[發明專利]機床的診斷模型的再學習與否判定方法及裝置、可讀存儲介質

在審

• 申請號: 202010692079.4
• 申請日: 2020-07-17
• 公開（公告）號: CN112241144A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 上野浩
• 申請（專利權）人: 大隈株式會社
• 主分類號: G05B19/406
• 分類號: G05B19/406;G05B19/4065
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 崔成哲;黃綸偉

本發明提供一種機床的診斷模型的再學習與否判定方法及裝置、可讀存儲介質。在機床的加工異常診斷中，在懷疑存在過檢測的情況下判定是否要進行診斷模型的再學習。控制裝置(2)執行如下步驟：將安裝在機床(1)上的工具(3)的累積切削時間或累積切削距離作為工具使用量存儲在工具使用量存儲機構12中的工具使用量存儲步驟；將加工異常診斷單元13診斷出加工異常時的工具使用量存儲在異常診斷時工具使用量存儲單元14中的異常診斷時工具使用量存儲步驟；以及根據在異常診斷時工具使用量存儲步驟中存儲的工具使用量的頻數分布,由再學習與否判定單元16判定是否需要再學習的再學習與否判定步驟。

技術領域

本發明涉及在具備使用了機器學習技術的加工診斷功能的機床中判定已完成學習的診斷模型是否需要進行再學習的方法及裝置、以及可讀存儲介質。

背景技術

在用切削工具對被切削件進行加工時，由于過載、切削粉的咬入、切削刃的磨損加劇等，有時會產生切削工具折損等工具損傷。在這種情況下，不能實現所需要的加工并且再次加工需要時間，不僅如此，會出現產品不良而導致損失，而且還存在因產生切削殘留件而導致機器與被切削件碰撞的危險。為了避免上述危險，提出了檢測加工異常并使機器停止的技術。

在專利文獻1中，公開了如下技術：預先將正常加工時的電機負載波形等作為基準波形記錄下來，在加工時的負載從基準波形偏離一定程度以上時視為加工異常。根據這樣的技術，能夠以目標加工中的正常加工時的波形為基準，因此在任何加工條件下都能夠檢測出加工異常。另一方面，由于將自基準波形的偏離作為指標，因此必須通過測試加工等事先取得基準波形，從而在加工條件變化的情況下需要重新設定。另外，還存在難以確定從基準波形偏離多少才判斷為異常的適當閾值的問題。

對于上述課題，作為使用機器學習來尋求解決的技術，公開了專利文獻2、3。在專利文獻2中示出了使用了機器學習技術的工具異常檢測裝置，在專利文獻3中示出了學習用來判斷為加工異常的閾值的方法。

在使用機器學習的診斷中，誤診斷也是不可避免的問題。在發生誤診斷的情況下，采用調整閾值或再次學習診斷模型的方法中的任一種，但模型的再學習需要大量且優質的數據，技術上、時間上的負擔大，另外還有成為過度學習的風險，因此希望極力避免。為此，如何估計再學習的必要性就顯得尤為重要。

另外，誤診斷大致可分為過檢測(假陽性，也稱為第一種過失)和漏檢測(假陰性，也稱為第二種過失)這兩種。如果增大閾值，則漏檢測增加，反之，如果減小閾值，則過檢測增加。雖然只要能夠提供正確地分辨正常、異常的診斷模型，則通過設定適當的閾值就能夠正確地進行診斷，但在提供了學習不充分的診斷模型的情況下，即使調整閾值也無法改善性能，需要模型的再學習。如上所述，由于模型的再學習負擔大，因此在發生誤診斷的情況下，辨別是閾值的問題還是診斷模型的問題變得重要。

關于漏檢測,其與碰撞等機器異常相關聯,另外，在后續的檢查工序中發現產品不良等情況下，則立即可以判斷出發生了漏檢測,因此可以當場嘗試調整閾值等方式，在難以解決的情況下再進行再學習。通過與過去的異常程度的歷史進行比較，可判斷出在為了避免漏檢測而降低了閾值的情況下，過檢測是否增加，因此容易判定是否需要再學習。