[发明专利]加工不良原因推定装置

说明书

本发明涉及加工不良原因推定装置。加工不良原因推定装置具备：机器学习装置，其根据工件的加工面的检查结果，对加工面不良的发生原因进行学习，该机器学习装置将检查装置对工件加工面的检查结果作为状态变量进行观测，并且获取表示加工面不良的发生原因的标签数据，将这些状态变量与标签数据关联起来进行学习。

技术领域

本发明涉及加工不良原因推定装置，特别是涉及在工件的加工面产生了不良的情况下推定其原因的技术。

背景技术

一直以来，进行着以下加工：生成加工程序，根据该加工程序来控制机床并对材料进行加工，从而制作部件或模具等工件。根据能够由激光显微镜进行观察的各种评价项目或能够从摄像图像中获取的各种特征，来判断这样制作出的工件的加工面的质量的好坏。在加工面上产生不良的情况下，确认设置于机床的各种传感数据，通过试错来确定不良的发生原因，由此进行用于不发生相同的不良的改进作业。

例如，在日本特开2017-68325号公报中记载了以下方法：使用机床的振动数据来进行机器学习，由此求出使加工面质量与加工时间取得平衡的最佳的速度分布。由此，能够控制机床，使得以不会发生加工面的不良的适当的加工速度来实施加工。

另外，影响加工面的质量的因素是多样的。图8表示与工件的加工有关的各种工序。首先，通过CAD/CAM生成加工程序。CNC(数控装置)解释加工程序并进行加减速控制，但是加减速控制的方式是对加工面的质量造成影响的一个要素。接着，进行伺服控制，通过机床进行加工。伺服控制的方式、在加工过程中产生的机械振动或外围设备振动、加工条件、刀具或切削液的状态等也将成为对加工面的质量造成影响的要素。

以往，为了检测出上述那样的能够成为加工面不良的原因的各种要素的状态，在机床上设置很多传感器并进行来自这些传感器的数据收集。而且，当产生不良工件时，确认各传感数据并确定有问题的要素。另外，根据传感数据无法确定不良工件的情况也很多，在该情况下，熟练的作业人员将根据经验来推定有问题的要素。

然而，在现有方法中，在各个机械或单元中，需要对所有能够对加工面的质量造成影响的要素设置传感器。另外，在发生加工面不良的情况下，需要对各传感数据全部确认。而且，由于使用很多传感器，因此也将产生各传感器设备本身的保养作业等。这样的作业是非常繁琐。另外，在无法根据传感数据来确定的情况下，主要由熟练的作业人员通过经验来推定有问题的要素，因此存在以下问题，即缺乏经验的作业人员无法确定有问题的要素。

发明内容

本发明是为了解决这样的问题而完成的，其目的在于，提供一种在工件的加工面产生不良的情况下能够推定其原因的加工不良原因推定装置。

在本发明的加工不良原因推定装置的第一方式中，根据检查装置对工件加工面的检查结果来判断加工面不良的发生原因，其中，具备：机器学习装置，其对与上述检查装置的检查结果相对应的加工面不良的发生原因进行学习。而且，该机器学习装置具备：状态观测部，其将上述检查装置对工件加工面的检查结果作为状态变量进行观测；标签数据获取部，其获取表示上述加工面不良的发生原因的标签数据；以及学习部，其将上述状态变量与上述标签数据关联起来进行学习。

上述学习部能够具备：误差计算部，其根据上述状态变量来计算对上述加工面不良的发生原因进行判断的相关性模型与从预先准备的监督数据中识别的相关性特征之间的误差；以及模型更新部，其以缩小上述误差的方式更新上述相关性模型。

上述学习部能够以多层构造对上述状态变量和上述标签数据进行运算。

上述加工不良原因推定装置还可以具备：判断输出部，其输出根据上述学习部的学习结果而判断出的上述加工面不良的发生原因。另外，上述判断输出部也可以在由上述学习部判断出的上述加工面不良的发生原因适合于预先设定的条件的情况下输出警告。