迁移学习装置及迁移学习方法制造方法及图纸

技术编号：40217278 阅读：7 留言：0更新日期：2024-02-02 22:24

具有：加工数据取得部(11)，其取得包含用于使加工机(4)进行多个步骤量的加工的与时间序列的加工条件相关的数据、及加工机(4)基于加工条件而执行多个步骤量的与加工状态相关的数据在内的多个加工数据；分析部(13)，其对针对各加工数据的重要度进行计算；提取部(14)，其基于由分析部(13)计算出的重要度，从多个加工数据之中，对用于进行第1机器学习模型的迁移学习的多个迁移学习数据进行提取；以及学习部(153)，其使用多个迁移学习数据而进行第1机器学习模型的迁移学习，生成将与多个步骤量的时间序列的加工条件相关的数据作为输入而对多个步骤量执行后的与加工状态相关的数据进行输出的第2机器学习模型。

全部详细技术资料下载

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术涉及生成用于对使加工机执行加工时的加工条件的设定进行辅助的训练好的模型(以下称为“机器学习模型”)的迁移学习装置及迁移学习方法。

技术介绍

1、加工机在进行成为加工对象的工件的加工时，在加工的各过程中，依照用于进行加工的加工条件。在加工条件中例如包含对加工的位置或者速度等进行指示的值。该加工条件例如由加工机的用户进行指示，或者，通过对加工机进行控制的控制装置按照程序进行设定。但是，在加工机中，由于加工时的摩擦、温度或者振动等干扰，有时加工无法如所设定的加工条件那样进行。因此，以往已知以下技术，即，使用将与加工条件相关的数据输入、将与由加工机基于该加工条件而执行的加工的状态相关的数据进行输出的机器学习模型，能够对适于加工机得到所指示那样的加工结果的加工条件进行设定。

2、另外，已知使机器学习模型应用于其他区域的学习的所谓迁移学习的技术。例如，在专利文献1中公开了下述技术，即，在针对环境或者条件等不同的各种设备而选择最佳的共有模型并供给的服务器装置中，利用从设备收集到的样本数据而进行共有模型的追加学习。共有模型处于虽然进行预学习，但不进行专注于该设备的环境、条件下的学习的状况，因此服务器装置为了进行高精度的判定、分类等，进行追加的学习而进行共有模型的微调。服务器装置以共有模型为基础进行追加学习，由此得到被称为迁移学习的作用的效果。

3、专利文献1：国际公开第2018/173121号

技术实现思路

1、加工机伴随历时变化、工件的变更或者该加工机运转的现场

2、但是，假设用户与当前的加工机的状况相匹配地从零起进行学习而新生成机器学习模型，则花费时间。

3、因此，例如，如上述专利文献1中公开的技术那样，考虑使用所谓迁移学习的技术，基于预先准备的机器学习模型(以下称为“第1机器学习模型”)，生成适于加工机运转的当前状况的机器学习模型(以下称为“第2机器学习模型”)。

4、在这里，作为用于生成第2机器学习模型的数据(以下称为“迁移学习数据”)，例如需要对在当前的状况下使加工机运转而得到的数据进行收集。该数据例如是从对加工机进行控制的控制装置得到的。控制装置以预先设定的周期对由加工机进行加工的过程中的时间序列的加工条件及加工状态进行采样。但是，一般来说，控制装置的采样周期为1ms等，是短周期。另外，在由控制装置收集的数据中，可能包含表示用于应对针对各种工件进行的各种加工内容的各种加工条件的数据。即，使加工机运转而从控制装置收集的数据的量变得庞大。

5、因此，即使使用所谓迁移学习的技术，使加工机运转而收集的数据的量也是庞大的，由此为了生成第2机器学习模型而花费时间。

6、如上所述，存在下述课题，即，在使用在加工的现场收集的全部数据，生成用于对适于加工机实际运转的现场的该加工机的状况的加工条件进行设定的第2机器学习模型时需要大量的时间。

7、本专利技术就是为了解决上述这样的课题而提出的，其目的在于提供无需在加工的现场收集的全部数据，能够根据该数据的一部分，生成用于对适于加工机实际运转的现场的该加工机的状况的加工条件进行设定的第2机器学习模型的迁移学习装置。

8、本专利技术所涉及的迁移学习装置具有：加工数据取得部，其取得包含用于使加工机进行多个步骤量的加工的与时间序列的加工条件相关的数据及加工机基于加工条件而执行多个步骤量的与加工状态相关的数据在内的多个加工数据；分析部，其基于由加工数据取得部取得的多个加工数据，对针对由加工数据取得部取得的各加工数据的重要度进行计算；提取部，其基于由分析部计算出的重要度，对用于进行第1机器学习模型的迁移学习的多个迁移学习数据进行提取，该第1机器学习模型从由加工数据取得部取得的多个加工数据之中将事先生成的与多个步骤量的时间序列的加工条件相关的数据作为输入而对多个步骤量执行后的与加工状态相关的数据进行输出；以及学习部，其使用由提取部提取出的多个迁移学习数据而进行第1机器学习模型的迁移学习，生成将与多个步骤量的时间序列的加工条件相关的数据作为输入而对多个步骤量执行后的与加工状态相关的数据进行输出的第2机器学习模型。

9、专利技术的效果

10、根据本专利技术，由于按照上述方式构成，因此无需在加工的现场收集的全部数据，能够根据该数据的一部分，生成用于对适于实际运转的现场的该加工机的状况的加工条件进行设定的第2机器学习模型。其结果，不需要大量的时间，就能够生成上述第2机器学习模型。

本文档来自技高网...

【技术保护点】

1.一种迁移学习装置，其具有：

2.根据权利要求1所述的迁移学习装置，其特征在于，

3.根据权利要求1所述的迁移学习装置，其特征在于，

4.根据权利要求3所述的迁移学习装置，其特征在于，

5.根据权利要求2所述的迁移学习装置，其特征在于，

6.根据权利要求1所述的迁移学习装置，其特征在于，

7.一种迁移学习方法，其具有下述步骤：

【技术特征摘要】
【国外来华专利技术】

1.一种迁移学习装置，其具有：

2.根据权利要求1所述的迁移学习装置，其特征在于，

3.根据权利要求1所述的迁移学习装置，其特征在于，

4.根据权利要求3所述的迁移学...

【专利技术属性】
技术研发人员：中根滉稀，佐藤刚，丸田润，増井秀之，西野慎哉，河田武之，木村将哉，
申请(专利权)人：三菱电机株式会社，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人