[發明專利]用于創建控制數據集的計算機實現的方法、CAD/CAM系統及制造設施

在審

• 申請號: 202180022469.3
• 申請日: 2021-03-17
• 公開（公告）號: CN115298621A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: C·梅塞施密特;R·施萊格爾
• 申請（專利權）人: 通快機床歐洲股份公司
• 主分類號: G05B13/02
• 分類號: G05B13/02;G05B19/4097
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 郭毅

1.一種計算機實現的方法，所述計算機實現的方法由一個或多個計算機實施，以用于創建用于在使用環境(3)中操控機床(9)的機器數字控制數據集(17)，其中，所述控制數據集(17)由相關的機床(9)讀取以用于加工原材料，尤其是用于借助分離方法、成型方法和/或連接制造方法來加工金屬件或板金件，所述計算機實現的方法具有以下步驟：

-接收(步驟201)表示第一部件(21A)的數字設計模型的第一部件數據集(13)；

-通過使用控制程序生成軟件(204)為所述第一部件數據集(13)創建(步驟203)第一機器數字控制數據集(17)，其中，所述控制程序生成軟件(204)包括評估例程(204A)，所述評估例程使用具有可調設參數(Pi)的、經訓練的機器學習算法(11)，其中，通過訓練機器學習訓練算法(111)已確定所述參數(Pi)的起始值，所述機器學習訓練算法對應于所述經訓練的機器學習算法(11)；

-由所述部件數據集(13)和所創建的機器數字控制數據集(17)整合(步驟205)第一附加訓練數據集(31)，并將所述第一附加訓練數據集(31)輸出(步驟207)到使用環境特定的訓練數據庫(119)；

-通過調設針對所述參數(Pi)的、使用環境特定的值來更新(步驟209)所述機器學習算法(11)，其中，通過借助所述使用環境特定的訓練數據庫(119)訓練所述機器學習訓練算法(111)已確定所述使用環境特定的值；

-接收(步驟211)表示第二部件(21A)的數字設計模型的第二部件數據集(13A)；

-通過使用所述控制程序生成軟件(204)和遍歷評估例程(204)來針對所述第二部件數據集(13A)創建(步驟213)第二機器數字控制數據集(17A)，其中，使用在所述參數(Pi)方面已更新的所述機器學習算法(11)。

2.根據權利要求1所述的計算機實現的方法，進一步具有：

-通過機器程序員(8B)匹配(步驟203A)所述第一機器數字控制數據集(17)以創建經匹配的第一機器數字控制數據集(17’)；

-由所述經匹配的機器數字控制數據集(17’)和所述第一部件數據集(13)整合(步驟205A)另一附加訓練數據集(31’)，并輸出(步驟207A)所述另一附加訓練數據集(31’)以擴展所述使用環境特定的訓練數據庫(119)；

-通過調設針對所述參數(Pi)的、使用環境特定的值來更新(步驟209A)所述機器學習算法(11)，其中，通過基于以所述另一附加訓練數據集(31’)擴展的、所述使用環境特定的訓練數據庫(119)訓練所述機器學習訓練算法(111)已確定所述使用環境特定的值。

3.根據權利要求1或2所述的計算機實現的方法，進一步具有：

-通過機器程序員(8B)匹配(步驟211A)所述第二機器數字控制數據集(17A)以創建經匹配的第二機器數字控制數據集(17A’)；

-由所述經匹配的機器數字控制數據集(17A’)和所述第二部件數據集(13A)整合(步驟215)另一附加訓練數據集(31A’)，并輸出(步驟217)所述另一附加訓練數據集(31A’)以擴展所述使用環境特定的訓練數據庫(119)；

-通過調設針對所述參數(Pi)、使用環境特定的值來更新(步驟219)所述機器學習算法(11)，其中，通過基于以所述另一附加訓練數據集(31A’)擴展的、所述使用環境特定的訓練數據庫(119)訓練所述機器學習訓練算法(111)已確定所述使用環境特定的值。

4.根據權利要求3所述的計算機實現的方法，其中，所述第二機器數字控制數據集(17A)

-由設計師(8A)通過修改所述第二部件數據集(13A)進行匹配；

-由機器程序員(8B)在借助制造所述部件(21A)的模擬程序模擬所述機床(9)的操控之后進行匹配，其中，所述模擬程序借助所述第二機器數字控制數據集(17A)來模擬所述制造；和/或

-由機床操作員(8C)在將所述第二機器數字控制數據集(17A)讀入所述機床(9)的數字機器控制裝置(9A)并將所述第二機器數字控制數據集(17A)轉換為多個控制例程(19)之后、尤其是在通過借助所述控制例程(19)來操控所述加工單元(9B)以便借助所述機床(9)的加工單元(9B)來加工原材料之后進行匹配。