[发明专利]工具状态推定装置以及机床

说明书

本发明涉及对在机床中使用的工具的状态进行推定的工具状态推定装置以及该机床。使用拍摄单元取得因加工而产生的切屑的飞散方向或飞散范围、飞散速度等，并从该取得的动态信息来推定工具的状态(磨损、缺损等)。在该推定中使用机器学习装置，在该机器学习装置中对针对多个的工具附近的动态信息的组合的工具状态进行学习，并基于该学习的结果来推定工具状态。

技术领域

本发明涉及对在机床中使用的工具的状态进行推定的工具状态推定装置以及该机床。

背景技术

一般在机床中使用的工具在加工中随着使用的时间推移，刀尖磨损，切削阻力增加，加工精度恶化，变得无法维持工件所要求的预定的加工精度，一般判断为在该时刻为工具的寿命。在判断工具是否达到寿命时，除了直接确认工件的加工精度之外，还列举了确认工具刀尖的磨损量，并确认该磨损量是否超过成为大致目标的磨损宽度等方法，但是需要另行具备与加工运转中不同的判定寿命的工程，由此成为了妨碍加工周期效率化的主要原因之一。因此，预先推定工具状态的技术对用于提高加工产率是十分重要的。

作为用于判断工具的状态的现有技术，例如在日本特开2011－45988号公报中公开了使用拍摄单元拍摄切削工具，并基于该图像数据来判断工具的状态的技术。另外，作为推定工具状态所涉及的现有技术，已知有泰勒寿命方程式(日本特开平11－170102号公报等)。在使用泰勒寿命方程式推定工具状态时，基于加工中使用的工具或工件的材质等加工条件来确定常数，将确定好的常数套用到泰勒寿命方程式，由此能够在各种各样的加工条件下推定工具状态。另外，还提出了基于加工时间或加工次数等来推定工具状态的技术(日本特开2002－224925号公报等)。

然而，在直接确认工具的磨损状态的情况下，需要在加工时间外使用测定器等进行测量，从而产生了该时间使加工周期时间增加的问题。

另外，在使用泰勒寿命方程式预测工具的寿命时，由于需要根据加工条件来计算方程式的常数，因而在加工条件频繁变化的机床中，存在决定常数复杂且适用困难的问题。

进而，当基于加工时间或加工次数等来推定工具的寿命时，需要对每个工具记录加工时间或加工次数，另外该推定方法是基于实际加工的经验法则而产生的，因而依旧产生了在加工条件频繁变化的状况下难以推定工具状态的问题，并且还存在将仍能使用的工具废弃、或虽然工具达到了寿命却继续使用工具来量产残次品的问题。

发明内容

因此，本发明的目的在于，提供一种不会增加加工的周期时间并且能够高精度地推定工具状态的工具状态推定装置以及机床。

在本发明中，使用拍摄单元，取得加工中的工具附近的动态信息(因加工而产生的切屑的飞散方向或飞散范围、飞散速度等)，根据该取得的工具附近的动态信息推定工具的状态(磨损、缺损等)，从而解决上述问题。在本发明中，在推定工具状态时，使用机器学习装置，使该机器学习装置对相对于多个工具附近的动态信息的组合的工具的状态进行学习，并且基于机器学习到的结果来进行工具状态的推定。

本发明的工具状态推定装置的第1方式是对机床在加工工件中使用的工具状态进行推定。该工具状态推定装置具备：状态观测部，其从在所述机床的运转中取得的日志数据中，取得所述工具的附近的动态信息，并基于取得的所述工具的附近的动态信息来生成输入数据；学习部，其通过使用所述状态观测部生成的输入数据的机器学习来构建学习模型；以及学习模型存储部，其存储所述学习模型。

所述工具状态推定装置还具备：标签取得部，其从所述机床的运转中取得的日志数据中，取得表示与所述状态观测部生成的输入数据相对应的所述工具的状态的监督数据，所述学习部可以通过使用所述状态观测部生成的输入数据和所述标签取得部取得的监督数据的监督学习来构建学习模型。

所述学习部可以通过使用所述状态观测部生成的输入数据的无监督学习来构建学习模型，该学习模型生成基于所述工具的附近的动态信息的簇。