清洗后的所述加工机内的状态信息作为标签数据；以及学习部，其使用由所述输入数据取得部取得的输入数据和由所述标签取得部取得的标签数据，执行监督学习，生成已学习模型。成已学习模型。成已学习模型。
【技术实现步骤摘要】
【国外来华专利技术】机器学习装置、清洗预测装置以及清洗系统
本专利技术涉及机器学习装置、清洗预测装置以及清洗系统。
技术介绍
在清洗装置(例如，固定于机床内部的装置、或者被机器人等把持而可动的装置等)对加工机内进行清洗的情况下，一般以预先决定的频度对加工机内进行清洗。在专利文献1
‑
3中，提出了使用视觉传感器测量切屑的堆积量并判断是否进行清洗(清扫)的技术。现有技术文献专利文献专利文献1：日本特开2016
‑
168661号公报专利文献2：日本特开2017
‑
013182号公报专利文献3：日本特开2017
‑
104943号公报
技术实现思路
专利技术所要解决的课题在以决定的频度对加工机内进行清洗的情况下，决定其频度的是作业者，根据切屑的形状、加工后的工件的数量和堆积量，经验性地决定。另外，通过视觉传感器来确认切屑的堆积量的方法也在每次加工工件时利用视觉传感器进行确认，或者在对多个工件进行加工之后，由作业者根据经验来决定是利用视觉传感器进行确认。另外，在对加工机内进行清洗(清扫)的期间或利用视觉传感器确认切屑的堆积量的期间，无法利用加工机对工件进行加工。因此，为了提高工件的生产率，需要极力减少加工以外所花费的时间，需要极力减少加工机内的清洗次数、视觉传感器的确认的时间。因此，期望消除加工中的视觉传感器的确认，生成以极少的清洗频率防止切屑堆积的已学习模型。用于解决课题的手段(1)本公开的机器学习装置的一个方式具备：输入数据取得部，其取得输入数据，该输入数据包含：任意的机床对任意的工件的任意的加工条件、用于通过任意的清洗装置对根据该加工条件加工所述工件后的加工机内进行清洗的清洗条件、以及表示基于所述加工条件进行加工前的所述加工机内的污垢的程度的状态信息；标签取得部，其取得以所述输入数据中包含的所述加工条件进行加工并以所述清洗条件进行清洗后的所述加工机内的状态信息作为标签数据；以及学习部，其使用由所述输入数据取得部取得的输入数据和由所述标签取得部取得的标签数据，执行监督学习，生成已学习模型。(2)本公开的清洗预测装置的一个方式具备：由(1)的机器学习装置生成的已学习
模型；输入部，其在机床进行加工之前，输入接下来要进行的加工条件、预定的清洗的清洗条件、以及当前的所述机床的加工机内的状态信息；以及预测部，其将由所述输入部输入的所述接下来要进行的加工条件、所述清洗条件、所述当前的加工机内的状态信息输入到所述已学习模型，并预测以所述接下来要进行的加工条件进行加工并以所述清洗条件进行清洗后的所述加工机内的状态信息。(3)本公开的清洗系统的一个方式具备(2)的清洗预测装置和清洗装置。专利技术效果根据一个方式，能够消除加工中的视觉传感器的确认，生成以极少的清洗频度防止切屑堆积的已学习模型。
附图说明
[0010]图1是表示第一实施方式的清洗系统的功能结构例的功能框图。图2A是表示从侧面观察到的机床的加工机内的切屑堆积的情况的一例的图。图2B是表示从上表面观察到的加工机内的预定的清洗的一例的图。图3是表示向图1的清洗预测装置提供的已学习模型的一例的图。图4是表示加工机内的污垢的程度的一例的图。图5是对运用阶段中的清洗预测装置的预测处理进行说明的流程图。图6是表示第二实施方式的清洗系统的功能结构例的功能框图。图7是对运用阶段中的清洗预测装置的预测处理进行说明的流程图。图8A是表示第一次的预定的清洗的一例的图。图8B是表示第二次的预定的清洗的一例的图。图9是表示清洗系统的结构的一例的图。图10是表示清洗系统的结构的一例的图。
具体实施方式
[0011]＜第一实施方式＞使用附图对本实施方式的结构进行详细说明。在此，例示了如下的情况：根据接下来要进行的加工条件、预定的清洗的清洗条件、以及当前的机床的加工机内的污垢的程度，决定工件生产数量最多的清洗定时。另外，如后所述，本专利技术也能够应用于如下的情况：根据接下来要进行的加工条件、预定的清洗的清洗条件、以及当前的机床的加工机内的污垢的程度，决定以接下来要进行的加工条件进行加工后的加工机内的清洗中预定的清洗最少的清洗次数。
[0012]图1是表示第一实施方式的清洗系统的功能结构例的功能框图。如图1所示，清洗系统1具有机床10、清洗预测装置20以及机器学习装置30。
[0013]机床10、清洗预测装置20以及机器学习装置30也可以经由未图示的连接接口而相互直接连接。另外，机床10、清洗预测装置20以及机器学习装置30也可以经由LAN(Local Area Network：局域网)、因特网等未图示的网络相互连接。在该情况下，机床10、清洗预测装置20以及机器学习装置30具备用于通过该连接而相互进行通信的未图示的通信部。另外，如后所述，机床10也可以包括清洗预测装置20和机器学习装置30。
[0014]机床10是本领域技术人员公知的机床，组装有清洗装置101、测定装置102以及控制装置103。机床10基于控制装置103的动作指令进行动作。另外，清洗装置101和控制装置103也可以是独立于机床10的装置。
[0015]清洗装置101是本领域技术人员公知的清洗装置。例如，清洗装置101基于控制装置103执行清洗程序而生成的控制指令，使清洗装置101所包含的泵(未图示)运转，从清洗装置101所包含的清洗喷嘴(未图示)喷射冷却液等清洗液，从而以预定的清洗对机床10的加工机内进行清洗。在此，预定的清洗是指，在清洗程序中预先设定有根据机床10的种类、加工内容对加工机内进行清洗的清洗条件(例如，清洗喷嘴的角度、喷射量、加工机内的地点、清洗路径、清洗时间等)的清洗。而且，在清洗条件中，以预定的清洗为基本清洗的单位，还设定了预定的清洗的清洗次数。图2A是表示从侧面观察到的机床10的加工机内的切屑堆积的情况的一例的图。图2B是表示从上表面观察到的加工机内的预定的清洗的一例的图。另外，在图2B中，下侧是机床10的门侧。如图2B所示，清洗装置101例如反复进行清洗条件所包含的清洗次数的使清洗喷嘴根据清洗程序在(1)至(6)的清洗路径上移动的预定的清洗，由此去除机床10的加工机内的切屑。另外，清洗装置101也可以安装于机器人(未图示)，或者内置于机器人(未图示)，来对机床10的加工机内进行清洗。在该情况下，机床10也可以包括机器人控制装置(未图示)。
[0016]测定装置102例如也可以从预定的位置测定通过机床10加工工件后的机床10的加工机内的整体、或者至少1个关注点的加工机内的污垢的程度。具体而言，测定装置102也可以使用公知的方法(例如，日本特开2018
‑
153872号公报等)，基于与预先测定未附着污垢的加工机内而取得的加工机内的整体或至少1个关注点的测定值的差，将加工机内的清洗对象的各部分的差分的量(面积、体积等)、该差分的明亮度的比例(％)等计算为加工机内的污垢的程度。另外，作为测定装置102，能够使用视觉传感器、红外线激光、超声波测量器等。
[0017]控制装置103是本领域技术人员公知的数值控制本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种机器学习装置，其特征在于，具备：输入数据取得部，其取得输入数据，该输入数据包含：任意的机床对任意的工件的任意的加工条件、用于通过任意的清洗装置对根据该加工条件加工所述工件后的加工机内进行清洗的清洗条件、以及表示基于所述加工条件进行加工前的所述加工机内的污垢的程度的状态信息；标签取得部，其取得以所述输入数据中包含的所述加工条件进行加工并以所述清洗条件进行清洗后的所述加工机内的状态信息作为标签数据；以及学习部，其使用由所述输入数据取得部取得的输入数据和由所述标签取得部取得的标签数据，执行监督学习，生成已学习模型。2.根据权利要求1所述的机器学习装置，其特征在于，所述加工条件至少包括机床的种类、工件的材质、切削工具的种类、主轴转速、进给速度、切入量以及表示要加工的工件的数量的工件生产数量，所述清洗条件至少包括预定的清洗的清洗次数。3.一种清洗预测装置，其特征在于，具备：由权利要求1或2所述的机器学习装置生成的已学习模型；输入部，其在机床进行加工之前，输入接下来要进行的加工条件、预定的清洗的清洗条件、以及当前的所述机床的加工机内的状态信息；以及预测部，其将由所述输入部输入的所述接下来要进行的加工条件、所述清洗条件、所述当前的加工机内的状态信息输入到所述已学习模型，并预测以所述接下来要进行的加工条件进行加工并以所述清洗条件进行清洗后的所述加工机内...
【专利技术属性】
技术研发人员：小川贤一，永富隆志，
申请(专利权)人：发那科株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。